MétaCan
Menu
← Retour à la cohorte
Enregistrement W7092178304 · doi:10.18280/isi.300803

S-MQTT: A Secure MQTT Protocol with Merkle Tree Authentication and AES Encryption for IoT Communication Systems

2025· article· W7092178304 sur OpenAlexvenueno aff

Notice bibliographique

RevueIngénierie des systèmes d information · 2025
Typearticle
Langue
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueEvolution and Genetic Dynamics
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésEncryptionMQTTMerkle treeAuthentication (law)Protocol (science)Authentication protocolInternet of ThingsTree (set theory)

Résumé

récupéré en direct d'OpenAlex

As the number of Internet of Things (IoT) devices grows, there is a greater need for secure and efficient communication protocols.A growing number of people are using the Message Queuing Telemetry Transport (MQTT) protocol because of its real-time and lightweight data sharing capabilities.However, security concerns, particularly in scenarios involving the transmission of sensitive information, necessitate the development of augmented security measures.This research introduces a pioneering protocol, Secured MQTT (S-MQTT), designed to address vulnerabilities inherent in the traditional MQTT protocol.To protect the confidentiality, integrity, and authenticity of transmitted data, S-MQTT combines sophisticated encryption methods with access control and authentication protocols.The proposed system S-MQTT in this research employs the MQTT protocol for data transfer within a communication system, comprising three key components: Publisher, Broker, and Subscriber.The study focuses on optimizing time-consuming procedures within the system and fortifying data security in communication systems.Using a Watchdog timer and AES data security, the investigation seeks to assess the broker's dependability in terms of activity level.Comparative analysis of the proposed system against the current system demonstrates superior performance.The results shows that the proposed protocol achieved an overall mitigation efficiency of 97.78%, completely blocking man-in-themiddle attacks and reducing malware intrusions by 96.61%.Encryption and authentication added only minimal latency and moderate resource overhead while significantly enhancing confidentiality, integrity, and availability.Including these metrics in the abstract will provide a balanced view of both the security effectiveness and performance trade-offs of S-MQTT.Additionally, the study presents an assessment of the time and space complexity of the suggested system design.

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)0,003
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,003
Score d'incertitude au seuil0,010

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,003
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,001
Communication savante0,0010,003
Science ouverte0,0010,002
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0030,002

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 Opus0,007
Tête enseignante GPT0,254
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'étudeSimulation ou modélisation
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

Citations1
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueIngénierie des systèmes d information→Même sujetEvolution and Genetic Dynamics→Travaux en français237 207→