D1.3: COLLABS Innovations for Industrial IoT Systems1
Notice bibliographique
Résumé
In this deliverable we briefly summarize significant new research results and new commercial products that have been published or released on the market, since the submission of the project proposal in 28/03/2019, in the technological areas where COLLABS aims to advance the state-of-the-art (SotA thereafter). The goal of this document is to ensure that the starting point for these targeted advances is up to date. It thus contains one section for each technological area listed as a target for advance in Section 1.4.1. of the proposal which describes the project’s offerings beyond the SotA. The deliverable is organized as follows. The introductory Section 1 briefly describes the overall setting and the main problem addressed by COLLABS, its project statement and the structure of the proposed COLLABS framework, in order to provide context for the sections that follow. Sections 2–8 respectively focus on the SotA in areas of: data protection (Section 2), distributed anomaly detection and remote attestation (Section 3), physical security (Section 4), function as a service (FaaS, Section 5), secure and trusted execution environments (Section 6), encrypted traffic analysis (Section 7), and AI-enabled cybersecurity in IIoT-based collaborative manufacturing environments (Section 8). Section 9 concludes the deliverable with a summary of the impacts of the new SotA on project implementation and the outlook of its contribution. During the past year there have been many works in the domains relevant to COLLABS, notably in blockchain applications, machine- and deep-learning based anomaly detection and wireless system design, remote attestation for tackling security issues in IoT systems, implementations of secure multiparty computation (SMC) and homomorphic encryption (HE), platforms providing trusted execution environments (TEEs), encrypted network traffic analysis for various purposes, and (distributed) machine learning in different levels of cybersecurity for IIoT systems. These works, overviewed in this document, provide a strong foundation for COLLABS project implementation without jeopardizing its goals with relation to SotA advancements.
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 | 0,005 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,007 | 0,005 |
| Science ouverte | 0,004 | 0,007 |
| Intégrité de la recherche | 0,003 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,084 | 0,054 |
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 ».