Toward Secure and Transparent Global Authentication: A Blockchain-Based System Integrating Biometrics and Subscriber Identification Module
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
The growing reliance on e-government services necessitates robust and secure user authentication. Existing solutions often suffer from limitations such as lack of transparency, compromise of user privacy, and reliance on a central server, thus introducing a single point of failure (SPOF). This paper proposes B2-GAS, a novel Biometric and Blockchain-based Global Authentication System, that addresses these shortcomings. B2-GAS leverages user biometrics on smartphones for strong identification and isolates sensitive cryptographic operations within a secure enclave on a SIM card. This approach safeguards user privacy and data security. By employing blockchain technology, B2-GAS eliminates SPOFs, ensures tamper-proof transaction storage, and guarantees transparency. Unlike existing protocols, which often rely on theoretical analysis, B2-GAS utilizes an emulated environment to assess its performance under realistic conditions. This allows for a more practical evaluation compared to purely theoretical approaches. B2-GAS exerts multiple factors during authentication including biometrics, a password, and a secret parameter to further enhance security. Rigorous security proofs demonstrate B2-GAS’s resistance to user impersonation, offline password-guessing, replay attacks, and brute-force attempts. Evaluation using the emulated environment and blockchain simulations demonstrates B2-GAS security parameters, performance, and computational overheads. By combining biometrics, secure SIM enclaves, and blockchain, B2-GAS offers a unique and robust authentication solution for diverse e-government services in smart cities.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,005 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 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 découle