論文の概要: Zero Trust in the Context of IoT: Industrial Literature Review, Trends, and Challenges
- arxiv url: http://arxiv.org/abs/2604.06272v1
- Date: Tue, 07 Apr 2026 07:02:17 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-04-09 17:30:51.138453
- Title: Zero Trust in the Context of IoT: Industrial Literature Review, Trends, and Challenges
- Title（参考訳）: IoTのコンテキストにおけるゼロトラスト - 産業文献レビュー,トレンド,課題
- Authors: Laurent Bobelin,
- Abstract要約: Zero-trust(ZT)モデルは、デフォルトではいかなるエンティティ(ネットワーク、人、デバイス)にも信頼を与えられるべきではないという考えに依存して、ますます人気が高まっているモデルである。
ZTモデルは、研究と実践の両方から注目を集めており、研究開発と実生活の応用の間に様々なレベルの適応がある。
そのような特定されていない分野の例として、IoT/Smart Peripheral Devices(SPD)の統合がある。
このようなリソースの特異性(おそらくエネルギー/計算能力の低下)、ライフサイクル、およびプラットフォーム全体の利用に強く依存するそれらの利用など、さまざまな理由からこのギャップが説明されている。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: The Zero-trust (ZT) model is an increasingly popular model that relies on the idea that no trust should be granted to any entity (network, persons, devices) by default. ZT model is gaining attention from both research and practice, with various levels of adequation between research developed and real-life applications. NIST provided a standard to fulfill requirements of ZT architecture of network core but many practical aspects remain unspecified, some of them requiring solving first research challenges in order to be implemented efficiently. An example of such an unspecified field is the integration of IoT/Smart Peripheral Devices (SPD). Various reasons explain this gap: specificities of such resources (possibly lower energy/computation power), their lifecycle, and their use, strongly depending on the use of the whole platform IoT devices are part of. Moreover, additional difficulty to have a good understanding is induced by the fact that both Zero Trust and IoT are identified as promising trends in cybersecurity: many vendors/researchers tag their solutions as IoT integration into the ZT model, with little to no effective compliance to ZT model or standard. Industry is providing many practice-oriented literature, that has to be compared to academic work and standards, in order to consolidate the current state of knowledge and solutions offered to realize this integration. In this paper, we conduct a literature review of non-academic publications, in order to consolidate current knowledge, trends, and future challenges for the industrial integration of IoT devices in ZT architecture.
- Abstract（参考訳）: Zero-trust(ZT)モデルは、デフォルトではいかなるエンティティ(ネットワーク、人、デバイス)にも信頼を与えられるべきではないという考えに依存して、ますます人気が高まっているモデルである。
ZTモデルは、研究と実践の両方から注目を集めており、研究開発と実生活の応用の間に様々なレベルの適応がある。
NISTはネットワークコアのZTアーキテクチャの要件を満たすための標準を提供するが、多くの実践的な側面は未定のままであり、その一部は効率的に実装するために最初の研究課題を解決する必要がある。
そのような特定されていない分野の例として、IoT/Smart Peripheral Devices(SPD)の統合がある。
このようなリソースの特異性(おそらくエネルギー/計算能力の低下)、ライフサイクル、そしてそれらの使用法は、プラットフォーム全体のIoTデバイスの使用に強く依存しています。
さらに、Zero TrustとIoTの両方がサイバーセキュリティの有望なトレンドとして認識されているという事実によって、さらに理解の難しさが引き起こされる。
業界は、この統合を実現するために提供される知識とソリューションの現在の状態を統合するために、学術的な仕事や標準と比較しなければならない多くの実践指向の文献を提供している。
本稿では、ZTアーキテクチャにおけるIoTデバイス産業統合の現在の知識、動向、今後の課題を統合するために、非学術出版物の文献レビューを行う。
関連論文リスト
