論文の概要: Efficient and Secure Cross-Domain Data-Sharing for Resource-Constrained Internet of Things
- arxiv url: http://arxiv.org/abs/2411.09229v1
- Date: Thu, 14 Nov 2024 06:53:03 GMT
- ステータス: 翻訳完了
- システム内更新日: 2024-11-15 15:23:13.127174
- Title: Efficient and Secure Cross-Domain Data-Sharing for Resource-Constrained Internet of Things
- Title（参考訳）: 資源制約されたモノのインターネットのための効率的でセキュアなクロスドメインデータ共有
- Authors: Kexian Liu, Jianfeng Guan, Xiaolong Hu, Jianli Liu, Hongke Zhang,
- Abstract要約: モノのインターネットのための効率的なセキュアなブロックチェーンベースのデータ共有方式を提案する。
まず,単一障害点を回避する分散鍵生成方式を提案する。
また、このスキームは完全なデータ共有プロセスを提供し、データのアップロード、ストレージ、共有をカバーし、データのトレーサビリティ、完全性、プライバシーを保証する。
- 参考スコア（独自算出の注目度）: 2.5284780091135994
- License:
- Abstract: The growing complexity of Internet of Things (IoT) environments, particularly in cross-domain data sharing, presents significant security challenges. Existing data-sharing schemes often rely on computationally expensive cryptographic operations and centralized key management, limiting their effectiveness for resource-constrained devices. To address these issues, we propose an efficient, secure blockchain-based data-sharing scheme. First, our scheme adopts a distributed key generation method, which avoids single point of failure. This method also allows independent pseudonym generation and key updates, enhancing authentication flexibility while reducing computational overhead. Additionally, the scheme provides a complete data-sharing process, covering data uploading, storage, and sharing, while ensuring data traceability, integrity, and privacy. Security analysis shows that the proposed scheme is theoretically secure and resistant to various attacks, while performance evaluations demonstrate lower computational and communication overhead compared to existing solutions, making it both secure and efficient for IoT applications.
- Abstract（参考訳）: モノのインターネット(IoT)環境の複雑さの増大、特にドメイン間データ共有において、セキュリティ上の大きな課題が浮かび上がっている。
既存のデータ共有方式は、しばしば計算コストのかかる暗号処理と集中鍵管理に依存しており、リソース制限されたデバイスに対する有効性を制限している。
これらの問題に対処するため、我々は効率的なセキュアなブロックチェーンベースのデータ共有方式を提案する。
まず,単一障害点を回避する分散鍵生成方式を提案する。
また、独立な偽名生成とキー更新を可能にし、計算オーバーヘッドを低減しつつ認証の柔軟性を向上する。
さらに、このスキームは完全なデータ共有プロセスを提供し、データのアップロード、ストレージ、共有をカバーし、データのトレーサビリティ、完全性、プライバシを保証する。
セキュリティ分析により,提案手法は理論的に安全で,様々な攻撃に対して耐性があることが示された。一方,性能評価では,既存のソリューションに比べて計算オーバーヘッドや通信オーバーヘッドが低く,IoTアプリケーションでは安全かつ効率的であることが示されている。
関連論文リスト
- Digital Twin-Assisted Federated Learning with Blockchain in Multi-tier Computing Systems [67.14406100332671]
産業用 4.0 システムでは、リソース制約のあるエッジデバイスが頻繁にデータ通信を行う。
本稿では,デジタルツイン (DT) とフェデレーション付きデジタルツイン (FL) 方式を提案する。
提案手法の有効性を数値解析により検証した。
