論文の概要: External entropy supply for IoT devices employing a RISC-V Trusted Execution Environment

• arxiv url: http://arxiv.org/abs/2603.09311v1
• Date: Tue, 10 Mar 2026 07:43:21 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-11 15:25:24.129698
• Title: External entropy supply for IoT devices employing a RISC-V Trusted Execution Environment
• Title（参考訳）: RISC-V Trusted Execution Environment を用いたIoTデバイスの外部エントロピー供給
• Authors: Arttu Paju, Alejandro Cabrera Aldaya, Nicola Tuveri, Juha Savimäki, Marko Kivikangas, Brian McGillion,
• Abstract要約: RISC-VをベースとしたTrusted Execution Environmentを使用して、IoTデバイス群のための外部エントロピーサービスを作成します。 一度接続されたデバイスは、TEEが支援するサーバから暗号化的に強力なエントロピーを要求できる。 私たちのオープンソース実装は、IoTのための信頼できるエントロピーインフラストラクチャの構築が、オープンなRISC-Vプラットフォーム上で実現可能かつ効果的であることを示しています。
• 参考スコア（独自算出の注目度）: 36.08898319093597
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Entropy--a measure of randomness--is compulsory for the generation of secure cryptographic keys; however, Internet of Things (IoT) devices that are small or constrained often struggle to collect suf ficient entropy. In this article, we solve the entropy provisioning problem for a fleet of IoT devices that can generate a limited amount of entropy. We employ a Trusted Execution Environment (TEE) based on RISC-V to create an external entropy service for a fleet of IoT devices. A small measure of true entropy or pre-installed keys can establish initial secure communication. Once connected, devices can request cryptographically strong entropy from a TEE-backed server. RISC-V offers True Random Number Generators (TRNGs) and a TEE for devices to attest that they are receiving reliable entropy. In addition, this solution can be expanded by adding IoT devices with sensors that produce high-quality entropy as additional entropy sources for the RISC-V entropy provider. Our open-source implementation shows that building trusted entropy infrastructure for IoT is both feasible and effective on open RISC-V platforms.
• Abstract（参考訳）: エントロピー(英: Entropy)とは、セキュアな暗号鍵の生成を必須とするランダム性の尺度である。 本稿では,限られたエントロピーを生成可能なIoTデバイス群に対するエントロピープロビジョニング問題を解決する。 RISC-VをベースとしたTrusted Execution Environment(TEE)を使用して、IoTデバイス群のための外部エントロピーサービスを作成します。 真のエントロピーまたはプリインストールされたキーの小さな尺度は、初期安全通信を確立することができる。 一度接続されたデバイスは、TEEが支援するサーバから暗号化的に強力なエントロピーを要求できる。 RISC-VはTrue Random Number Generators (TRNG)とTEEを提供し、デバイスが信頼できるエントロピーを受信していることを証明する。 さらに、RISC-Vエントロピープロバイダのための追加エントロピーソースとして高品質エントロピーを生成するセンサーを備えたIoTデバイスを追加することで、このソリューションを拡張することができる。 私たちのオープンソース実装は、IoTのための信頼できるエントロピーインフラストラクチャの構築が、オープンなRISC-Vプラットフォーム上で実現可能かつ効果的であることを示しています。

