A TEE-Guarded Data Management System for Time-Scale Data in Industrial Internet of Things
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
With the prosperity of the Industrial Internet of Things (IIoT), concerns have arisen about its energy efficiency and data security. A manufacturer, especially a medium or small one, usually depends partially or fully on third-party providers for IIoT infrastructures (e.g., cloud services, edge devices, IIoT applications), leading to concerns about trusted and confidential data processing. Moreover, the processed IIoT data may include personal information (e.g., employee status), introducing privacy compliance concern as well. Data protection depends on trust, which can be achieved through distributed trust (e.g., blockchains) or centralized trust (e.g., Trusted Third Parties (TTPs)). However, the energy cost for trust is high, as the former requires extra redundancy and the latter introduces workload transfer to the TTP. Fortunately, trusted execution environment (TEE) technologies provide a more efficient solution for trust. A TEE enables efficient, confidential, and protected execution while establishing centralized trust via remote attestation of executables. This paper proposes a TEE-based data management architecture for IIoT, inspired by an extensive and secure personal data management system, but with a reduced trusted computing base (TCB). The proposed architecture is feasible for time-scale data in IIoT, which are only appended over time and never updated, such as machine status monitoring data. A single-threaded SGX-based prototype of the data access component in the architecture is implemented for the time-scale data scenario. Benchmarks and evaluations are provided to demonstrate the prototype performance for time-scale data and the potential TCB reduction of the proposed design. The proposal reveals a more verifiable and feasible integration of TEE-based trusted data processing in an IIoT data management system, with reduced TCB, high efficiency, and security, under a strong threat model.
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 | 0,008 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,004 | 0,002 |
| Intégrité de la recherche | 0,000 | 0,002 |
| 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