論文の概要: A lightweight blockchain-based access control scheme for integrated edge
computing in the internet of things
- arxiv url: http://arxiv.org/abs/2111.06544v2
- Date: Wed, 17 Nov 2021 02:36:32 GMT
- ステータス: 処理完了
- システム内更新日: 2023-03-08 07:58:20.797565
- Title: A lightweight blockchain-based access control scheme for integrated edge
computing in the internet of things
- Title（参考訳）: モノのインターネットにおける統合エッジコンピューティングのための軽量ブロックチェーンベースのアクセス制御方式
- Authors: Jie Zhang, Lingyun Yuan and Shanshan Xu
- Abstract要約: We propose a attribute-based encryption and access control scheme (ABE-ACS) for the Edge-Iot network。
高リソース消費と既存のブロックチェーンプラットフォームのデプロイが困難な問題に対して、私たちは軽量ブロックチェーン(LBC)を設計しています。
6つのスマートコントラクトは、ABACとペナルティメカニズムを実現するように設計されている。
- 参考スコア（独自算出の注目度）: 4.308257382729074
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: In view of the security issues of the Internet of Things (IoT), considered
better combining edge computing and blockchain with the IoT, integrating
attribute-based encryption (ABE) and attribute-based access control (ABAC)
models with attributes as the entry point, an attribute-based encryption and
access control scheme (ABE-ACS) has been proposed. Facing Edge-Iot, which is a
heterogeneous network composed of most resource-limited IoT devices and some
nodes with higher computing power. For the problems of high resource
consumption and difficult deployment of existing blockchain platforms, we
design a lightweight blockchain (LBC) with improvement of the proof-of-work
consensus. For the access control policies, the threshold tree and LSSS are
used for conversion and assignment, stored in the blockchain to protect the
privacy of the policy. For device and data, six smart contracts are designed to
realize the ABAC and penalty mechanism, with which ABE is outsourced to edge
nodes for privacy and integrity. Thus, our scheme realizing Edge-Iot privacy
protection, data and device controlled access. The security analysis shows that
the proposed scheme is secure and the experimental results show that our LBC
has higher throughput and lower resources consumption, the cost of encryption
and decryption of our scheme is desirable.
- Abstract（参考訳）: iot(internet of things)のセキュリティ問題の観点から,エッジコンピューティングとブロックチェーンをiotと組み合わせることで,属性ベースの暗号化(abe)と属性ベースのアクセス制御(abac)モデルをエントリポイントとして統合することで,属性ベースの暗号化およびアクセス制御スキーム(abe-acs)が提案されている。
Fecing Edge-Iotは、ほとんどのリソース制限されたIoTデバイスと、高いコンピューティングパワーを持つノードで構成される異種ネットワークである。
高リソース消費と既存のブロックチェーンプラットフォームのデプロイが難しいという問題に対して,我々は,作業実証コンセンサスを改善した軽量ブロックチェーン(lbc)を設計した。
アクセス制御ポリシでは、しきい値ツリーとLSSSが、ポリシのプライバシを保護するためにブロックチェーンに格納された変換と割り当てに使用される。
デバイスとデータについては、6つのスマートコントラクトがABACとペナルティメカニズムを実現するように設計されている。
したがって、エッジ-iotプライバシ保護、データ、デバイス制御アクセスを実現する。
セキュリティ分析の結果,提案手法は安全性が高く,実験結果から,LBCのスループットが向上し,リソース消費が低減し,暗号化と復号化のコストが望ましいことが示された。
関連論文リスト
- Securing Legacy Communication Networks via Authenticated Cyclic Redundancy Integrity Check [98.34702864029796]
認証サイクル冗長性チェック(ACRIC)を提案する。
ACRICは、追加のハードウェアを必要とせずに後方互換性を保持し、プロトコルに依存しない。
ACRICは最小送信オーバーヘッド(1ms)で堅牢なセキュリティを提供する。
論文 参考訳（メタデータ） (2024-11-21T18:26:05Z) - FL-DABE-BC: A Privacy-Enhanced, Decentralized Authentication, and Secure Communication for Federated Learning Framework with Decentralized Attribute-Based Encryption and Blockchain for IoT Scenarios [0.0]
