MétaCan
Menu
Retour à la cohorte
Enregistrement W4399982372 · doi:10.18280/ijsse.140313

An Efficient Lightweight Authentication and Access Control for IoT Edge Devices

2024· article· en· W4399982372 sur OpenAlexvenueno aff
Imane Zerraza, Zianou Ahmed Seghir, Mounir Hemam

Notice bibliographique

RevueInternational Journal of Safety and Security Engineering · 2024
Typearticle
Langueen
DomaineComputer Science
ThématiqueIoT and Edge/Fog Computing
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésAccess controlEnhanced Data Rates for GSM EvolutionAuthentication (law)Internet of ThingsComputer scienceComputer securityEdge computingComputer networkEmbedded systemTelecommunications

Résumé

récupéré en direct d'OpenAlex

The emergence of Internet of Things (IoT) technology brings tremendous benefits to people's lives and work.However, the integration of IoT devices into diverse systems has underscored the pressing issue of security.Safeguarding data confidentiality in IoT systems necessitates the implementation of strong security measures, including authentication, encryption and access control mechanisms.When effectively employed, these measures pave the way for the development of an efficient and secure IoT system, offering substantial benefits to end-users.This paper introduces a novel authentication and access control solution tailored for IoT edge devices.Our suggested approach is applicable to the edge network comprising numerous nodes, enabling the transmission of extensive data within constrained bandwidth based on lightweight symmetric cryptography since it uses Chacha20 algorithm to establishing session key, and maintaining the protocol of identity management and access control more precisely through HoBAC and blockchain technology.We have successfully analyzed the protocol correctness using the scyther tool.The results demonstrate the superiority of the proposed protocol compared to alternative approaches, particularly in terms of communication and time costs.

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)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,008

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0010,001
Communication savante0,0010,002
Science ouverte0,0010,002
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,001

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 Opus0,007
Tête enseignante GPT0,265
Écart entre enseignants0,257 · 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'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

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

En bref

Citations5
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Safety and Security EngineeringMême sujetIoT and Edge/Fog ComputingTravaux en français237 207