Video Experimental Relacionado
Updated: Feb 11, 2026

HPLC Coupled with Chemical Fingerprinting for Multi-Pattern Recognition for Identifying the Authenticity of Clematidis Armandii Caulis
Published on: November 11, 2022
Un esquema de autenticación federado escalable y seguro para el IoT
Premkumar Chithaluru1,2, B Veera Jyothi3, Fahd S Alharithi4
1Symbiosis Institute of Technology, Hyderabad Campus, Symbiosis International (Deemed University), Pune, India.
Este estudio presenta ScLBS, un novedoso esquema de autenticación para redes de Internet de las Cosas (IoT). ScLBS utiliza el aprendizaje federado (FL) para mejorar la seguridad y la escalabilidad, al tiempo que reduce el consumo de recursos en los dispositivos IoT.
Área de la Ciencia:
- Ciencias de la Computación
- Seguridad de Redes
- Criptografía
Sus antecedentes:
- Las redes de Internet de las Cosas (IoT) enfrentan importantes desafíos de autenticación debido a las limitaciones de recursos y las topologías dinámicas.
- Los métodos de autenticación tradicionales como los esquemas basados en contraseñas y los dirigidos por certificados no son adecuados para implementaciones de IoT a gran escala debido a la alta sobrecarga.
- La falta de infraestructuras de confianza centralizadas complica la comunicación segura en entornos IoT distribuidos.
Objetivo del estudio:
- Proponer ScLBS, un esquema de autenticación autocertificado basado en aprendizaje federado (FL) para entornos IoT distribuidos y sostenibles.
- Permitir la derivación descentralizada de claves públicas y mejorar la adaptación de la confianza sin depender de autoridades de certificación de terceros.
- Mejorar la resistencia contra diversos ataques como suplantación de identidad, Sybil y ataques de repetición en redes IoT.
Principales métodos:
- Integración de criptografía de clave pública autocertificada con adaptación de confianza impulsada por FL.
- Implementación de un mecanismo de conocimiento cero y autenticación consciente de la ubicación.
- Utilización de la gestión jerárquica de claves con un árbol [Fórmula: ver texto] para la reasignación de claves de grupo eficiente y la preservación de la confidencialidad.
- Verificación formal de seguridad utilizando ProVerif bajo el modelo de adversario Dolev-Yao.
- Evaluación del rendimiento a través de simulaciones NS-3 y análisis de ablación.
Principales resultados:
- ScLBS demuestra un menor retraso de autenticación y una menor sobrecarga de mensajes en comparación con los esquemas de autenticación IoT existentes.
- Se observó una mejor utilización de la red y una menor consumo de energía en las simulaciones.
- El esquema mantiene una sobrecarga de aprendizaje federado limitada mientras garantiza la seguridad.
- La verificación formal confirmó la confidencialidad de las claves privadas y de sesión y la corrección de la autenticación.
Conclusiones:
- ScLBS ofrece un equilibrio entre seguridad, escalabilidad y eficiencia de recursos para redes IoT restringidas.
- El esquema propuesto aborda eficazmente los desafíos fundamentales de la autenticación segura y escalable en IoT.
- La integración del aprendizaje federado resulta beneficiosa para la adaptación de la confianza y la gestión descentralizada de claves en entornos IoT.
Videos de Conceptos Relacionados
The Z-Scheme of Electron Transport in Photosynthesis
Avoidance Learning and Learned Helplessness
Avoidance learning occurs when an organism learns that a specific behavior can prevent an unpleasant outcome. For example, a student who receives a bad grade may start studying harder to avoid future poor grades. This behavior persists even when the negative outcome is no longer present. Avoidance learning is powerful because it maintains behavior in the absence of the...
Associative Learning
Classical conditioning, also known...
Purposive Learning
Observational Learning
Learning Disabilities
Dyslexia
Dyslexia is a...

