Performance enhancement in blockchain based IoT data sharing using lightweight consensus algorithm
Notice bibliographique
Résumé
The proliferation of Internet of Things (IoT) devices generates vast amounts of data, traditionally stored, processed, and analyzed using centralized systems, making them susceptible to attacks. Blockchain offers a solution by storing and securing IoT data in a distributed manner. However, the low performance and poor scalability of blockchain technology pose significant challenges for its application in IoT networks. The primary obstacle is the distributed consensus protocol, while ensuring data transparency, integrity, and immutability in a decentralized and untrusted circumstances which often compromises scalability. To address this issue, this paper introduces the use of the Delegated Proof of Stake (DPoS) consensus algorithm and sharding techniques to enhance scalability in blockchain-based IoT networks. Experimental results indicate that system throughput increases synchronously with the test load. Our findings reveal a tradeoff between throughput, latency, and up-downstream time on the Inter Planetary File System (IPFS). Given the critical importance of latency and throughput in IoT networks, the results demonstrate that DPoS offers high throughput, parallel processing, and robust security while efficiently scaling the network. Furthermore, at a test load of 500 Transactions Per Second (TPS), the system achieves a maximum throughput of approximately 11.094 ms. However, when the test load exceeds 2000 TPS, the total processing time for transactions extends to 11.205 ms. This method is particularly suitable for constrained IoT networks. Compared to previous edge computing-based approaches, our scheme demonstrates superior throughput performance.
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 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,002 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».