An Enhanced Multi-Factor Device Authentication Protocol in IoLT Healthcare Environment
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
Mobile sequencing enables a rapid process of determining the order of nucleotides in deoxyribonucleic acid (DNA). The process is carried out by portable sequencers, which are the main element in the internet of living things (IoLT). This approach assists in obtaining rapid biological insights at the source regardless of the patient's geographical location, for efficient care therapies as well as scientific discovery. Sequencing data and/or related analytical results produced in various formats will be sent from the sequencer to medical experts or healthcare professionals for performing the services. Communication in such IoLT environments encounters certain security concerns regarding information confidentiality and data integrity. Recently, Ren et al. proposed an anonymous user authentication scheme securing IoT communications, which is applicable to the IoLT. However, we found their work has some serious security issues, e.g., it is vulnerable to man-in-the-middle attacks, stolen-device attacks, etc. This paper proposes an enhanced multi-factor device authentication (MFDA) protocol to address all weaknesses of Ren et al.’ s work. In addition to the inherent device-to-cloud communication function, some other novel properties are supported in the MFDA, including group-oriented device-to-device communication, password and biometrics alteration, device revocation, and regrouping function. Security and performance evaluation shows that our protocol is robust against various attacks with a rational implementation cost. The proposed work paves a new way for future research ideas that further discover IoLT applications in the healthcare sector.
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 | 0,000 | 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 | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 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 découle