論文の概要: User-Centric Data Management in Decentralized Internet of Behaviors System

• arxiv url: http://arxiv.org/abs/2502.11616v1
• Date: Mon, 17 Feb 2025 09:59:25 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-02-18 14:08:01.731027
• Title: User-Centric Data Management in Decentralized Internet of Behaviors System
• Title（参考訳）: 分散型行動情報システムにおけるユーザ中心データ管理
• Authors: Shiqi Zhang, Dapeng Wu, Honggang Wang, Ruyan Wang,
• Abstract要約: Internet of Behaviors (IoB) は、デバイスを利用して人間の行動を収集し、インテリジェントなサービスを提供する新しい概念である。 本稿では,行動データの生成,アップロード,利用の異なる段階におけるセキュリティとプライバシのリスクを分析する。 ブロックチェーンベースの分散IoBデータストレージと共有フレームワークを提案する。
• 参考スコア（独自算出の注目度）: 9.729898612755473
• License:
• Abstract: The Internet of Behaviors (IoB) is an emerging concept that utilizes devices to collect human behavior and provide intelligent services. Although some research has focused on human behavior analysis and data collection within IoB, the associated security and privacy challenges remain insufficiently explored. This paper analyzes the security and privacy risks at different stages of behavioral data generating, uploading, and using, while also considering the dynamic characteristics of user activity areas. Then, we propose a blockchain-based distributed IoB data storage and sharing framework, which is categorized into sensing, processing, and management layers based on these stages. To accommodate both identity authentication and behavioral privacy, zero-knowledge proofs are used in the sensing layer to separate the correlation between behavior and identity, which is further extended to a distributed architecture for cross-domain authentication. In the processing layer, an improved consensus protocol is proposed to enhance the decision-making efficiency of distributed IoB by analyzing the geographical and computational capability of the servers. In the management layer, user permission differences and the privacy of access targets are considered. Different types of behavior are modeled as corresponding relationships between keys, and fine-grained secure access is achieved through function secret sharing. Simulation results demonstrate the effectiveness of the proposed framework in multi-scenario IoB, with average consensus and authentication times reduced by 74% and 56%, respectively.
• Abstract（参考訳）: Internet of Behaviors (IoB) は、デバイスを利用して人間の行動を収集し、インテリジェントなサービスを提供する新しい概念である。 人間の行動分析とIoB内のデータ収集に焦点を当てた研究もあるが、関連するセキュリティとプライバシの課題はいまだに十分に調査されていない。 本稿では,ユーザ活動領域の動的特性を考慮した行動データ生成,アップロード,利用の異なる段階におけるセキュリティとプライバシのリスクを分析する。 次に、ブロックチェーンベースの分散IoBデータストレージと共有フレームワークを提案し、これらのステージに基づいて、センシング層、処理層、管理層に分類する。 識別認証と行動プライバシの両方に対応するため、検知層でゼロ知識証明を使用して、振る舞いとアイデンティティの相関を分離し、クロスドメイン認証のための分散アーキテクチャにさらに拡張する。 この処理層では、サーバの地理的および計算能力を分析し、分散IoBの意思決定効率を向上させるために、改良されたコンセンサスプロトコルが提案されている。 管理層では、ユーザ権限の違いとアクセスターゲットのプライバシを考慮する。 異なる種類の振る舞いはキー間の対応する関係としてモデル化され、ファンクションシークレット共有によってきめ細かいセキュアなアクセスが達成される。 シミュレーションの結果,マルチシナリオIoBにおけるフレームワークの有効性が示され,平均コンセンサス時間と認証時間は,それぞれ74%,56%削減された。

