Leveraging Blockchain for Device Registration and Authentication in tSIP-Based Phone-of-Things (PoT) Systems
Notice bibliographique
Résumé
Phone of Things (PoT) is a new paradigm in IoT that has been recently coined in the literature. PoT provides a framework for leveraging the ubiquitous phone network assets and infrastructure by making them part of the IoT architecture to manage and control IoT gadgets. PoT proposes a lightweight SIP-based messaging protocol, which we call tSIP, that we can map to its corresponding original SIP protocol messages with the help of a proxy (i.e., the PoT gateway). tSIP facilitates communication between resource-constrained smart objects and the communication server using mature phone technologies with abstractions that people are already familiar with. In this context, the paper proposes a lightweight decentralized registration and authentication mechanism based on blockchain technology for smart gadgets in the PoT system to facilitate their association with the communication server. The proposed mechanism provides a secure, trustless, and scalable environment for PoT without requiring high-end communication servers, affecting the existing SIP-based VoIP architecture, or mandating trust in third-party entities. The proposed mechanism uses the Ethereum blockchain and smart contracts to implement a programmatic, immutable access control mechanism to administer the association of IoT devices with the communication server. As a proof of concept, we provide a prototype implementation of the proposed mechanism using a private blockchain due to its privacy characteristics, fast transaction processing, and cost-effectiveness. We conduct a feasibility study of the proposed mechanism and a security analysis. The analysis demonstrates that the proposed mechanism complies with the security standards of the SIP protocol and fits the constraints of embedded smart objects.
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 | 0,003 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,002 | 0,002 |
| Communication savante | 0,002 | 0,005 |
| Science ouverte | 0,002 | 0,004 |
| Intégrité de la recherche | 0,002 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,001 |
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 ».