TwinIpfsChain: Ensuring Decentralized Data Integrity in Real-Time Digital Twins for Industry 5.0 Using Blockchain and IPFS
Notice bibliographique
Résumé
Digital twins have become essential to Industry 5.0, enabling continuous synchronization between physical systems and their digital counterparts. They support predictive maintenance, operational efficiency, and data-driven decision-making. Several solutions for ensuring integrity of static data are available. However, ensuring the integrity and trustworthiness of data exchanged in real time remains a major challenge, particularly in decentralized industrial environments prone to tampering, high latency, and performance bottlenecks. This paper presents TwinIpfsChain, a decentralized architecture that combines the Solana blockchain and IPFS to guarantee secure, verifiable, and scalable data management for digital twins. The proposed approach stores sensor data hashes on-chain, while the full data is preserved in InterPlanetary File System (IPFS). A smart contract manages automatic integrity verification and enforces access control.TwinIpfsChain ensures real-time synchronization of high-frequency sensor data for digital twins in Industry 5.0. We implemented and evaluated the system under varying transaction loads $(\mathbf{1, 0 0 0 - 1 0, 0 0 0})$ to assess performance across key metrics: latency, throughput, energy consumption, and security. Our results show that TwinIpfsChain achieves low latency (average 218 ms), high throughput (up to 26,457 TPS), low power usage (under 13 W), and $100 \%$ detection of tampering, hash manipulation & replay attacks. Transaction costs remain negligible 0.84 USD per 1,000 transactions making our solution viable for resource constrained industrial deployments. Compared to existing blockchain-based models, TwinIpfsChain offers stronger real-time guarantees, improved scalability, and robust protection against data integrity threats, positioning it as a practical and high-performance solution for digital twin applications in Industry 5.0.
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 | 0,002 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,003 |
| Science ouverte | 0,001 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 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 ».