SATI: Sidechain-Based Access Control & Trust Mechanism for IoT Networks
Notice bibliographique
Résumé
Providing low latency, high security, and high resource utilization for Internet of Things (IoT) networks is challenging due to the heterogeneous nature of these networks and the need for more standardization in security algorithms. Current edge computing-based IoT solutions decrease network latency and improve resource utilization but do not provide adequate security because they offer multiple attack surfaces for adversaries. Recent work uses blockchain technology to provide better security in IoT networks. However, blockchain-based solutions suffer from scalability problems and can increase latency. Sidechains are parallel blockchain networks typically used to increase the scalability of blockchain networks. We propose a novel Sidechain-based Access control and Trust evaluation mechanism for IoT networks (SATI) to decrease network latency and improve scalability, security, and energy efficiency. SATI uses a sidechain with the blockchain network to improve its scalability. It also uses edge computing to provide low network latency and high resource utilization in terms of CPU and memory usage. In addition, trust evaluation and attribute-based access control mechanisms are used to improve the security of the IoT network. We compare our work with existing mechanisms in terms of scalability, security, latency, and CPU and memory usage. In addition, we perform a formal security analysis of the SATI mechanism using reduction-based analysis and the Scyther verification tool.
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 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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».