論文の概要: Modeling and Joint Optimization of Security, Latency, and Computational
Cost in Blockchain-based Healthcare Systems
- arxiv url: http://arxiv.org/abs/2303.15842v1
- Date: Tue, 28 Mar 2023 09:29:29 GMT
- ステータス: 処理完了
- システム内更新日: 2023-03-29 15:45:43.409125
- Title: Modeling and Joint Optimization of Security, Latency, and Computational
Cost in Blockchain-based Healthcare Systems
- Title（参考訳）: ブロックチェーン型医療システムにおけるセキュリティ・レイテンシ・計算コストのモデリングと共同最適化
- Authors: Zukai Li, Wei Tian, Jingjin Wu
- Abstract要約: 我々は,レイテンシ,セキュリティ,計算コストの3つの指標を用いた共同最適化モデルを定式化する。
本稿では,Adaptive Discrete Particle Swarm Algorithm (ADPSA) と呼ばれるアルゴリズムを提案する。
我々は、ADPSAが既存のベンチマーク手法を一貫して上回っていることを広範な数値実験により実証した。
- 参考スコア（独自算出の注目度）: 2.54403164787763
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: In the era of the Internet of Things (IoT), blockchain is a promising
technology for improving the efficiency of healthcare systems, as it enables
secure storage, management, and sharing of real-time health data collected by
the IoT devices. As the implementations of blockchain-based healthcare systems
usually involve multiple conflicting metrics, it is essential to balance them
according to the requirements of specific scenarios. In this paper, we
formulate a joint optimization model with three metrics, namely latency,
security, and computational cost, that are particularly important for
IoT-enabled healthcare. However, it is computationally intractable to identify
the exact optimal solution of this problem for practical sized systems. Thus,
we propose an algorithm called the Adaptive Discrete Particle Swarm Algorithm
(ADPSA) to obtain near-optimal solutions in a low-complexity manner. With its
roots in the classical Particle Swarm Optimization (PSO) algorithm, our
proposed ADPSA can effectively manage the numerous binary and integer variables
in the formulation. We demonstrate by extensive numerical experiments that the
ADPSA consistently outperforms existing benchmark approaches, including the
original PSO, exhaustive search and Simulated Annealing, in a wide range of
scenarios.
- Abstract（参考訳）: IoT(Internet of Things)の時代において、ブロックチェーンは、IoTデバイスによって収集されたリアルタイムヘルスデータのセキュアなストレージ、管理、共有を可能にするため、医療システムの効率を改善するための有望な技術である。
ブロックチェーンベースの医療システムの実装は、通常、複数の競合するメトリクスを含むため、特定のシナリオの要求に応じてそれらのバランスをとることが不可欠である。
本稿では,IoT対応医療において特に重要な,レイテンシ,セキュリティ,計算コストの3つの指標を用いた共同最適化モデルを定式化する。
しかしながら、実用規模のシステムにおけるこの問題の厳密な最適解を特定することは計算上は難解である。
そこで本研究では,適応離散粒子群アルゴリズム(adpsa)と呼ばれるアルゴリズムを提案する。
古典的なパーティクルスワーム最適化(PSO)アルゴリズムのルーツにより,提案したADPSAは定式化における多数のバイナリ変数と整数変数を効果的に管理できる。
我々は、ADPSAが従来のPSO、網羅的な検索、シミュレートされたアナリングなど、様々なシナリオにおいて、既存のベンチマーク手法よりも一貫して優れていることを示す。
関連論文リスト
