Private Blockchain-Based Wireless Body Area Network Platform for Wearable Internet of Thing Devices in Healthcare
Notice bibliographique
Résumé
In recent years, healthcare systems have included the Internet of Things (IoT) technology in their services, such as in remote patient monitoring systems. Wearable IoT devices can provide information regarding the patient's health that are accurate and time-sensitive. However, vulnerabilities are evident as more IoT devices connect to the network. For healthcare services, the security of patient data is an issue. At the same time, with real-time data transmissions, the network runs into manageability concerns. In this work, we propose a private blockchain-based Wireless Body Area Network (WBAN) platform to aid wearable IoT devices in healthcare services. We chose this blockchain technology due to its strengths in security. Then, we enable a distributive architecture using WBANs to introduce a decentralized configuration that can ensure privacy among wearable IoT devices within the network. To evaluate the feasibility of the proposed platform in terms of latency and throughput, we conducted experiments with several wearable IoT devices. The results show that integrating a WBAN to create a fog server improves the network performance with an increasing number of IoT devices and packet size. Also, the blockchain showed its ability to address security threats in healthcare services. We evaluate our proposed platform through a performance test and a STRIDE threat model, and we prove its feasibility in improving the security and manageability of wearable IoT devices in healthcare.
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 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| 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 ».