論文 参考訳（メタデータ） (2024-11-04T17:48:02Z) - Secure Computation and Trustless Data Intermediaries in Data Spaces [0.44998333629984877]
本稿では,データ空間におけるセキュアな計算のための高度な暗号技術の統合について検討する。
We exploit the introduced secure method、すなわち Secure Multi-Party Computation (MPC) と Fully Homomorphic Encryption (FHE) を利用する。
我々は、航空交通管理、製造、二次データ利用など、実世界のユースケースを通じてソリューションを提示する。
論文 参考訳（メタデータ） (2024-10-21T19:10:53Z) - ZK-DPPS: A Zero-Knowledge Decentralised Data Sharing and Processing Middleware [3.2995127573095484]
従来のZKPを必要としないゼロ知識通信を実現するフレームワークであるZK-DPPSを提案する。
プライバシは、計算のためのFHE(Fully Homomorphic Encryption)と鍵再構成のためのSMPC(Secure Multi-Party Computations)を組み合わせることで保持される。
シミュレーションサプライチェーンシナリオによるZK-DPPSの有効性を実証した。
論文 参考訳（メタデータ） (2024-10-21T01:23:37Z) - Complete Security and Privacy for AI Inference in Decentralized Systems [14.526663289437584]
大規模なモデルは病気の診断のようなタスクには不可欠ですが、繊細でスケーラビリティに欠ける傾向があります。
Nesaはこれらの課題を、複数のテクニックを使って包括的なフレームワークで解決し、データとモデル出力を保護する。
ネサの最先端の証明と原則は、このフレームワークの有効性を実証している。
論文 参考訳（メタデータ） (2024-07-28T05:09:17Z) - Homomorphic Encryption-Enabled Federated Learning for Privacy-Preserving Intrusion Detection in Resource-Constrained IoV Networks [20.864048794953664]
本稿では,IoV(Internet-of-Vehicles)におけるフェデレーション学習(FL)ベースの侵入検知システム(IDS)におけるデータプライバシ問題に,限られた計算資源で対処する新しい枠組みを提案する。
まず,同相暗号を用いた高効率なフレームワークを提案し,処理に中央集中型サーバにオフロードを必要とするデータを保護する。
我々は、FLベースのシステムの課題を暗号化データで処理するための効果的なトレーニングアルゴリズムを開発した。
論文 参考訳（メタデータ） (2024-07-26T04:19:37Z) - Decentralized Multimedia Data Sharing in IoV: A Learning-based Equilibrium of Supply and Demand [57.82021900505197]
インターネット・オブ・ビークルズ(IoV)は、道路の安全性を高め、交通渋滞を軽減し、インフォテインメントアプリケーションを通じてユーザーエクスペリエンスを向上させることにより、交通システムを変革する大きな可能性を秘めている。
分散データ共有は、セキュリティ、プライバシ、信頼性を改善し、IoVにおけるインフォテインメントデータの共有を容易にする。
市場における需給バランスを学習するための多知能強化学習に基づく分散型データ共有インセンティブ機構を提案する。
論文 参考訳（メタデータ） (2024-03-29T14:58:28Z) - Differentiated Security Architecture for Secure and Efficient Infotainment Data Communication in IoV Networks [55.340315838742015]
IoVネットワークにおけるインフォテインメントデータ通信の安全性の欠如は、社会的エンジニアリング攻撃の容易なアクセスポイントを意図せずに開放することができる。
特に、まずIoVネットワークでデータ通信を分類し、各データ通信のセキュリティ焦点を調べ、その後、ファイル間通信でセキュリティ保護を提供するための異なるセキュリティアーキテクチャを開発する。
論文 参考訳（メタデータ） (2024-03-29T12:01:31Z) - 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) - 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) - 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) - Efficient Logistic Regression with Local Differential Privacy [0.0]
モノのインターネット(Internet of Things)デバイスは急速に拡大し、大量のデータを生み出している。
これらのデバイスから収集されたデータを探索する必要性が高まっている。
コラボレーション学習は、モノのインターネット(Internet of Things)設定に戦略的ソリューションを提供すると同時に、データのプライバシに関する一般の懸念も引き起こす。
論文 参考訳（メタデータ） (2022-02-05T22:44:03Z)
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。