MétaCan
Menu
Retour à la cohorte
Enregistrement W4387870906 · doi:10.1109/icc45041.2023.10279761

DIDs-Assisted Secure Cross-Metaverse Authentication Scheme for MEC-Enabled Metaverse

2023· article· en· W4387870906 sur OpenAlexaff
Yingying Yao, Xiaolin Chang, Lin Li, Jiqiang Liu, Jelena Mišić, Vojislav B. Mišić

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineComputer Science
ThématiqueCloud Data Security Solutions
Établissements canadiensToronto Metropolitan University
Organismes subventionnairesNational Key Research and Development Program of ChinaChina Railway
Mots-clésMetaverseComputer scienceAuthentication (law)InteroperabilityThe InternetComputer securityWorld Wide WebVirtual realityHuman–computer interaction

Résumé

récupéré en direct d'OpenAlex

With the popularization of emerging technologies such as artificial intelligence, 5G and beyond, extended reality and blockchain, the next generation Internet is rapid expansion. “Metaverse” as an evolving paradigm of next-generation Internet, can be recognized as a fully immersive, hyper spatiotemporal and self-sustaining virtual shared space, and its concept is continuous development and evolution. It is moving from imagination to the coming reality, but it is still far from being realized. One of reasons is that distinct sub-metaverses deploying their services on heterogeneous blockchains results in major problems for interoperability, preventing the implementation of seamless integrated metaverse. Facing the challenge, this paper proposes a decentralized identifiers (DIDs) assisted secure cross-metaverse authentication scheme for MEC-enabled metaverse, which is based on a novel designed infrastructure build on MEC and blockchain. In addition, the proposed scheme adopts DIDs, which can not only achieve the secure cross-metaverse authentication, but also increase the decentralization of the metaverse. In addition, the adoption of ID-based aggregate signature can reduce the overhead of computation, communication and storage.

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)0,001
score de la tête « metaresearch » (Gemma)0,003
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: Méthodes · Signal consensuel: Méthodes
Score de désaccord entre enseignants0,004
Score d'incertitude au seuil0,012

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,003
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0020,001
Communication savante0,0020,004
Science ouverte0,0010,005
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0040,001

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.

Tête enseignante Opus0,043
Tête enseignante GPT0,323
Écart entre enseignants0,279 · 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
GenreMéthodes

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

En bref

Citations9
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetCloud Data Security SolutionsTravaux en français237 207