A Reputation-Enhanced Shard-Based Byzantine Fault-Tolerant Scheme for Secure Data Sharing in Zero Trust Human Digital Twin Systems
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
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.
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 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,003 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 découle