論文の概要: BIONIB: Blockchain-based IoT using Novelty Index in Bridge Health Monitoring
- arxiv url: http://arxiv.org/abs/2402.14902v1
- Date: Thu, 22 Feb 2024 18:11:51 GMT
- ステータス: 処理完了
- システム内更新日: 2024-03-25 08:46:38.672059
- Title: BIONIB: Blockchain-based IoT using Novelty Index in Bridge Health Monitoring
- Title（参考訳）: BIONIB: ブリッジヘルスモニタリングにおけるノベルティインデックスを用いたブロックチェーンベースのIoT
- Authors: Divija Swetha Gadiraju, Ryan McMaster, Saeed Eftekhar Azam, Deepak Khazanchi,
- Abstract要約: ブリッジを監視するためにブロックチェーン上にリアルタイムIoTデータを格納するBIONIBを提案する。
EOSIOは橋梁の健全性を監視するのに非常に優れたスケーリング機能を備えている。
パフォーマンス分析は、健康状態と不健康な状態のブリッジでIoTセンサから収集されたリアルタイムデータを使用する。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Bridge health monitoring becomes crucial with the deployment of IoT sensors. The challenge lies in securely storing vast amounts of data and extracting useful information to promptly identify unhealthy bridge conditions. To address this challenge, we propose BIONIB, wherein real-time IoT data is stored on the blockchain for monitoring bridges. One of the emerging blockchains, EOSIO is used because of its exceptional scaling capabilities for monitoring the health of bridges. The approach involves collecting data from IoT sensors and using an unsupervised machine learning-based technique called the Novelty Index (NI) to observe meaningful patterns in the data. Smart contracts of EOSIO are used in implementation because of their efficiency, security, and programmability, making them well-suited for handling complex transactions and automating processes within decentralized applications. BIONIB provides secure storage benefits of blockchain, as well as useful predictions based on the NI. Performance analysis uses real-time data collected from IoT sensors at the bridge in healthy and unhealthy states. The data is collected with extensive experimentation with different loads, climatic conditions, and the health of the bridge. The performance of BIONIB under varying numbers of sensors and various numbers of participating blockchain nodes is observed. We observe a tradeoff between throughput, latency, and computational resources. Storage efficiency can be increased by manifolds with a slight increase in latency caused by NI calculation. As latency is not a significant concern in bridge health applications, the results demonstrate that BIONIB has high throughput, parallel processing, and high security while efficiently scaled.
- Abstract（参考訳）: IoTセンサーのデプロイでは、ブリッジの健康監視が重要になる。
この課題は、大量のデータを安全に保存し、不健康な橋の状態を素早く特定するための有用な情報を抽出することにある。
この課題に対処するために、ブロックチェーン上にリアルタイムIoTデータを格納してブリッジを監視するBIONIBを提案する。
新興ブロックチェーンの1つであるEOSIOは、ブリッジの健全性を監視するための異常なスケーリング機能のために使用されている。
このアプローチでは、IoTセンサからデータを収集し、Noverety Index(NI)と呼ばれる教師なしの機械学習ベースのテクニックを使用して、データに意味のあるパターンを観察する。
EOSIOのスマートコントラクトは、その効率性、セキュリティ、プログラマビリティのために実装で使用され、複雑なトランザクションの処理や分散化されたアプリケーション内のプロセスの自動化に適しています。
BIONIBは、ブロックチェーンのセキュアなストレージメリットと、NIに基づいた有用な予測を提供する。
パフォーマンス分析は、健康状態と不健康な状態のブリッジでIoTセンサから収集されたリアルタイムデータを使用する。
データは、異なる負荷、気候条件、橋の健康に関する広範な実験によって収集される。
センサ数や参加するブロックチェーンノード数が異なる場合のBIONIBの性能を観察する。
スループット、レイテンシ、計算リソースのトレードオフを観察します。
保存効率は、NI計算による遅延がわずかに増加する多様体によって向上することができる。