- 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) - Large Language Models in the IoT Ecosystem -- A Survey on Security Challenges and Applications [1.1312948048543685]
IoT(Internet of Things, モノのインターネット)とLLM(Large Language Models)は、情報技術時代の2つの主要なプレーヤーである。
この文献調査では、IoTにLLMを適用する上での現在の技術状況について調査する。
それは、IoTセキュリティの強化において彼らが果たす重要な役割である、社会のさまざまなドメイン/セクタにおける彼らの応用を強調している。
論文 参考訳（メタデータ） (2025-05-23T07:46:27Z) - Internet of Federated Digital Twins (IoFDT): Connecting Twins Beyond Borders for Society 5.0 [47.60424943340677]
デジタルツイン(DT)の概念は将来の産業に革命をもたらすことが期待されており、将来のスマート社会、すなわち社会5.0のビジョンの中心に位置する。
本稿では,異なる社会5.0 サービスを表す DT を全体統合した,インターネット・オブ・フェデレーション・デジタル・ツインズ (IoFDT) の新たな概念を思い起こさせる。
論文 参考訳（メタデータ） (2023-12-11T14:56:27Z) - MultiIoT: Benchmarking Machine Learning for the Internet of Things [70.74131118309967]
次世代の機械学習システムは、物理的世界に対する知覚と相互作用に長けなければならない。
運動、熱、位置情報、深度、無線信号、ビデオ、オーディオからの知覚データは、物理環境の状態をモデル化するためにますます使われています。
既存の取り組みは、しばしば単一の感覚的モダリティまたは予測タスクに特化している。
本稿は、12のモダリティと8つの現実世界タスクから115万以上のサンプルを含む、これまでで最も拡張的で統一されたIoTベンチマークであるMultiIoTを提案する。
論文 参考訳（メタデータ） (2023-11-10T18:13:08Z) - A Novel IoT Trust Model Leveraging Fully Distributed Behavioral
Fingerprinting and Secure Delegation [3.10770247120758]
IoT(Internet of Things)ソリューションは、データ収集と処理を容易にするために、急激な需要を実験している。
自律的な方法で提供される新機能やサービスの数が増えるほど、ユーザをデータハッキングや損失に晒す攻撃面が大きくなる。
そこで本稿では, スマートなものの装備に関する非自明な問題に対処し, 隣人を通じて, ネットワーク内のオブジェクトの信頼性を, 対話前に評価する戦略を提示する。
論文 参考訳（メタデータ） (2023-10-02T07:45:49Z) - Fostering new Vertical and Horizontal IoT Applications with Intelligence
Everywhere [8.208838459484676]
Intelligence Everywhereは、大量のデータストリームを運ぶIoTネットワークのシームレスな統合を前提としている。
本稿では,最先端の研究とインテリジェンス・エビデンス・エビデンス・フレームワークの原理について論じる。
また、水平IoTアプリケーションを開発するための新しい視点も導入している。
論文 参考訳（メタデータ） (2023-09-30T11:59:39Z) - Towards Artificial General Intelligence (AGI) in the Internet of Things
(IoT): Opportunities and Challenges [55.82853124625841]
人工知能(Artificial General Intelligence, AGI)は、人間の認知能力でタスクを理解し、学習し、実行することができる能力を持つ。
本研究は,モノのインターネットにおけるAGIの実現に向けた機会と課題を探究する。
AGIに注入されたIoTの応用スペクトルは広く、スマートグリッド、住宅環境、製造、輸送から環境モニタリング、農業、医療、教育まで幅広い領域をカバーしている。
論文 参考訳（メタデータ） (2023-09-14T05:43:36Z) - IoT trust and reputation: a survey and taxonomy [2.8998797177279076]
IoTは急速に成長している技術の1つで、2030年末までに10億以上のデバイスが世界中で利用できるようになると推定されている。
これらの接続エンティティの能力を最大化するためには、IoTエンティティ間の信頼と評価が不可欠である。
我々は,信頼管理の方法に基づいた信頼モデルと評価モデルを構築するため,新たな分類体系,すなわち新しい分類体系を提案する。
論文 参考訳（メタデータ） (2023-03-23T16:29:41Z) - The Internet of Federated Things (IoFT): A Vision for the Future and
In-depth Survey of Data-driven Approaches for Federated Learning [12.754922966044687]
IoT(Internet of Things)は、大きなパラダイムシフトの渦中にあります。
将来IoTシステムであるIoFTでは、クラウドは、モデルのトレーニングをエッジに持ってくる群衆によって置き換えられる。
本稿は、IoFTのビジョンと、このビジョンの実現に向けた現在の取り組みの体系的な概要を提供する。
論文 参考訳（メタデータ） (2021-11-09T18:52:26Z) - 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) - Federated Learning for Industrial Internet of Things in Future
Industries [106.13524161081355]
産業用IoT(Industrial Internet of Things)は,産業用システムの運用を変革する有望な機会を提供する。
近年、人工知能(AI)はインテリジェントIIoTアプリケーションの実現に広く利用されている。
フェデレートラーニング(FL)は、複数のIIoTデバイスとマシンを協調して、ネットワークエッジでAIトレーニングを実行することで、インテリジェントなIIoTネットワークにとって特に魅力的である。
論文 参考訳（メタデータ） (2021-05-31T01:02:59Z)
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。