Efficient Consensus Architectures for Blockchain-Based IoT Systems
Notice bibliographique
Résumé
The Internet of Things (IoT) enables the interconnection of resource-constrained devices, or "things," through the Internet, and it is rapidly becoming one of the most popular technologies. However, attackers could take advantage of the centralized architecture to create disruptions in the network, alter collected data, or even affect the reputations of trusted devices. Since the blockchain ledger is decentralized, verifiable, and secure, it has been used in a variety of IoT application scenarios. As the nodes in the network do not trust each other, they must use a consensus protocol to ensure the validity and availability of accepted data items. In this dissertation, I propose a set of consensus protocols that address the main issues that practical Byzantine fault tolerance (PBFT) and other Byzantine fault-tolerant (BFT) protocols may face. The proposed BFT consensus protocols eliminate the dependence on a single leader node. In addition, they improve the system's scalability and reduce the long latency in the communication between the nodes and the clients, who may be located geographically far from the single leader node in leader-based BFT protocols. The first BFT-based protocol proposed in this dissertation eliminates the single leader node problem and can run multiple consensus rounds concurrently without a performance penalty. This eliminates the long latency and limited bandwidth that originate from the individual processes in most BFT-based protocols. This dissertation also introduces a spot reservation mechanism that processes multiple consecutive requests without contention, which improves the protocol throughput and scalability. The second proposed protocol provide a solution for blockchain-based IoT applications that may require wide geographic coverage. Finally, in the last proposed BFT-based consensus protocol, a mechanism is proposed that incentivizes the nodes to act honestly. To analyze and evaluate the performance of the proposed protocols, we develop detailed analytical models based on discrete-time Markov chain (DTMC) and queuing theory. The models reveal improvements in propagation delays, throughput, and mean response time compared with the standard single-stream PBFT protocol.
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 | 0,002 |
| 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 | 0,002 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».