A Software-Defined Deterministic Internet of Things (IoT) with Artificial Intelligence (AI) for Quantum-Safe Cyber-Security
Notice bibliographique
Résumé
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.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,001 | 0,002 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 source (Gemma direct ou Codex distillé), 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 ».