Secured Scalable Blockchain Networks for Trustworthy Distributed Deep Learning in VANETs
Notice bibliographique
Résumé
Distributed deep learning (DDL) within vehicular ad hoc networks (VANETs) holds profound significance in developing smart applications, such as intelligent transport systems and autonomous driving, where multiple parties are coordinated to leverage the training capability and acquisitive intelligence.Blockchain (BC) is a distribution technology promising for trustworthy DDL, holding the divide-and-conquer concept with decentralized management and consensus algorithms to reduce the exposure of sensitive controllers and thus the risks of malicious system-wide attacks.Moreover, zero trust architecture (ZTA) concepts are promoted as innovative cybersecurity solution which can be integrated with BC to address the resource-limited and infrastructure-less issues to augment the strength of DDL in VANETs.In this dissertation, the BC and ZTA potential is explored to construct reliable VANETs for trustworthy data sharing and thus to support significant within-VANET DDL and relevant applications.Firstly, virtualized distributed ledger technology (vDLT) is developed as the multimedia BC platform, followed by vDLT-based VANETs built to solve the unsteady communica-First and foremost, I would like to express my deepest appreaciation to my supervisor, Prof.Richard Yu, who have been working with his wholehearted dedication to supervise my PhD study.His immense knowledge and cutting-edge insights have been encouraging me of elevating my academic research quality.He have also endearvored to find fundings to support my study and daily life to keep my work proceeding smoothly.Without his invaluable advice and continous supports, the achievements during my study would have been impossible.
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 | 0,001 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,003 |
| Science ouverte | 0,002 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 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 ».