関連論文リスト

• TabSec: A Collaborative Framework for Novel Insider Threat Detection [8.27921273043059]
  IoT(Internet of Things, モノのインターネット)とデータ共有の時代には、ユーザは自分の個人情報をエンタープライズデータベースに頻繁にアップロードして、サービスエクスペリエンスの向上を享受する。 しかし、システム脆弱性、リモートネットワーク侵入、インサイダーの脅威が広まれば、インターネット上のプライベートエンタープライズデータの露出が著しく増加する。 本稿では,これらの課題に対処する新たな脅威検出フレームワークTabITDを提案する。
  論文  参考訳（メタデータ） (2024-11-04T04:07:16Z)
• 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)
• Distributed Agent-Based Collaborative Learning in Cross-Individual Wearable Sensor-Based Human Activity Recognition [0.0]
  本稿では,マルチエージェントの原則に根ざした協調型分散学習手法を提案する。 提案手法では,各個人が保持する活動監視データのプライバシだけでなく,従来の集中型モデルの限界を克服する可能性も示している。
  論文  参考訳（メタデータ） (2023-11-06T12:45:45Z)
• Attention Based Feature Fusion For Multi-Agent Collaborative Perception [4.120288148198388]
  グラフアテンションネットワーク(GAT)の形での中間的協調認識ソリューションを提案する。 提案手法は,複数の連結エージェント間で交換される中間表現を融合するアテンションベースのアグリゲーション戦略を開発する。 このアプローチは、チャネルレベルと空間レベルの中間特徴写像における重要な領域を適応的に強調することにより、オブジェクト検出精度が向上する。
  論文  参考訳（メタデータ） (2023-05-03T12:06:11Z)
• Unsupervised Domain Adaptation via Style-Aware Self-intermediate Domain [52.783709712318405]
  非教師なしドメイン適応(UDA)は、ラベル豊富なソースドメインから関連するがラベルのないターゲットドメインに知識を伝達する、かなりの注目を集めている。 本研究では,大規模なドメインギャップと伝達知識を橋渡しし,クラス非ネイティブ情報の損失を軽減するために,SAFF(style-aware feature fusion)法を提案する。
  論文  参考訳（メタデータ） (2022-09-05T10:06:03Z)
• Cross-Network Social User Embedding with Hybrid Differential Privacy Guarantees [81.6471440778355]
  プライバシー保護方式でユーザを包括的に表現するために,ネットワーク横断型ソーシャルユーザ埋め込みフレームワークDP-CroSUEを提案する。 特に、各異種ソーシャルネットワークに対して、異種データ型に対するプライバシー期待の変化を捉えるために、まずハイブリッドな差分プライバシーの概念を導入する。 ユーザ埋め込みをさらに強化するため、新しいネットワーク間GCN埋め込みモデルは、それらの整列したユーザを介して、ネットワーク間で知識を伝達するように設計されている。
  論文  参考訳（メタデータ） (2022-09-04T06:22:37Z)
• 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)
• Attribute Inference Attack of Speech Emotion Recognition in Federated Learning Settings [56.93025161787725]
  Federated Learning(FL)は、クライアントをコーディネートして、ローカルデータを共有せずにモデルを協調的にトレーニングする分散機械学習パラダイムである。 本稿では,共有勾配やモデルパラメータからクライアントの機密属性情報を推測する属性推論攻撃フレームワークを提案する。 FLを用いて学習したSERシステムに対して,属性推論攻撃が達成可能であることを示す。
  論文  参考訳（メタデータ） (2021-12-26T16:50:42Z)
• Identity-Aware Attribute Recognition via Real-Time Distributed Inference in Mobile Edge Clouds [53.07042574352251]
  我々は、MEC対応カメラ監視システムにおいて、re-IDを用いた歩行者属性認識のための新しいモデルの設計を行う。 本稿では,属性認識と人物再IDを協調的に考慮し,分散モジュールの集合を持つ新しい推論フレームワークを提案する。 そこで我々は,提案した分散推論フレームワークのモジュール分布の学習に基づくアルゴリズムを考案した。
  論文  参考訳（メタデータ） (2020-08-12T12:03:27Z)
• Unsupervised Domain Adaptation in Person re-ID via k-Reciprocal Clustering and Large-Scale Heterogeneous Environment Synthesis [76.46004354572956]
  個人再識別のための教師なし領域適応手法を提案する。 実験結果から,ktCUDA法とSHRED法は,再同定性能において,+5.7 mAPの平均的改善を実現することがわかった。
  論文  参考訳（メタデータ） (2020-01-14T17:43:52Z)

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。