MétaCan
Menu
Retour à la cohorte
Enregistrement W4417212574 · doi:10.1080/00051144.2025.2598174

An Hybrid device authentication algorithm for edge-based IoT networks

2025· article· en· W4417212574 sur OpenAlexaff
S. Swamy, Prashant Kumar, Andhe Dharani, Kota Solomon Raju

Notice bibliographique

RevueAutomatika · 2025
Typearticle
Langueen
DomaineComputer Science
ThématiqueAdvanced Authentication Protocols Security
Établissements canadiensArtificial Intelligence in Medicine (Canada)
Organismes subventionnairesnon disponible
Mots-clésInternet of ThingsAuthentication (law)Algorithm designIdentification (biology)Field (mathematics)

Résumé

récupéré en direct d'OpenAlex

The Internet of Things (IoT) has emerged as the highly significant technology in today's world. IoT enables both users and devices to access services according to their needs from any location at any time. The data produced by these devices are vast and sensitive. Edge computing is crucial in IoT, offering services such as low latency, efficient data and network management, privacy and security and enhanced mobility. Solutions for privacy and security based on edge computing are essential for safeguarding the services and data generated by smart homes. Additionally, most IoT devices have limited storage and computing capabilities. Ensuring reliable device authentication is crucial in IoT, presenting challenges, such as resource constraints, heterogeneity, network dynamics and the deployment of IoT devices in remote areas. An edge-based IoT network is employed to meet the security needs of constrained devices. In this study, we introduce a novel edge-based architecture for smart homes and protect data and information by implementing a hybrid authentication algorithm. This hybrid device authentication algorithm is later integrated with the CoAP protocol, as the devices communicate using the CoAP protocol, and its detailed analysis is presented.

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)0,001
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,008

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,001
Communication savante0,0010,002
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,001

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.

Tête enseignante Opus0,012
Tête enseignante GPT0,313
Écart entre enseignants0,301 · 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'étudeThéorique ou conceptuel
Domainenon disponible
GenreEmpirique

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

En bref

Citations0
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAutomatikaMême sujetAdvanced Authentication Protocols SecurityTravaux en français237 207