Fugu-MT 論文翻訳(概要): IoT trust and reputation: a survey and taxonomy

論文の概要: IoT trust and reputation: a survey and taxonomy

arxiv url: http://arxiv.org/abs/2304.06119v1
Date: Thu, 23 Mar 2023 16:29:41 GMT
ステータス: 処理完了
システム内更新日: 2023-04-16 21:56:11.606291
Title: IoT trust and reputation: a survey and taxonomy
Title（参考訳）: IoT信頼と評価:調査と分類
Authors: Muhammad Aaqib, Aftab Ali, Liming Chen and Omar Nibouche
Abstract要約: IoTは急速に成長している技術の1つで、2030年末までに10億以上のデバイスが世界中で利用できるようになると推定されている。これらの接続エンティティの能力を最大化するためには、IoTエンティティ間の信頼と評価が不可欠である。我々は,信頼管理の方法に基づいた信頼モデルと評価モデルを構築するため,新たな分類体系,すなわち新しい分類体系を提案する。
参考スコア（独自算出の注目度）: 2.8998797177279076
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: IoT is one of the fastest-growing technologies and it is estimated that more than a billion devices would be utilized across the globe by the end of 2030. To maximize the capability of these connected entities, trust and reputation among IoT entities is essential. Several trust management models have been proposed in the IoT environment; however, these schemes have not fully addressed the IoT devices features, such as devices role, device type and its dynamic behavior in a smart environment. As a result, traditional trust and reputation models are insufficient to tackle these characteristics and uncertainty risks while connecting nodes to the network. Whilst continuous study has been carried out and various articles suggest promising solutions in constrained environments, research on trust and reputation is still at its infancy. In this paper, we carry out a comprehensive literature review on state-of-the-art research on the trust and reputation of IoT devices and systems. Specifically, we first propose a new structure, namely a new taxonomy, to organize the trust and reputation models based on the ways trust is managed. The proposed taxonomy comprises of traditional trust management-based systems and artificial intelligence-based systems, and combine both the classes which encourage the existing schemes to adapt these emerging concepts. This collaboration between the conventional mathematical and the advanced ML models result in design schemes that are more robust and efficient. Then we drill down to compare and analyse the methods and applications of these systems based on community-accepted performance metrics, e.g. scalability, delay, cooperativeness and efficiency. Finally, built upon the findings of the analysis, we identify and discuss open research issues and challenges, and further speculate and point out future research directions.
Abstract（参考訳）: IoTは急速に成長している技術の1つで、2030年末までに10億以上のデバイスが世界中で利用できるようになると推定されている。これらの接続エンティティの能力を最大化するためには、IoTエンティティ間の信頼と評価が不可欠である。 iot環境ではいくつかの信頼管理モデルが提案されているが、これらのスキームはデバイスロール、デバイスタイプ、スマート環境における動的動作といったiotデバイス機能を完全には対応していない。その結果、従来の信頼と評価モデルは、ノードをネットワークに接続しながらこれらの特性や不確実性に対処するには不十分である。継続的な研究が行われ、様々な記事が制約のある環境における有望な解決策を示唆しているが、信頼と評価に関する研究はまだ初期段階にある。本稿では、IoTデバイスやシステムの信頼性と評価に関する最先端の研究に関する総合的な文献レビューを行う。具体的には,まず,信頼の管理方法に基づいた信頼と評価モデルを構築するための新しい分類体系,すなわち新しい分類法を提案する。提案された分類は、従来の信頼管理ベースのシステムと人工知能ベースのシステムで構成され、既存のスキームがこれらの新興概念に適応することを奨励するクラスを組み合わせる。従来の数学的モデルと高度なMLモデルとの協調は、より堅牢で効率的な設計スキームをもたらす。次に、スケーラビリティ、遅延、協調性、効率など、コミュニティが受け入れるパフォーマンス指標に基づいて、これらのシステムの手法と応用を比較し、分析する。最後に、分析の結果に基づいて、オープンな研究課題と課題を特定し、議論し、さらに今後の研究方向性を推測し指摘する。

