xCRM: Blockchain Interoperable Crime Report Management System By Utilizing Hyperledger Cacti & Private Data Collection (PDC)
Notice bibliographique
Résumé
The process of bringing criminals to justice can be complicated when reporter information and sensitive data related to the case are revealed and may involve international law enforcement cooperation, especially when a criminal flees to another country. To tackle this issue, an interoperable crime management system is necessary. This study proposes a blockchain-based interoperable crime management system that provides secure and decentralized communication between different blockchain-based platforms, ensuring anonymity, transparency, and immutability. We present a methodology for crime reporting, evidence management, forensic testing, a collaboration between investigation agencies, and resource sharing where anyone can report in two modes: anonymous mode, which is only for passing any information to the police, or generate mode, which will create an FIR (First Information Report) and subsequent procedures. To ensure the security of our data, we have implemented Hyperledger Fabric Private Data Collection (PDC) for each report and investigation. The PDC will consist of the team leader, investigation officer, reporter, and any other relevant users as members. All interactions will occur within the specific channel created for each report, and files and additional information will be shared through the PDC. This system uses Hyperledger Cacti to implement interoperability and allows investigation and collaboration with others, like courts, forensics, and special investigation agencies, even with foreign systems. This proposed system is effective and efficient, enhancing the performance of blockchain networks.
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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».