関連論文リスト

• Integration of quantum random number generators with post-quantum cryptography algorithms [33.72751145910978]
  ポスト量子暗号(PQC)は、既存のPublic Key Infrastructure(PKI)システムの寿命を延ばす潜在的な解決策となっている。 PQCプロトコルは、キー生成およびカプセル化手順における高品質なランダム性に依存する。 PQCベースのトランスポート層セキュリティ(TLS)を用いて,通信ネットワーク内にQRNG(Quantum Random Number Generation)デバイスを組み込むことが可能な概念実証を実証する。
  論文  参考訳（メタデータ） (2025-07-01T10:56:39Z)
• Zero-Trust Foundation Models: A New Paradigm for Secure and Collaborative Artificial Intelligence for Internet of Things [61.43014629640404]
  Zero-Trust Foundation Models (ZTFM)は、ゼロトラストセキュリティの原則をIoT(Internet of Things)システムの基盤モデル(FM)のライフサイクルに組み込む。 ZTFMは、分散、異質、潜在的に敵対的なIoT環境にわたって、セキュアでプライバシ保護のAIを可能にする。
  論文  参考訳（メタデータ） (2025-05-26T06:44:31Z)
• zk-IoT: Securing the Internet of Things with Zero-Knowledge Proofs on Blockchain Platforms [0.0]
  本稿では,IoT(Internet of Things)エコシステムのセキュリティ向上のための新しいアプローチとして,zk-IoTフレームワークを紹介する。 我々のフレームワークは、潜在的に侵害されたIoTデバイスにおけるファームウェアの実行とデータ処理の完全性を保証する。
  論文  参考訳（メタデータ） (2024-02-13T09:34:23Z)
• Wireguard: An Efficient Solution for Securing IoT Device Connectivity [0.0]
  脆弱なIoT(Internet-of-Things)デバイスの普及により、大規模なサイバー攻撃が可能になった。 この研究は、新しいVPNプロトコルであるWireguardが、リソース制約のあるIoTシステムに適した効率的なセキュリティを提供できるかどうかを評価する。
  論文  参考訳（メタデータ） (2024-02-03T09:11:11Z)
• 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)
• Computational Intelligence and Deep Learning for Next-Generation Edge-Enabled Industrial IoT [51.68933585002123]
  エッジ対応産業用IoTネットワークにおける計算知能とディープラーニング(DL)の展開方法について検討する。 本稿では,新しいマルチエグジットベースフェデレーションエッジ学習(ME-FEEL)フレームワークを提案する。 特に、提案されたME-FEELは、非常に限られたリソースを持つ産業用IoTネットワークにおいて、最大32.7%の精度を達成することができる。
  論文  参考訳（メタデータ） (2021-10-28T08:14:57Z)
• RIS-assisted UAV Communications for IoT with Wireless Power Transfer Using Deep Reinforcement Learning [75.677197535939]
  無人航空機(UAV)通信をサポートするIoTデバイスのための同時無線電力伝送と情報伝送方式を提案する。 第1フェーズでは、IoTデバイスが無線電力転送を通じてUAVからエネルギーを回収し、第2フェーズでは、UAVが情報伝送を通じてIoTデバイスからデータを収集する。 マルコフ決定過程を定式化し、ネットワーク総和率を最大化する最適化問題を解くために、2つの深い強化学習アルゴリズムを提案する。
  論文  参考訳（メタデータ） (2021-08-05T23:55:44Z)
• Lightweight IoT Malware Detection Solution Using CNN Classification [2.288885651912488]
  IoTデバイスのセキュリティ面は幼児の分野です。 ネットワーク上の特定のIoTノードの悪意ある振る舞いを認識するシステムを開発した。 畳み込みニューラルネットワークと監視により、ネットワーク内にインストール可能な中央ノードを使用して、IoTのマルウェア検出が可能になった。
  論文  参考訳（メタデータ） (2020-10-13T10:56:33Z)
• Smart Home, security concerns of IoT [91.3755431537592]
  IoT(モノのインターネット)は、国内環境において広く普及している。 人々は自宅をスマートホームにリニューアルしているが、インターネットに接続された多くのデバイスを常時オンの環境センサーで所有するというプライバシー上の懸念はいまだに不十分だ。 デフォルトパスワードと弱いパスワード、安価な材料とハードウェア、暗号化されていない通信は、IoTデバイスの主要な脅威と脆弱性として識別される。
  論文  参考訳（メタデータ） (2020-07-06T10:36:11Z)

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。