A Reputation-Enhanced Shard-Based Byzantine Fault-Tolerant Scheme for Secure Data Sharing in Zero Trust Human Digital Twin Systems
Notice bibliographique
Résumé
Secure data sharing is imperative in human digital twin (HDT) systems due to the continuous communication requirements among physical and virtual twins, making data security and privacy essential concerns. Previous works have emphasized the significance of blockchain technology in mitigating security challenges within digital twin systems. Nevertheless, existing blockchain-based solutions often fall short of meeting the specific latency and throughput demands of HDT systems, primarily attributed to the complicated consensus process of conventional blockchain solutions. As a result, this paper introduces a novel reputation-enhanced shard-based Byzantine fault-tolerant scheme designed for zero-trust HDT systems. We propose a parallel validation-based reputation-enhanced practical Byzantine fault tolerance consensus framework to address the need for improved throughput and reduced latency during data-sharing processes. This framework incorporates a priority-based block-appending process to prevent forking attacks, ensuring that critical aspects of the blockchain-enabled framework, such as security and decentralization, remain uncompromised. Moreover, we formalize the communication process among validators and their computation resource allocation as a Markov decision process. We then adopt the branching duelling Q-network approach to address the challenge posed by the large dimensions of the action space in our formulated problem. The results demonstrate that the proposed framework significantly enhances authentication, authorization, and validation processes in HDT through increased throughput and reduced latency, providing a robust solution for secure and efficient data sharing in HDT systems.
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 | 0,002 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,002 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 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 ».