論文の概要: Designing a Layered Framework to Secure Data via Improved Multi Stage Lightweight Cryptography in IoT Cloud Systems
- arxiv url: http://arxiv.org/abs/2509.01717v1
- Date: Mon, 01 Sep 2025 18:53:20 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-09-04 15:17:03.823146
- Title: Designing a Layered Framework to Secure Data via Improved Multi Stage Lightweight Cryptography in IoT Cloud Systems
- Title（参考訳）: IoTクラウドシステムにおけるマルチステージライトウェイト暗号の改善によるデータ保護のための階層化フレームワークの設計
- Authors: Hojjat Farshadinia, Ali Barati, Hamid Barati,
- Abstract要約: 本稿では,IoTクラウドシステムの軽量暗号化向上を目的とした,多層ハイブリッドセキュリティ手法を提案する。
提案するフレームワークは3つのコアレイヤで構成されている。(1)Hyperledger Fabric、Enc-Block、およびハイブリッドECDSA-ZSSスキームを統合して、暗号化速度、スケーラビリティ、計算コストを向上するH.E.EZ Layer、(2)Credential Management Layerがデータの信頼性と信頼性を独立して検証する、(3)トラフィックオーバーヘッドの低減と動的ワークロード間のパフォーマンスの最適化を目的としたTime and Auditing Layerである。
- 参考スコア（独自算出の注目度）: 1.5803208833562954
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: This paper presents a novel multi-layered hybrid security approach aimed at enhancing lightweight encryption for IoT-Cloud systems. The primary goal is to overcome limitations inherent in conventional solutions such as TPA, Blockchain, ECDSA and ZSS which often fall short in terms of data protection, computational efficiency and scalability. Our proposed method strategically refines and integrates these technologies to address their shortcomings while maximizing their individual strengths. By doing so we create a more reliable and high-performance framework for secure data exchange across heterogeneous environments. The model leverages the combined potential of emerging technologies, particularly Blockchain, IoT and Cloud computing which when effectively coordinated offer significant advancements in security architecture. The proposed framework consists of three core layers: (1) the H.E.EZ Layer which integrates improved versions of Hyperledger Fabric, Enc-Block and a hybrid ECDSA-ZSS scheme to improve encryption speed, scalability and reduce computational cost; (2) the Credential Management Layer independently verifying data integrity and authenticity; and (3) the Time and Auditing Layer designed to reduce traffic overhead and optimize performance across dynamic workloads. Evaluation results highlight that the proposed solution not only strengthens security but also significantly improves execution time, communication efficiency and system responsiveness, offering a robust path forward for next-generation IoT-Cloud infrastructures.
- Abstract（参考訳）: 本稿では,IoTクラウドシステムの軽量暗号化向上を目的とした,多層ハイブリッドセキュリティ手法を提案する。
主な目標は、データ保護、計算効率、スケーラビリティの点でしばしば不足する、TPA、Blockchain、ECDSA、ZSSといった従来のソリューションに固有の制限を克服することである。
提案手法は, 個々の強みを最大化しながら, これらの技術を戦略的に洗練・統合し, 欠点に対処するものである。
これにより、異種環境間のセキュアなデータ交換のための、より信頼性が高く高性能なフレームワークを作成します。
このモデルは、特にブロックチェーン、IoT、クラウドコンピューティングなど、新興技術の複合的な可能性を活用し、効果的に協調することで、セキュリティアーキテクチャの大幅な進歩を提供する。
提案したフレームワークは3つのコアレイヤで構成されている。(1) Hyperledger Fabric、Enc-Block、およびハイブリッドECDSA-ZSSスキームを統合して、暗号化速度、スケーラビリティ、計算コストを向上するH.E.EZ Layer、(2) データの完全性と信頼性を独立に検証するCredential Management Layer、(3) トラフィックのオーバーヘッドを低減し、動的ワークロード間のパフォーマンスを最適化するTime and Auditing Layerである。
