A compact and energy-efficient semi-systolic field multiplier for secure IoT edge devices in smart city applications
Notice bibliographique
Résumé
The accelerated evolution of IoT applications within smart cities is imperative for the advancement of digital economies, as these technologies significantly optimize urban management, enhance service delivery, and promote sustainable growth, thereby aligning with various Sustainable Development Goals (SDGs). Nonetheless, the extensive deployment of IoT devices introduces substantial security concerns due to the sensitive nature of the data they collect and the heightened risk of cyberattacks on critical infrastructure. Regularly, IoT devices are susceptible to vulnerabilities arising from limited processing capabilities and the lack of industry-standard security protocols. Addressing these security challenges is essential to ensure that the benefits of IoT can be fully harnessed without compromising safety. The limited resources of IoT edge nodes complicate the implementation of cryptographic protocols, which primarily rely on finite-field multiplication as a key operation. Consequently, an efficient implementation of this operation is essential for deploying cryptographic protocols on these compact nodes. Therefore, this research focuses on developing a low-area and low-energy parallel semi-systolic structure for an effective field multiplication algorithm, specifically the Montgomery multiplication algorithm. A comprehensive analysis of the proposed multiplier construction reveals significant reductions in both area and power consumption compared to existing efficient systolic and semi-systolic multipliers. These findings suggest that the proposed multiplier architecture is ideally suited for integration into cryptographic processors in resource-constrained IoT devices utilized in smart city applications. By optimizing space and power consumption, this design not only improves the performance of IoT edge nodes but also facilitates secure communication, thereby supporting urban developmental initiatives.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,001 |
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 ».