Blockchain-Enhanced Data Sharing With Traceable and Direct Revocation in IIoT 论文学习

本文提出一种基于区块链的智能工厂安全访问控制方案,支持数据的可追溯性和可撤销性,确保数据在工业物联网中的安全存储与共享。

Blockchain-Enhanced Data Sharing With Traceable and Direct Revocation in IIoT

IEEE TRANSACTIONS ON INDUSTRIAL INFORMA TICS,2021

Summary

Research Objective(s)

为了实现智能工厂数据的安全存储、访问控制、信息更新和删除,以及恶意用户的跟踪和撤销:在智能工厂工业物联网中提出了一种支持可追溯性和可撤销性的区块链增强安全访问控制方案。

Background / Problem Statement

目前,许多成熟的工业物联网云平台都可以为智能工厂服务。然而,由于工业物联网云平台的半可靠性特性,如何实现智能工厂数据的安全存储、访问控制、信息更新和删除,以及恶意用户的跟踪和撤销,成为一个亟待解决的问题。为了解决这些问题,本文在智能工厂工业物联网中提出了一种支持可追溯性和可撤销性的区块链增强安全访问控制方案:
区块链首先进行统一身份认证,并存储所有公钥、用户属性集和吊销列表。系统管理员生成系统参数,并向用户颁发私钥。域管理员负责制定域的安全策略和隐私保护策略,并执行域的加密操作。如果属性满足访问策略,且用户ID不在撤销列表中,则可以从边缘/云服务器获取中间解密参数。在决策双线性Diffie-Hellman (Decisional Bilinear Diffie-Hellman)假设条件下,恶意用户可以在各个阶段被跟踪和撤销,从而保证了系统的安全性,能够抵御多种攻击。

本文主要贡献:

  1. 首先,提出了一种基于属性的智能工厂访问控制方案,支持追溯和撤销。在DBDH假设下,它被证明是安全的。与其他方案相比,该方案公钥和私钥的大小更短,在公钥生成、数据加密和数据解密阶段的时间开销更小。
  2. 其次,使用区块链执行统一身份验证,并负责存储所有公钥、用户属性集和挂起列表。

Method(s)

System Architecture

安全和保护隐私的SFBD共享系统的框架:
System architecture
系统中有五个实体:Domain、Blcokchain、System Manage Server、Edge Server、Cloud Server Provider。

  1. Domain(域):智能工厂的基本管理单位,包括用户、设备、传感器和域管理员。生成构成SFBD的大量(所有类型的)数据。用户和管理员不仅可以访问自己域的数据,还可以访问来自其他域的数据。域管理员负责设置域安全和隐私保护策略,执
### 众包数据与安全计算下的隐私增强个性化安全路线规划 在研究隐私增强且个性化的安全路线规划方案时,结合众包数据与安全计算技术,可以实现用户隐私保护与路线规划精准性的双重目标。这种方案通常涉及多个技术维度,包括隐私保护、数据聚合、个性化推荐以及安全计算。 #### 1. 隐私保护机制 在利用众包数据时,隐私保护是首要任务。差分隐私(Differential Privacy)是一种有效的隐私保护方法,通过在数据中添加噪声,防止对个体信息的识别[^1]。此外,联邦学习(Federated Learning)允许数据在本地进行处理,仅共享模型参数或聚合结果,从而减少数据泄露的风险。 #### 2. 数据聚合与分析 众包数据通常来源于用户的移动设备或其他传感器,例如GPS轨迹、交通状况以及用户反馈。为了提高路线规划的准确性,需要对这些数据进行高效聚合和分析。基于同态加密(Homomorphic Encryption)的技术可以在不解密数据的情况下进行计算,确保数据在传输和处理过程中的安全性[^1]。 #### 3. 个性化安全路线规划 个性化路线规划依赖于用户的历史行为和偏好,例如常用地点、出行时间以及交通方式。通过机器学习算法(如协同过滤或深度学习模型),可以预测用户的需求并生成定制化的路线建议。结合安全多方计算(Secure Multi-Party Computation, SMPC),多个参与方可以在不共享原始数据的情况下共同完成计算任务,从而保护用户隐私[^1]。 #### 4. 安全计算技术 安全计算技术是实现隐私增强的关键。同态加密和安全多方计算是两种主要方法: - **同态加密**:允许直接对加密数据进行操作,计算结果在解密后与明文计算结果一致。 - **安全多方计算**:允许多个参与方在不泄露各自输入数据的情况下,共同完成一个计算任务。 这些技术可以用于隐私保护下的数据共享和计算,例如在路线规划中,多个用户可以共同计算最优路径,而无需暴露各自的地理位置[^1]。 #### 5. 系统架构与实现 一个典型的隐私增强且个性化的安全路线规划系统可能包括以下组件: - **数据采集层**:从用户设备收集众包数据,并应用差分隐私或联邦学习保护隐私。 - **数据处理层**:使用安全多方计算或同态加密对数据进行加密和处理。 - **个性化推荐层**:基于机器学习模型生成个性化路线建议。 - **安全计算层**:集成安全计算技术,确保数据在处理过程中的隐私性。 ```python # 示例代码:使用差分隐私添加噪声 import numpy as np def add_laplace_noise(data, epsilon=1.0, sensitivity=1.0): """ 向数据中添加拉普拉斯噪声以实现差分隐私 :param data: 输入数据 :param epsilon: 隐私预算 :param sensitivity: 查询的敏感度 :return: 加噪后的数据 """ scale = sensitivity / epsilon noise = np.random.laplace(0, scale, size=data.shape) return data + noise # 示例数据 data = np.array([10, 20, 30, 40, 50]) noisy_data = add_laplace_noise(data) print("加噪后的数据:", noisy_data) ``` ###
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值