論文の概要: TB-ICT: A Trustworthy Blockchain-Enabled System for Indoor COVID-19
Contact Tracing
- arxiv url: http://arxiv.org/abs/2108.08275v1
- Date: Mon, 9 Aug 2021 17:27:49 GMT
- ステータス: 処理完了
- システム内更新日: 2021-08-22 15:13:52.375040
- Title: TB-ICT: A Trustworthy Blockchain-Enabled System for Indoor COVID-19
Contact Tracing
- Title(参考訳): tb-ict:屋内でのcovid-19接触追跡のための信頼性の高いブロックチェーン対応システム
- Authors: Mohammad Salimibeni, Zohreh Hajiakhondi-Meybodi, Arash Mohammadi,
Yingxu Wang
- Abstract要約: 新型コロナウイルスのパンデミックは、接触追跡(CT)モデルへの依存を著しく高めた。
本稿では,TB-ICT(Indoor Contact Tracing)フレームワークのためのTrustworthy対応システムを提案する。
TB-ICTフレームワークは、基盤となるCTデータのプライバシーと整合性を保護するために提案されている。
- 参考スコア(独自算出の注目度): 9.286934094368812
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Recently, as a consequence of the COVID-19 pandemic, dependence on Contact
Tracing (CT) models has significantly increased to prevent spread of this
highly contagious virus and be prepared for the potential future ones. Since
the spreading probability of the novel coronavirus in indoor environments is
much higher than that of the outdoors, there is an urgent and unmet quest to
develop/design efficient, autonomous, trustworthy, and secure indoor CT
solutions. Despite such an urgency, this field is still in its infancy. The
paper addresses this gap and proposes the Trustworthy Blockchain-enabled system
for Indoor Contact Tracing (TB-ICT) framework. The TB-ICT framework is proposed
to protect privacy and integrity of the underlying CT data from unauthorized
access. More specifically, it is a fully distributed and innovative blockchain
platform exploiting the proposed dynamic Proof of Work (dPoW) credit-based
consensus algorithm coupled with Randomized Hash Window (W-Hash) and dynamic
Proof of Credit (dPoC) mechanisms to differentiate between honest and dishonest
nodes. The TB-ICT not only provides a decentralization in data replication but
also quantifies the node's behavior based on its underlying credit-based
mechanism. For achieving high localization performance, we capitalize on
availability of Internet of Things (IoT) indoor localization infrastructures,
and develop a data driven localization model based on Bluetooth Low Energy
(BLE) sensor measurements. The simulation results show that the proposed TB-ICT
prevents the COVID-19 from spreading by implementation of a highly accurate
contact tracing model while improving the users' privacy and security.
- Abstract(参考訳): 新型コロナウイルス(covid-19)パンデミックの結果として、この高度に感染したウイルスの拡散を防ぎ、将来の可能性に備えるため、コンタクトトレーシング(ct)モデルへの依存が大幅に増加している。
屋内環境における新型コロナウイルスの拡散確率は屋外よりはるかに高いため、効率良く、自律的で、信頼性が高く、セキュアな室内ctソリューションの開発・設計が急務である。
このような急務にもかかわらず、この分野はまだ初期段階にある。
このギャップに対処し,TB-ICT(Indoor Contact Tracing)フレームワークのためのTrustworthy Blockchain対応システムを提案する。
TB-ICTフレームワークは、基盤となるCTデータのプライバシーと整合性を保護するために提案されている。
より具体的には、Randomized Hash Window(W-Hash)とDynamic Proof of Credit(dPoC)メカニズムを組み合わせた、提案された動的Proof of Work(dPoW)クレジットベースのコンセンサスアルゴリズムを活用する、完全に分散された革新的なブロックチェーンプラットフォームである。
TB-ICTはデータ複製の分散化を提供するだけでなく、その基盤となるクレジットベースのメカニズムに基づいてノードの振る舞いを定量化する。
高ローカライズ性能を実現するために,iot(internet of things)屋内ローカライズ基盤の可用性を活かし,bluetooth low energy(ble)センサ計測に基づくデータ駆動ローカライズモデルを開発した。
シミュレーションの結果,提案したTB-ICTは,ユーザのプライバシとセキュリティを改善しつつ,高精度な接触追跡モデルを実装することにより,COVID-19の拡散を防いでいることがわかった。
関連論文リスト
- Privacy-Preserving Distributed Learning for Residential Short-Term Load
Forecasting [11.185176107646956]