評価結果は、提案されたソリューションがセキュリティを強化するだけでなく、実行時間、通信効率、システムの応答性も大幅に向上し、次世代のIoT-Cloudインフラストラクチャへの堅牢なパスを提供することを示している。
関連論文リスト
- Cloud-Device Collaborative Agents for Sequential Recommendation [36.05863003744828]
大規模言語モデル(LLM)は、強力な意味理解と柔軟な推論機能を備えたエージェントベースのレコメンデーションシステムを実現している。
LLMは強力なパーソナライズを提供するが、プライバシの懸念やリアルタイム信号へのアクセス制限、スケーラビリティのボトルネックに悩まされることが多い。
本稿では,2つのエージェントを駆使したシーケンシャルレコメンデーションのための新しいクラウド・デバイス協調フレームワークを提案する。
論文 参考訳（メタデータ） (2025-09-01T15:28:11Z) - Edge-Assisted Collaborative Fine-Tuning for Multi-User Personalized Artificial Intelligence Generated Content (AIGC) [38.59865959433328]
クラウドベースのソリューションは計算を助けるが、プライバシのリスク、パーソナライズ効率、通信コストに対処するのに不足することが多い。
本稿では,クラスタを意識した新しい階層型統合フレームワークを提案する。
このフレームワークは,スケーラブルなマルチユーザパーソナライズAIGCサービスの実用性を維持しつつ,収束の加速を実現する。
論文 参考訳（メタデータ） (2025-08-06T06:07:24Z) - Federated Learning-Enhanced Blockchain Framework for Privacy-Preserving Intrusion Detection in Industrial IoT [0.0]
産業用IoT(Industrial Internet of Things, IIoT)システムはスマートマニュファクチャリングに不可欠なものになっています。
従来の侵入検知システム(IDS)は、データプライバシやレイテンシ、単一障害点に対する懸念を高める集中型アーキテクチャに依存することが多い。
我々は、IIoT環境に適したプライバシー保護侵入検知のための新しいFederated Learning-Enhanced Framework(FL-BCID)を提案する。
論文 参考訳（メタデータ） (2025-05-21T11:11:44Z) - LLMs meet Federated Learning for Scalable and Secure IoT Management [6.649910168731417]
従来の集中型アーキテクチャは、レイテンシ、プライバシの懸念、リソースの過剰消費に悩まされている。
本稿では,IoTシステムインテリジェンスの向上を目的とした,FL-LLM(Federated Learning-driven Large Language Model)フレームワークを提案する。
論文 参考訳（メタデータ） (2025-04-22T16:56:59Z) - Revolutionizing Healthcare Record Management: Secure Documentation Storage and Access through Advanced Blockchain Solutions [0.0]
この研究では、セキュリティ、スケーラビリティ、アクセシビリティを大幅に向上するために設計された、ブロックチェーンベースの新しいEHRシステムを紹介します。
提案システムは、Argon2とAESを組み合わせたハイブリッドセキュリティアルゴリズムを活用し、ハイブリッドストレージとコンセンサス機構を統合する。
MetaMask、Ganache、Truffleといった高度なブロックチェーンツールを使用して、分散ネットワークとのインタラクションを容易にする。
論文 参考訳（メタデータ） (2025-03-02T05:39:14Z) - Secure Resource Allocation via Constrained Deep Reinforcement Learning [49.15061461220109]
リソース割り当て、タスクオフロード、セキュリティ、パフォーマンスのバランスをとるフレームワークであるSARMTOを紹介します。
SARMTOは5つのベースラインアプローチを一貫して上回り、最大40%のシステムコスト削減を実現している。
これらの拡張は、複雑な分散コンピューティング環境におけるリソース管理に革命をもたらすSARMTOの可能性を強調している。
論文 参考訳（メタデータ） (2025-01-20T15:52:43Z) - 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) - Leakage-Resilient and Carbon-Neutral Aggregation Featuring the Federated AI-enabled Critical Infrastructure [42.688679691088204]
本稿では,ACIネットワークに対するリーク耐性,通信効率,カーボンニュートラルアプローチを提案する。
また,CDPAは通信コストを半減し,モデルユーティリティを保ちながら通信コストを半減できることを示す。
我々はCDPAの2.6倍から100倍以上の炭素排出量を発生させる既存のベンチマークを強調した。
論文 参考訳（メタデータ） (2024-05-24T06:35:09Z) - Software-based Security Framework for Edge and Mobile IoT [0.5735035463793009]
この作業は、リモートサーバと組み込みIoTデバイス間のセキュアな通信を設計することに焦点を当てている。
提案手法は軽量な暗号を使い、限られたリソースを過大評価することなくデバイスの性能とセキュリティを最適化する。
論文 参考訳（メタデータ） (2024-04-09T16:25:13Z) - Towards Communication-efficient and Attack-Resistant Federated Edge
Learning for Industrial Internet of Things [40.20432511421245]
federated edge learning(fel)は、産業用iot(internet of things)におけるエッジコンピューティングのためのグローバルなディープラーニングモデルを、エッジノードでトレーニング可能にする。
FELは、通信オーバーヘッドとデータプライバシの2つの重要な課題に直面している。
IIoTにおけるエッジコンピューティングのための通信効率とプライバシー強化型非同期FELフレームワークを提案する。
論文 参考訳（メタデータ） (2020-12-08T14:11:32Z)
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。