MétaCan
Menu
Retour à la cohorte
Enregistrement W4387475936 · doi:10.1109/tvt.2023.3323515

Towards Synchronized Privacy-Preserving Authentication for MDTEN-Driven VANETs

2023· article· en· W4387475936 sur OpenAlexaff
Chenhao Wang, Yang Ming, Hang Liu, Songnian Zhang, Rongxing Lu

Notice bibliographique

RevueIEEE Transactions on Vehicular Technology · 2023
Typearticle
Langueen
DomaineEngineering
ThématiqueVehicular Ad Hoc Networks (VANETs)
Établissements canadiensUniversity of New Brunswick
Organismes subventionnairesFundamental Research Funds for the Central UniversitiesNational Natural Science Foundation of China
Mots-clésComputer scienceCloud computingAuthentication (law)Computer networkComputer securityVehicular ad hoc networkDigital signatureWireless ad hoc networkHash functionWirelessOperating system

Résumé

récupéré en direct d'OpenAlex

Digital Twin (DT) technology, by performing simulation, analysis, and prediction over the data mapped to digital space, can create a digital replica of the physical object. It can be combined with edge computing or cloud computing to provide broad vehicle-to-everything applications and improve the service quality of vehicular ad-hoc networks (VANETs). In this article, DT technology and mobile edge computing are integrated into VANETs to introduce a framework of mobile digital twin edge network-driven VANETs (MDTEN-Driven VANETs). Moreover, facing the security and privacy challenges in the framework, we propose a synchronized privacy-preserving authentication (SPPA) scheme. In SPPA, we first design a synchronized anonymous certificateless aggregate signature (SA-CLAS) to achieve the authentication with time state synchronization and the privacy preservation of the real identity. Furthermore, to deal with malicious vehicles, we adopt blockchain technology and devise a smart contract algorithm to manage the public information of vehicles. The security analysis demonstrates that SA-CLAS is existentially unforgeable under adaptive chosen message attacks, and SPPA can satisfy the necessary security requirements. The performance evaluation shows the efficiency and practicality of SA-CLAS and SPPA. Besides, the designed smart contract is implemented in an Ethereum test network, which presents an acceptable blockchain consumption.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,726
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0010,000
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,013
Tête enseignante GPT0,240
Écart entre enseignants0,227 · 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 tête enseignante, pas un consensus.

Devis d'étudeSimulation ou modélisation
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

Citations6
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueIEEE Transactions on Vehicular TechnologyMême sujetVehicular Ad Hoc Networks (VANETs)Travaux en français237 207