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
- 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) - 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) - An Overview of AI and Blockchain Integration for Privacy-Preserving [1.0155633074816937]
本稿では、AIとブロックチェーンの概要を示し、それらの組み合わせと、派生したプライバシ保護技術の組み合わせを要約する。
次に、データ暗号化、識別解除、多層分散台帳、k匿名メソッドにおける特定のアプリケーションシナリオについて検討する。
本稿では、認証管理、アクセス制御、データ保護、ネットワークセキュリティ、スケーラビリティを含む、AIブロックチェーン統合プライバシ保護システムの5つの重要な側面を評価する。
論文 参考訳(メタデータ) (2023-05-06T04:56:45Z) - Blockchain-based Access Control for Secure Smart Industry Management
Systems [6.868660807136093]
クラウドコンピューティング技術は近年、スマートマニュファクチャリングシステムにおいて注目を集めている。
クラウドベースの製造システムでは、データへの承認されたアクセスを保証することが重要です。
本稿では,ブロックチェーンとスマートコントラクトを活用することで,変更攻撃を防止するためのロールベースのアクセス制御を提案する。
論文 参考訳(メタデータ) (2023-04-26T08:43:38Z) - FedBlockHealth: A Synergistic Approach to Privacy and Security in
IoT-Enabled Healthcare through Federated Learning and Blockchain [2.993954417409032]
医療におけるIoT(Internet of Things)デバイスの急速な採用は、データのプライバシ、セキュリティ、患者の安全性を維持する上で、新たな課題をもたらしている。
従来のアプローチでは、計算効率を維持しながら、セキュリティとプライバシを確保する必要がある。
本稿では,フェデレーション学習とブロックチェーン技術を組み合わせて,セキュアでプライバシ保護のソリューションを提供する,新しいハイブリッドアプローチを提案する。
論文 参考訳(メタデータ) (2023-04-16T01:55:31Z) - Sparsity-Aware Intelligent Massive Random Access Control in Open RAN: A
Reinforcement Learning Based Approach [61.74489383629319]
新たなOpen Radio Access Network(O-RAN)におけるデバイスの大量ランダムアクセスは、アクセス制御と管理に大きな課題をもたらします。
閉ループアクセス制御の強化学習(RL)支援方式を提案する。
深部RL支援SAUDは、連続的かつ高次元の状態と行動空間を持つ複雑な環境を解決するために提案されている。
論文 参考訳(メタデータ) (2023-03-05T12:25:49Z) - 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) - Is Vertical Logistic Regression Privacy-Preserving? A Comprehensive
Privacy Analysis and Beyond [57.10914865054868]
垂直ロジスティック回帰(VLR)をミニバッチ降下勾配で訓練した。
我々は、オープンソースのフェデレーション学習フレームワークのクラスにおいて、VLRの包括的で厳密なプライバシー分析を提供する。
論文 参考訳(メタデータ) (2022-07-19T05:47:30Z) - HBFL: A Hierarchical Blockchain-based Federated Learning Framework for a
Collaborative IoT Intrusion Detection [0.0]
セキュアでプライバシ保護されたコラボレーティブなIoT侵入検出を実現するために,階層的なブロックチェーンベースのフェデレーション学習フレームワークを提案する。
MLベースの侵入検出フレームワークの提案は、学習プロセスと組織データのプライバシを確保するために、階層的なフェデレーション付き学習アーキテクチャに従っている。
その結果は、データプライバシを保持しながら、広範囲の悪意あるアクティビティを検出できる、セキュアに設計されたMLベースの侵入検知システムである。
論文 参考訳(メタデータ) (2022-04-08T19:06:16Z) - A Systematic Literature Review on Blockchain Enabled Federated Learning
Framework for Internet of Vehicles [1.0499611180329804]
フェデレートラーニング(FL)は、IoVのデータプライバシとセキュリティを保護する新しいアイデアとして証明されている。
IoVに対するBC-Enabled Learningフレームワークの適用と実装に関する総合的な調査を行う。
論文 参考訳(メタデータ) (2022-03-10T07:06:04Z) - 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。