関連論文リスト

SoK: Unifying Cybersecurity and Cybersafety of Multimodal Foundation Models with an Information Theory Approach [58.93030774141753]
MFM(Multimodal foundation model)は、人工知能の大幅な進歩を表す。本稿では,マルチモーダル学習におけるサイバーセーフティとサイバーセキュリティを概念化する。我々は、これらの概念をMFMに統一し、重要な脅威を特定するための総合的知識体系化(SoK)を提案する。
論文参考訳（メタデータ） (2024-11-17T23:06:20Z)
Trust and Resilience in Federated Learning Through Smart Contracts Enabled Decentralized Systems [1.9874264019909984]
本稿では,信頼の確保と信頼性向上を目的とした分散型アーキテクチャを基盤とした,連邦学習(FL)システムについて検討する。このシステムは、FLコラボレータが(暗号化された)モデルのパラメータをIPFS(Inter-Planetary File System)にアップロードし、その動作を追跡するために専用のスマートコントラクトと対話するという考え方に基づいている。
論文参考訳（メタデータ） (2024-07-09T13:50:32Z)
Effective Intrusion Detection in Heterogeneous Internet-of-Things Networks via Ensemble Knowledge Distillation-based Federated Learning [52.6706505729803]
我々は、分散化された侵入検知システムの共有モデル(IDS)を協調訓練するために、フェデレートラーニング(FL)を導入する。 FLEKDは従来のモデル融合法よりも柔軟な凝集法を実現する。実験の結果,提案手法は,速度と性能の両面で,局所訓練と従来のFLよりも優れていた。
論文参考訳（メタデータ） (2024-01-22T14:16:37Z)
Trust-based Approaches Towards Enhancing IoT Security: A Systematic Literature Review [3.0969632359049473]
本研究は,IoTに対するTrustベースのサイバーセキュリティセキュリティアプローチについて,系統的な文献レビューを行う。我々は、これらの脅威に対処するために存在する共通の信頼に基づく緩和テクニックを強調した。いくつかのオープンな問題が強調され、将来の研究の方向性が提示された。
論文参考訳（メタデータ） (2023-11-20T12:21:35Z)
From Generative AI to Generative Internet of Things: Fundamentals, Framework, and Outlooks [82.964958051535]
生成人工知能(GAI)は、現実的なデータを生成し、高度な意思決定を促進する能力を持っている。 GAIを現代のモノのインターネット(IoT)に統合することによって、ジェネレーティブ・インターネット・オブ・モノ(GIoT)が登場し、社会の様々な側面に革命をもたらす大きな可能性を秘めている。
論文参考訳（メタデータ） (2023-10-27T02:58:11Z)
A Novel IoT Trust Model Leveraging Fully Distributed Behavioral Fingerprinting and Secure Delegation [3.10770247120758]
IoT(Internet of Things)ソリューションは、データ収集と処理を容易にするために、急激な需要を実験している。自律的な方法で提供される新機能やサービスの数が増えるほど、ユーザをデータハッキングや損失に晒す攻撃面が大きくなる。そこで本稿では, スマートなものの装備に関する非自明な問題に対処し, 隣人を通じて, ネットワーク内のオブジェクトの信頼性を, 対話前に評価する戦略を提示する。
論文参考訳（メタデータ） (2023-10-02T07:45:49Z)
KGTrust: Evaluating Trustworthiness of SIoT via Knowledge Enhanced Graph Neural Networks [63.531790269009704]
ソーシャル・インターネット・オブ・モノ(Social Internet of Things, SIoT)は、スマート・オブジェクト(物)にソーシャルネットワークの概念を注入する、有望で新興のパラダイムである。リスクと不確実性のため、解決すべき重要かつ緊急の問題は、SIoT内で信頼性の高い関係、すなわち信頼評価を確立することである。本稿では,SIoTにおける信頼度向上のための知識強化グラフニューラルネットワーク(KGTrust)を提案する。
論文参考訳（メタデータ） (2023-02-22T14:24:45Z)
Dependable Intrusion Detection System for IoT: A Deep Transfer Learning-based Approach [0.0]
本論文は,いくつかの既存手法より優れた深層移動学習型信頼型IDSモデルを提案する。これは、少量のラベル付きデータに対して、通常のシナリオとアタックシナリオを特定するのに最も適している、効果的な属性選択を含んでいる。また、信頼性の高い深層移動学習ベースのResNetモデルや、実世界のデータを考慮した評価も含んでいる。
論文参考訳（メタデータ） (2022-04-11T02:46:22Z)
Multi Agent System for Machine Learning Under Uncertainty in Cyber Physical Manufacturing System [78.60415450507706]
近年の予測機械学習の進歩は、製造における様々なユースケースに応用されている。ほとんどの研究は、それに関連する不確実性に対処することなく予測精度を最大化することに焦点を当てた。本稿では,機械学習における不確実性の原因を特定し,不確実性下での機械学習システムの成功基準を確立する。
論文参考訳（メタデータ） (2021-07-28T10:28:05Z)
On the Importance of Trust in Next-Generation Networked CPS Systems: An AI Perspective [2.1055643409860734]
本稿では,ネットワークエージェントの状態を評価し,意思決定プロセスを改善する手段として信頼を提案する。信頼関係は、プロトコル内のエンティティの相互作用によって生成された証拠に基づいている。信頼の証拠を活用することで,フェデレートラーニングのパフォーマンスと安全性が向上することを示す。
論文参考訳（メタデータ） (2021-04-16T02:12:13Z)
Deep Multi-Task Learning for Cooperative NOMA: System Design and Principles [52.79089414630366]
我々は,近年のディープラーニング(DL)の進歩を反映した,新しいディープ・コラボレーティブなNOMAスキームを開発する。我々は,システム全体を包括的に最適化できるように,新しいハイブリッドカスケードディープニューラルネットワーク(DNN)アーキテクチャを開発した。
論文参考訳（メタデータ） (2020-07-27T12:38:37Z)

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。