A Software-Defined Deterministic Internet of Things (IoT) with Artificial Intelligence (AI) for Quantum-Safe Cyber-Security
Notice bibliographique
Résumé
<p>The next-generation Internet of Things (IoT) will enable Industry 4.0 and Smart Cyber-Physical Systems, including Smart Cities and Smart Manufacturing. These Smart Systems require: (i) ultra-low latencies, and (ii) immunity from cyber-attacks. This paper explores a "Software-Defined Deterministic IoT", with Artificial Intelligence (AI) for Cyber-Security. It introduces a new sub-layer (3a) of "Software Defined Wide Area Networks (SD-WANs)", using simple and secure deterministic packet switches (ie low-cost FPGAs). A "Software Defined Networking" (SDN) control-plane uses collaborative AI systems to implement Zero Trust Architectures (ZTAs) and Guaranteed Intrusion Detection Systems (IDSs), to control access to all critical resources. The SD-WANs can support millions of Deterministic Virtual Private Networks (DVPNs).The approach has many benefits: (i) All interference, congestion, and Distributed Denial-of-Service (DDOS) attacks are eliminated; (ii) End-to-end delays are determined by the speed of light in fiber; (iii) The SD-WANs provide hardware support for the US NIST ZTA and Post Quantum Cryptography (PQC); (iv) All communications within a DVPN are encrypted with PQC, and are immune to attacks from Quantum Computers; (v) The expected number of a successful cyber-attacks per year against a nation's critical infrastructure from external cyber-attackers is zero, when using Quantum-Safe ciphers; (vi) Total cost savings are estimated at $100s of Billions USD per year.<br> </p>
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,003 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».