論文の概要: Decentralised Trust and Security Mechanisms for IoT Networks at the Edge: A Comprehensive Review
- arxiv url: http://arxiv.org/abs/2604.17179v1
- Date: Sun, 19 Apr 2026 00:39:15 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-04-21 21:52:52.374045
- Title: Decentralised Trust and Security Mechanisms for IoT Networks at the Edge: A Comprehensive Review
- Title（参考訳）: IoTネットワークのエッジにおける分散信頼とセキュリティメカニズム: 総合的なレビュー
- Authors: Khandoker Ashik Uz Zaman, Mahdi H. Miraz, Mohammed N. M. Ali,
- Abstract要約: IoTとエッジコンピューティングの普及により、分散された信頼とセキュリティメカニズムの需要が高まっている。
本稿では,エッジにおけるネットワークの確保の観点から,最先端の分散化機構について検討する。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: INTRODUCTION: The proliferation of the amalgamation of IoT and edge computing has increased the demand for decentralised trust and security mechanisms capable of operating across heterogeneous and resource-limited devices. Approaches such as federated learning, Zero Trust architectures, lightweight blockchain and distributed neural models offer alternatives to centralised control. OBJECTIVES: This review examines various state-of-the-art decentralised mechanisms and evaluates their effectiveness in terms of securing IoT networks at the edge. METHODS: Thirty recent studies were analysed to compare how decentralised architectures establish trust, support secure communication and enable intrusion and anomaly detection. Frameworks, such as DFGL-LZTA, SecFedDNN and COSIER were assessed. RESULTS: Decentralised designs enhance privacy, reduce single points of failure and improve adaptive threat response, though challenges remain in scalability, efficiency and interoperability. CONCLUSION: The study identifies key considerations and future research needs for building secure and resilient trust-aware IoT edge ecosystems.
- Abstract（参考訳）: INTRODUCTION: IoTとエッジコンピューティングの融合の増大により、異種およびリソース制限されたデバイス間で動作可能な分散信頼とセキュリティメカニズムの需要が増加した。
フェデレートラーニング、ゼロトラストアーキテクチャ、軽量ブロックチェーン、分散ニューラルモデルといったアプローチは、集中型制御に代わる手段を提供する。
OBJECTIVES: このレビューでは、最先端のIoTネットワークのセキュリティの観点から、さまざまな最先端の分散メカニズムを調べ、その有効性を評価する。
方法: 分散アーキテクチャが信頼を確立し、セキュアなコミュニケーションをサポートし、侵入と異常検出を可能にする方法を比較するために、最近の30の研究が分析された。
DFGL-LZTA、SecFedDNN、COSIERなどのフレームワークが評価された。
RESULTS: 分散設計はプライバシを高め、単一障害点を削減し、適応的な脅威応答を改善する。
ConCLUSION: この研究は、セキュアでレジリエンスに配慮したIoTエッジエコシステムを構築する上で、重要な考慮事項と今後の研究ニーズを特定します。
関連論文リスト
- Privacy-Preserving Machine Learning for IoT: A Cross-Paradigm Survey and Future Roadmap [6.178815764761489]
モノのインターネット(Internet of Things)の急速な普及により、堅牢なプライバシー保護機械学習メカニズムへの需要が高まっている。
この調査では、プライバシ保護機械学習のIoT中心、クロスパラダイム分析を包括的に紹介する。
論文 参考訳（メタデータ） (2026-03-13T20:19:18Z) - A Secure and Private Distributed Bayesian Federated Learning Design [56.92336577799572]
DFL(Distributed Federated Learning)は、中央パラメータサーバを持たない大規模システム間の分散モデルトレーニングを可能にする。
DFLは、3つの重要な課題に直面している: 正直な隣人からのプライバシー漏洩、中央調整の欠如による収束の遅さ、モデルの精度の低下を目指すビザンティンの敵に対する脆弱性。
本稿では,ビザンチンの堅牢性,プライバシー保護,収束促進を統合した新しいDFLフレームワークを提案する。
論文 参考訳（メタデータ） (2026-02-23T16:12:02Z) - 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) - Federated Learning-Driven Cybersecurity Framework for IoT Networks with Privacy-Preserving and Real-Time Threat Detection Capabilities [0.0]
従来の集中型セキュリティ手法は、IoTネットワークにおけるプライバシ保護とリアルタイム脅威検出のバランスをとるのに苦労することが多い。
本研究では,IoT環境に特化したフェデレート学習駆動型サイバーセキュリティフレームワークを提案する。
局所的に訓練されたモデルのセキュアアグリゲーションは、同型暗号を用いて達成され、機密情報を漏らさずに協調学習が可能である。
論文 参考訳（メタデータ） (2025-02-14T23:11:51Z) - Unleashing the Power of Continual Learning on Non-Centralized Devices: A Survey [37.07938402225207]
非連続学習(NCCL)は、分散デバイスが共同の非定常環境からストリーミングデータを処理できるようにするための新たなパラダイムとなっている。
本調査は,非集中型連続学習アルゴリズムの開発と,分散デバイスへの実環境展開に焦点を当てる。
論文 参考訳（メタデータ） (2024-12-18T13:33:28Z) - Robust Zero Trust Architecture: Joint Blockchain based Federated learning and Anomaly Detection based Framework [17.919501880326383]
本稿では,IoTネットワーク内の効率的なリモートワークとコラボレーションを支援する分散システムに適した,堅牢なゼロトラストアーキテクチャ(ZTA)を紹介する。
ブロックチェーンベースのフェデレーション学習原則を使用することで、当社のフレームワークは、漏洩したクライアントからの悪意のある更新を防止すべく、堅牢な集約メカニズムを備えている。
このフレームワークは異常検出と信頼計算を統合し、セキュアで信頼性の高いデバイスコラボレーションを分散的に保証する。
論文 参考訳（メタデータ） (2024-06-24T23:15:19Z) - Performance Analysis of Decentralized Physical Infrastructure Networks and Centralized Clouds [42.37170902465878]
DePIN(Decentralized Physical Infrastructure Networks)は、データの主権と機密性を高め、単一障害点に対するレジリエンスを高めることを目的としている。
この研究は、モノのインターネット(IoT)デバイスとブロックチェーンの組み合わせによる暗号経済設計を活用することで、DePINが従来の集中型アーキテクチャを破壊できる可能性に焦点を当てている。
論文 参考訳（メタデータ） (2024-04-12T08:00:38Z) - Combining Decentralized IDentifiers with Proof of Membership to Enable Trust in IoT Networks [44.99833362998488]
本稿は、同じ管理ドメイン下でのIoTノードの代替(相互)認証プロセスを提案し、議論する。
第一の考え方は、分散ID(Decentralized IDentifier, DID)に基づく秘密鍵所有権の検証と、DIDが進化した信頼された集合に属するという証明の検証を組み合わせることである。
論文 参考訳（メタデータ） (2023-10-12T09:33:50Z) - Networked Communication for Decentralised Agents in Mean-Field Games [59.01527054553122]
平均フィールドゲームフレームワークにネットワーク通信を導入する。
当社のアーキテクチャは、中央集権型と独立した学習ケースの双方で保証されていることを証明しています。
ネットワーク化されたアプローチは、障害の更新や人口規模の変化に対する堅牢性という点において、両方の選択肢に対して大きなメリットがあることが示されています。
論文 参考訳（メタデータ） (2023-06-05T10:45:39Z)
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。