レイテンシは、ブリッジヘルスアプリケーションにおいて重要な問題ではないため、BIONIBは、効率よくスケールしながら、高いスループット、並列処理、高いセキュリティを有することを示した。
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) - 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) - 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) - A privacy-preserving data storage and service framework based on deep
learning and blockchain for construction workers' wearable IoT sensors [0.0]
ウェアラブルモノのインターネット(IoT)センサー、特に脳-コンピュータインターフェース(BCI)によって収集される脳信号の分類は、最も急速に成長している研究分野の1つである。
本稿では,このギャップを埋めて,BCIアプリケーションを実装するためのセキュアなプライバシ保護プロトコルを提案する。
われわれはまず脳の信号を画像に変換し、生成的敵ネットワークを使って合成信号を生成し、データのプライバシーを保護した。
さらに、ブロックチェーンベースのスキームを提案し、個人の神経生理学的データと分析レポートの保存、クエリ、共有を安全かつプライバシーに配慮したものにすることを目的としたプロトタイプを開発した。
論文 参考訳（メタデータ） (2022-11-19T14:57:19Z) - Asynchronous Parallel Incremental Block-Coordinate Descent for
Decentralized Machine Learning [55.198301429316125]
機械学習(ML)は、巨大なIoT(Internet of Things)ベースのインテリジェントでユビキタスなコンピューティングのビッグデータ駆動モデリングと分析のための重要なテクニックである。
急成長するアプリケーションやデータ量にとって、分散学習は有望な新興パラダイムである。
本稿では,多くのユーザデバイスに分散した分散システム上でMLモデルをトレーニングする問題について検討する。
論文 参考訳（メタデータ） (2022-02-07T15:04:15Z) - Data Heterogeneity-Robust Federated Learning via Group Client Selection
in Industrial IoT [57.67687126339891]
FedGSは5Gのエンパワーメント産業のための階層的なクラウド・エッジ・エンドのFLフレームワークである。
自然にクラスタ化されたファクトリデバイスを利用することで、FedGSは勾配ベースのバイナリ置換アルゴリズムを使用する。
実験によると、FedGSは精度を3.5%改善し、トレーニングラウンドを平均59%削減している。
論文 参考訳（メタデータ） (2022-02-03T10:48:17Z) - Learning via Long Short-Term Memory (LSTM) network for predicting
strains in Railway Bridge members under train induced vibration [0.0]
LSTMは、ネットワークをトレーニングし、鉄道橋の異なる部材のひずみを予測するために使用される。
1つの部材のひずみデータを用いて、異なる部材のひずみを予測するために、実際のフィールドデータを用いている。
これは、データに多くのノイズがあったにもかかわらず、トレーニングにおけるLSTMの有効性を示し、ノイズの多いフィールドデータから予測する。
論文 参考訳（メタデータ） (2021-11-08T08:19:02Z) - Federated Learning with Correlated Data: Taming the Tail for Age-Optimal
Industrial IoT [55.62157530259969]
本稿では,ピークAoI要求に基づくセンサの送信電力最小化と待ち時間に対する確率的制約について検討する。
本稿では,センサのトレーニングデータ間の相関を考慮した局所モデル選択手法を提案する。
数値計算の結果,送信電力,ピークAoI,遅延尾部分布のトレードオフが示された。
論文 参考訳（メタデータ） (2021-08-17T08:38:31Z) - Federated Learning for Internet of Things: A Federated Learning
Framework for On-device Anomaly Data Detection [10.232121085973782]
我々は、N-BaIoT、FedDetectアルゴリズム、IoTデバイスのシステム設計を使用した合成データセットを含むFedIoTプラットフォームを構築します。
現実的なIoTデバイス(PI)のネットワークにおいて,FedIoTプラットフォームとFedDetectアルゴリズムをモデルおよびシステムパフォーマンスの両方で評価する。
論文 参考訳（メタデータ） (2021-06-15T08:53:42Z) - Contextual-Bandit Anomaly Detection for IoT Data in Distributed
Hierarchical Edge Computing [65.78881372074983]
IoTデバイスは複雑なディープニューラルネットワーク(DNN)モデルにはほとんど余裕がなく、異常検出タスクをクラウドにオフロードすることは長い遅延を引き起こす。
本稿では,分散階層エッジコンピューティング(HEC)システムを対象とした適応型異常検出手法のデモと構築を行う。
提案手法は,検出タスクをクラウドにオフロードした場合と比較して,精度を犠牲にすることなく検出遅延を著しく低減することを示す。
論文 参考訳（メタデータ） (2020-04-15T06:13:33Z) - Blockchain-based Smart-IoT Trust Zone Measurement Architecture [1.5749416770494706]
IoT(Internet of Things)は大きな注目を集め、私たちの環境の中心的な側面になっています。
本稿では,外部ネットワークへの信頼感を提供するIoTセットアップにおける行動モニタを提案する。
さらに、ブロックチェーン上のアプリケーションやデータに対してセキュアな実行環境を提供するために、Trusted Execution Technology(Intel SGX)も組み込んでいます。
論文 参考訳（メタデータ） (2020-01-08T03:41:27Z)
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。