- 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) - Federated Offline Reinforcement Learning [55.326673977320574]
マルチサイトマルコフ決定プロセスモデルを提案する。
我々は,オフラインRLを対象とした最初のフェデレーション最適化アルゴリズムを設計する。
提案アルゴリズムでは,学習ポリシーの準最適性は,データが分散していないような速度に匹敵する,理論的保証を与える。
論文 参考訳（メタデータ） (2022-06-11T18:03:26Z) - Decentralized Stochastic Optimization with Inherent Privacy Protection [103.62463469366557]
分散最適化は、現代の協調機械学習、分散推定と制御、大規模センシングの基本的な構成要素である。
データが関与して以降、分散最適化アルゴリズムの実装において、プライバシ保護がますます重要になっている。
論文 参考訳（メタデータ） (2022-05-08T14:38:23Z) - Adaptive Stochastic ADMM for Decentralized Reinforcement Learning in
Edge Industrial IoT [106.83952081124195]
強化学習 (Reinforcement Learning, RL) は, 意思決定および最適制御プロセスのための有望な解法として広く研究されている。
本稿では,Adaptive ADMM (asI-ADMM)アルゴリズムを提案する。
実験の結果,提案アルゴリズムは通信コストやスケーラビリティの観点から技術状況よりも優れており,複雑なIoT環境に適応できることがわかった。
論文 参考訳（メタデータ） (2021-06-30T16:49:07Z) - Criticality and Utility-aware Fog Computing System for Remote Health
Monitoring [0.31498833540989407]
リアルタイムのスマートヘルスアプリケーションは、効率よく解決しなければならない遅延制約を生じさせる。
このようなリアルタイムアプリケーションのための効率的なソリューションとして、フォグコンピューティングが登場している。
医療センターは、Fogコンピューティングリソースを採用することで利益を上げるために、IoTベースの遠隔医療システムに惹かれています。
論文 参考訳（メタデータ） (2021-05-24T05:28:06Z) - Data-Driven Random Access Optimization in Multi-Cell IoT Networks with
NOMA [78.60275748518589]
非直交多重アクセス(NOMA)は、5Gネットワーク以降で大規模なマシンタイプ通信(mMTC)を可能にする重要な技術です。
本稿では,高密度空間分散マルチセル無線IoTネットワークにおけるランダムアクセス効率向上のために,NOMAを適用した。
ユーザ期待容量の幾何学的平均を最大化するために,各IoTデバイスの伝送確率を調整したランダムチャネルアクセス管理の新たな定式化を提案する。
論文 参考訳（メタデータ） (2021-01-02T15:21:08Z) - I-Health: Leveraging Edge Computing and Blockchain for Epidemic
Management [36.55809341110476]
エピデミックな状況は、厳密な時間制約の中で、異なる場所やエンティティから集中的なデータ収集と管理を要求する。
本稿では, 独自の医療システムにおいて, 多様なeヘルスエンティティを集約することを目的とした, インテリジェントヘルス(Iヘルス)システムを提案する。
特に,早期発見,遠隔監視,迅速な緊急対応が可能な,患者自動監視方式をエッジに設計する。
論文 参考訳（メタデータ） (2020-12-18T23:41:00Z) - Combining Deep Learning and Optimization for Security-Constrained
Optimal Power Flow [94.24763814458686]
セキュリティに制約のある最適電力フロー(SCOPF)は、電力システムの基本である。
SCOPF問題におけるAPRのモデル化は、複雑な大規模混合整数プログラムをもたらす。
本稿では,ディープラーニングとロバスト最適化を組み合わせた新しい手法を提案する。
論文 参考訳（メタデータ） (2020-07-14T12:38:21Z) - Context-Aware Wireless Connectivity and Processing Unit Optimization for
IoT Networks [10.248295944860963]
提案手法は, エネルギー消費, 応答時間, セキュリティ, 金銭的コストを共同で最適化することにより, オフロードするデータの割合とともに, 最高の接続・処理ユニットを同時に選択する。
応答時間とセキュリティの観点からIoTデバイスの要件は、デバイスの残りのバッテリレベルとともに入力として捉えられ、開発されたアルゴリズムは最適化されたポリシーを返す。
論文 参考訳（メタデータ） (2020-04-30T02:18:35Z) - Decentralized MCTS via Learned Teammate Models [89.24858306636816]
本稿では,モンテカルロ木探索に基づくトレーニング可能なオンライン分散計画アルゴリズムを提案する。
深層学習と畳み込みニューラルネットワークを用いて正確なポリシー近似を作成可能であることを示す。
論文 参考訳（メタデータ） (2020-03-19T13:10:20Z)
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。