MétaCan
Menu
Retour à la cohorte
Enregistrement W4377966882 · doi:10.1109/access.2023.3279395

Composable Anonymous Proof-of-Location With User-Controlled Offline Access

2023· article· en· W4377966882 sur OpenAlexafffund
Md. Mamunur Rashid Akand, Reihaneh Safavi–Naini, Sepideh Avizheh

Notice bibliographique

RevueIEEE Access · 2023
Typearticle
Langueen
DomaineComputer Science
ThématiqueCryptography and Data Security
Établissements canadiensUniversity of Calgary
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésAutomated theorem provingComputer scienceOverhead (engineering)NotationAlgorithmDiscrete mathematicsMathematicsInformation retrievalProgramming languageArithmetic

Résumé

récupéré en direct d'OpenAlex

A proof-of-location ($pol$) is a digital credential issued to a user after proving their location to an issuer. The user can use the$pol$at a later time to prove to a verifier that they have been present at a claimed location. A secure Proof-of-Location (POL) system requires that$pol\text{s}$be unforgeable and non-transferable to other users. POL systems can be used to provide fine-grained authentication and authorization and must ensure the privacy of the$pol$owner against the issuer and the verifier while allowing efficient presentation of$pol\text{s}$combined with other credentials when needed. Efficiency is in terms of communication overhead in user-verifier POL sessions, which has particular significance in high-volume$pol$verification scenarios. We first propose a POL system that (i) is provably secure in a simulation-based framework, allowing a$pol$to be securely used with other credentials, and (ii) provides anonymity against the issuer and the verifier. We then extend the system to allow$pol\text{s}$to be stored on a public distributed ledger system and selectively be presented to the verifiers by the user. This is the first POL system that satisfies the above properties. We implement POL algorithms on a mobile phone and present our experimental results showing the practicality of the system. Our proposed scheme is highly scalable compared to existing systems, reducing the user-verifier POL communication overhead by up to a factor of 94.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,008
score de la tête « metaresearch » (Gemma)0,029
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: Théorique ou conceptuel
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,019
Score d'incertitude au seuil0,064

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0080,029
Méta-épidémiologie (sens strict)0,0020,002
Méta-épidémiologie (sens large)0,0030,003
Bibliométrie0,0010,002
Études des sciences et des technologies0,0030,004
Communication savante0,0070,013
Science ouverte0,0060,018
Intégrité de la recherche0,0030,004
Charge utile insuffisante (le modèle a refusé de juger)0,0190,009

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.

Tête enseignante Opus0,034
Tête enseignante GPT0,314
Écart entre enseignants0,281 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeThéorique ou conceptuel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2023
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueIEEE AccessMême sujetCryptography and Data SecurityTravaux en français237 207