MétaCan
Menu
Retour à la cohorte
Enregistrement W4413277216 · doi:10.1109/comst.2025.3600161

Hardware Security Modules for Secure Communications in the Industrial Internet of Things

2025· article· en· W4413277216 sur OpenAlexaff
Shahid Latif, Djamel Djenouri, Zeba Idrees, Jawad Ahmad, Qurat-ul-ain Mastoi, Zhuo Zou

Notice bibliographique

RevueIEEE Communications Surveys & Tutorials · 2025
Typearticle
Langueen
DomaineComputer Science
ThématiquePhysical Unclonable Functions (PUFs) and Hardware Security
Établissements canadiensUniversity of Alberta
Organismes subventionnairesCHIST-ERAArab-German Young Academy of Sciences and Humanities
Mots-clésComputer securityInternet of ThingsIndustrial InternetThe InternetComputer scienceInternet privacyTelecommunicationsWorld Wide Web

Résumé

récupéré en direct d'OpenAlex

The Industrial Internet of Things (IIoT) offers transformative potential but introduces critical security risks, including unauthorized access, data breaches, and privacy compromise. Hardware Security Modules (HSMs) have emerged as robust solutions to protect IIoT ecosystems by enabling secure cryptographic operations, providing tamperresistant hardware and creating trusted execution environments. This work presents the first comprehensive review of HSMs tailored for secure IIoT communications, addressing their architectural foundations, operational mechanisms, and deployment scenarios. It first outlines the IIoT security landscape and HSM deployment architectures, including cloud-based, edge-integrated, and distributed models. Next, cutting-edge HSM implementations are analyzed, emphasizing their effectiveness in authentication, secure communication protocols, and physical tamper resistance. It then explores attack surfaces and vulnerabilities, such as firmware exploits, logical flaws, and network-based threats, along with mitigation strategies. Case studies from smart manufacturing, energy grids, and logistics demonstrate practical HSM applications, while a comparative evaluation assesses commercial and open-source solutions based on performance, compliance, and scalability. Emerging trends such as AI-driven threat detection, post-quantum cryptography, and decentralized HSMs are also discussed. Finally, key challenges are highlighted, including latency in real-time systems, supply chain risks, and regulatory hurdles, and future directions for research and industry adoption are proposed. This work serves as a roadmap for securing IIoT deployments, offering actionable insights for researchers, practitioners, and policymakers.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,004
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: aucune
Score de désaccord entre enseignants0,007
Score d'incertitude au seuil0,022

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,004
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0020,002
Études des sciences et des technologies0,0010,002
Communication savante0,0030,006
Science ouverte0,0010,002
Intégrité de la recherche0,0020,003
Charge utile insuffisante (le modèle a refusé de juger)0,0070,003

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.

Tête enseignante Opus0,080
Tête enseignante GPT0,327
Écart entre enseignants0,247 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations4
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueIEEE Communications Surveys & TutorialsMême sujetPhysical Unclonable Functions (PUFs) and Hardware SecurityTravaux en français237 207