電力システムの負荷データは、住宅ユーザの日常のルーチンを不注意に明らかにし、彼らの財産のセキュリティにリスクを及ぼす可能性がある。
我々はマルコフスイッチ方式の分散学習フレームワークを導入し、その収束は厳密な理論的解析によって実証される。
実世界の電力系統負荷データを用いたケーススタディにより,提案アルゴリズムの有効性を検証した。
論文 参考訳(メタデータ) (2024-02-02T16:39:08Z) - Blockchain-empowered Federated Learning for Healthcare Metaverses:
User-centric Incentive Mechanism with Optimal Data Freshness [66.3982155172418]
まず、医療メタバースのための分散型フェデレートラーニング(FL)に基づく、ユーザ中心のプライバシ保護フレームワークを設計する。
次に,情報時代(AoI)を有効データ更新度指標として利用し,観測理論(PT)に基づくAoIベースの契約理論モデルを提案し,センシングデータ共有の動機付けを行う。
論文 参考訳(メタデータ) (2023-07-29T12:54:03Z) - FeDiSa: A Semi-asynchronous Federated Learning Framework for Power
System Fault and Cyberattack Discrimination [1.0621485365427565]
本稿では,電力系統故障とサイバーアタック識別のための半非同期フェデレーション学習フレームワークFeDiSaを提案する。
産業用制御システムデータセットを用いた提案フレームワークの実験により,データ機密性を維持しつつ,通信遅延やストラグラーの悪影響を最小限に抑えながら,攻撃検出精度が向上した。
論文 参考訳(メタデータ) (2023-03-28T13:34:38Z) - FedCC: Robust Federated Learning against Model Poisoning Attacks [0.0]
フェデレートラーニング(Federated Learning)は、プライバシー侵害に対する懸念の高まりに対処している。
ローカルデータセットに対するサーバーの盲目は、毒殺攻撃をモデル化する脆弱性を導入している。
FedCCは、Centered Kernel Alignment of Penultimate Layers Representationsを比較することで、堅牢なアグリゲーションを提供する。
論文 参考訳(メタデータ) (2022-12-05T01:52:32Z) - Boundary Guided Semantic Learning for Real-time COVID-19 Lung Infection
Segmentation System [69.40329819373954]
新型コロナウイルス(COVID-19)は、世界中の医療システムに悪影響を及ぼし続けている。
現段階では、新型コロナウイルスの診断と治療には、CT画像から肺感染症領域を自動的に分離することが不可欠である。
本稿では,境界案内型セマンティックラーニングネットワーク(BSNet)を提案する。
論文 参考訳(メタデータ) (2022-09-07T05:01:38Z) - Blockchain Driven Privacy Preserving Contact Tracing Framework in
Pandemics [8.118795972635452]
接触追跡は、新型コロナウイルスのパンデミックなどのパンデミックに感染するウイルスを抑える効果的な方法である。
ブロックチェーンは、新たな強力な分散技術として、コンタクトトレースプロセスにおけるデータのプライバシとセキュリティを確保するために研究されている。
本稿では,このギャップを埋めるために,軽量で完全なサードパーティ製フリーウェイトかつ完全に分散化されたRSA駆動接触追跡フレームワーク(BDCT)を提案する。
論文 参考訳(メタデータ) (2022-02-18T19:54:16Z) - A Data Quarantine Model to Secure Data in Edge Computing [0.0]
エッジコンピューティングは、レイテンシに敏感で通信集約的なアプリケーションのためのアジャイルデータ処理プラットフォームを提供する。
データ整合性攻撃は一貫性のないデータにつながり、エッジデータ分析を邪魔する可能性がある。
本稿では,侵入者隔離によるデータ完全性攻撃を緩和するデータ隔離モデルを提案する。
論文 参考訳(メタデータ) (2021-11-15T11:04:48Z) - Early Detection of COVID-19 Hotspots Using Spatio-Temporal Data [66.70036251870988]
疾病予防管理センター(CDC)は他の連邦機関と協力して、新型コロナウイルス(COVID-19)の感染が増加する郡(ホットスポット)を特定する。
本稿では,米国における新型コロナウイルスホットスポットの早期発見のためのスパースモデルを提案する。
深層ニューラルネットワークは、カーネルの解釈可能性を維持しながらモデルの代表的なパワーを高めるために導入されている。
論文 参考訳(メタデータ) (2021-05-31T19:28:17Z) - COVI-AgentSim: an Agent-based Model for Evaluating Methods of Digital
Contact Tracing [68.68882022019272]
COVI-AgentSimは、ウイルス学、病気の進行、社会的接触ネットワーク、移動パターンに基づくエージェントベースのコンパートメンタルシミュレータである。
1)バイナリテスト結果に基づいてバイナリレコメンデーションを割り当てる標準バイナリコンタクトトレース (BCT) と,2) 多様な特徴に基づいてグレードレベルのレコメンデーションを割り当てる特徴ベースコンタクトトレース (FCT) のルールベースの手法である。
論文 参考訳(メタデータ) (2020-10-30T00:47:01Z) - Predicting Infectiousness for Proactive Contact Tracing [75.62186539860787]
大規模デジタル接触追跡は、ウイルスの拡散を最小限に抑えながら、経済と社会活動を再開する潜在的な解決策である。
プライバシ、モビリティ制限、公衆衛生のトレードオフを行う様々なDCT手法が提案されている。
本稿では,個人の感染を積極的に予測するためにスマートフォンに展開可能な方法を開発し,検証する。
論文 参考訳(メタデータ) (2020-10-23T17:06:07Z) - Epidemic mitigation by statistical inference from contact tracing data [61.04165571425021]
我々は,個人が感染するリスクを推定するためにベイズ推定法を開発した。
本稿では,感染防止のための検査・隔離戦略を最適化するために,確率論的リスク推定手法を提案する。
我々のアプローチは、最近接触した個人間の通信のみを必要とする、完全に分散されたアルゴリズムに変換されます。
論文 参考訳(メタデータ) (2020-09-20T12:24:45Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト(すべての情報・翻訳含む)の品質を保証せず、本サイト(すべての情報・翻訳含む)を使用して発生したあらゆる結果について一切の責任を負いません。