本研究は,IoT環境におけるデータプライバシとセキュリティの向上を目的とした,高度な学習(FL)フレームワークを提案する。
我々は、分散属性ベースの暗号化(DABE)、同型暗号化(HE)、セキュアマルチパーティ計算(SMPC)、技術を統合する。
従来のFLとは異なり、当社のフレームワークはIoTデバイス上で、セキュアで分散化された認証と暗号化を可能にする。
論文 参考訳（メタデータ） (2024-10-26T19:30:53Z) - Efficient Zero-Knowledge Proofs for Set Membership in Blockchain-Based Sensor Networks: A Novel OR-Aggregation Approach [20.821562115822182]
本稿では,ゼロ知識集合メンバシップ証明のための新しいOR集約手法を提案する。
我々は、包括的な理論基盤、詳細なプロトコル仕様、厳密なセキュリティ分析を提供する。
その結果, 証明サイズ, 生成時間, 検証効率が有意に向上した。
論文 参考訳（メタデータ） (2024-10-11T18:16:34Z) - FACOS: Enabling Privacy Protection Through Fine-Grained Access Control with On-chain and Off-chain System [11.901770945295391]
本稿では、ブロックチェーンベースのプライバシ保護による、チェーン上およびオフチェーン上のきめ細かいアクセス制御、すなわちFACOSを提案する。
暗号化データを集中あるいは非フォールトトレラントIPFSシステムにのみ格納する同様の作業と比較して、オフチェーンデータストレージのセキュリティとロバスト性を向上しました。
論文 参考訳（メタデータ） (2024-06-06T02:23:12Z) - Enhancing Trust and Privacy in Distributed Networks: A Comprehensive Survey on Blockchain-based Federated Learning [51.13534069758711]
ブロックチェーンのような分散型アプローチは、複数のエンティティ間でコンセンサスメカニズムを実装することで、魅力的なソリューションを提供する。
フェデレートラーニング(FL)は、参加者がデータのプライバシを保護しながら、協力的にモデルをトレーニングすることを可能にする。
本稿では,ブロックチェーンのセキュリティ機能とFLのプライバシ保護モデルトレーニング機能の相乗効果について検討する。
論文 参考訳（メタデータ） (2024-03-28T07:08:26Z) - Security and Privacy Enhancing in Blockchain-based IoT Environments via Anonym Auditing [0.0]
ブロックチェーンの分散性とIoTコンテキストに適した高度なセキュリティプロトコルを組み合わせた,新たなフレームワークを提案する。
IoT環境でのブロックチェーンのアーキテクチャを概説し、ワークフローと使用する特定のセキュリティメカニズムを強調します。
本稿では,プライバシー向上ツールと匿名監査手法を統合したセキュリティプロトコルを提案する。
論文 参考訳（メタデータ） (2024-03-03T01:09:43Z) - Generative AI-enabled Blockchain Networks: Fundamentals, Applications,
and Case Study [73.87110604150315]
Generative Artificial Intelligence(GAI)は、ブロックチェーン技術の課題に対処するための有望なソリューションとして登場した。
本稿では、まずGAI技術を紹介し、そのアプリケーションの概要を説明し、GAIをブロックチェーンに統合するための既存のソリューションについて議論する。
論文 参考訳（メタデータ） (2024-01-28T10:46:17Z) - Quantum Resistant Ciphertext-Policy Attribute-Based Encryption Scheme with Flexible Access Structure [0.0]
本稿では,フレキシブルアクセス構造を提供する新しい暗号文型暗号方式(CP-ABE)を提案する。
本方式では,アクセスツリーをアクセス制御ポリシとして組み込んで,暗号化データに対するきめ細かいアクセス制御を実現する。
提案手法の安全性は,R-LWE(Ring-Learning with Errors)問題における難易度仮定の下で証明可能である。
論文 参考訳（メタデータ） (2024-01-25T10:55:23Z) - The Security and Privacy of Mobile Edge Computing: An Artificial Intelligence Perspective [64.36680481458868]
Mobile Edge Computing (MEC)は、クラウドコンピューティングと情報技術(IT)サービスをネットワークのエッジで配信できるようにする新しいコンピューティングパラダイムである。
本稿では,人工知能(AI)の観点からMECのセキュリティとプライバシに関する調査を行う。
新たなセキュリティとプライバシの問題に加えて、AIの観点からの潜在的なソリューションにも重点を置いています。
論文 参考訳（メタデータ） (2024-01-03T07:47:22Z) - Privacy-Preserving Joint Edge Association and Power Optimization for the
Internet of Vehicles via Federated Multi-Agent Reinforcement Learning [74.53077322713548]
プライバシ保護型共同エッジアソシエーションと電力配分問題について検討する。
提案されたソリューションは、最先端のソリューションよりも高いプライバシレベルを維持しながら、魅力的なトレードオフにぶつかる。
論文 参考訳（メタデータ） (2023-01-26T10:09:23Z) - Safe RAN control: A Symbolic Reinforcement Learning Approach [62.997667081978825]
本稿では,無線アクセスネットワーク(RAN)アプリケーションの安全管理のためのシンボル強化学習(SRL)アーキテクチャを提案する。
我々は、ユーザが所定のセルネットワークトポロジに対して高レベルの論理的安全性仕様を指定できる純粋に自動化された手順を提供する。
ユーザがシステムに意図仕様を設定するのを支援するために開発されたユーザインターフェース(UI)を導入し、提案するエージェントの動作の違いを検査する。
論文 参考訳（メタデータ） (2021-06-03T16:45:40Z)
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。