最新论文笔记(+1):Towards Secure Industrial IoT: Blockchain System with Credit-Based Consensus Mechanism

Towards Secure Industrial IoT: Blockchain System with Credit-Based Consensus Mechanism(面向安全工业物联网:基于信用共识机制的区块链系统)

本篇论文主要涉及了区块链(Blockchain)和工业物联网(Industrial Internet of Thing, IIOT)领域,通过将引入一种 “新的”共识机制以解决安全和隐私等问题。这篇也是基于区块链的物联网安全方向具有代表性的论文,以下是我个人对这篇论文的理解和个人思考,仅供参考。

一、写作背景

论文名称作者 / 单位来源年份简要内容
Towards Secure Industrial IoT: Blockchain System with Credit-Based Consensus MechanismJunqin Huang (上海交通大学)IEEE Transactions on Industrial Informatics2019面向工业IoT,提出了一种基于信用的共识机制的区块链系统

通过这篇论文了解到,现有IIoT系统容易出现单点攻击恶意攻击,它不能提供稳定的服务,传统区块链是强耗电-低输出的,并不适用能力受限的IoT设备。IoT目前需要面对三个主要的挑战效率和安全之间的权衡透明度和隐私共存高并发性和低输出之间的矛盾。以此为写作背景,作者提出了一种基于信任的共识机制的区块链系统。

二、主要内容

本篇论文的作者提出了一种基于信任的共识机制的区块链系统,同时能保证系统安全和交易效率。为了保护敏感数据的机密性,作者设计了一个数据权限管理方法去控制对传感器数据的访问。另外,本论文建立基于有向无环图(Directed Acyclic Graph,DAG)架构的区块链tangle(纠缠)**,在性能上比传统区块链更高效。

2.1 什么叫tangle网络?(论文未具体介绍)

在读论文前,我们需要了解什么叫tangle网络?具体怎样的一个构造?以及怎样理解这个网络?

  • Tangle 网络是在2014年,由IOTA (埃欧塔) 基金会专门为物联网而设计的新型数据结构。(IOTA的详细介绍) 。IOTA与Tangle的关系类似于Bitcoin和区块链的关系。我们用一个含有20笔交易的tangle网络来作为例子讲解,如下图所示,其中白色方块表示已经确认的交易,灰色方块表示未经确认的交易。IOTA可视化网址
    tangle网络
  • (1)区块单元转变成了交易单元:它消除了区块的概念,每笔交易都是链接在分布式分类中的单个节点。在提交一个新交易之前,它必须验证两个已经附加在一起的前交易(在tangle中未验证的交易),这称为tips。然后,通过工作量证明(POW)算法,新交易与前两个交易捆绑在一起,新的交易可以广播到tangle网络。每笔新交易都将在以后由其他更新的交易进行验证。
  • (2)单链结构转变成了网络拓扑结构:传统链结构的区块链采用同步共识,而tangle采用了异步共识。DAG结构的区块链并不是一直被单一的主链和分叉所约束,交易之间的关系看起来就像一个错综复杂的网络。这种新颖的体系结构和共识机制可以从理论上提高网络吞吐量和系统响应时间。
  • 另外,交易不仅要被确认,还需要被大部分节点确认,以保证该交易的真实可靠性,tangle网络引入了一个累加权重(Cumulative Weight)概念,只有当累加权重越大,代表该交易更确信。例如,如下图所示,其中红色框框和线条表示交易7直接确认间接确认的交易,蓝色框框和线表示直接确认或间接确认交易7的所有交易。交易7的累加权重等于13,它是由直接确认的交易8、9、10共3次,加上间接确认的交易11、12、13、14、15、16、17、18、19共9次,再加上自身1次,共13次确认。而累加权重下面的是置信度(Confidence),确认交易的次数越多,其置信度越高,代表该笔交易可信度越高。

tangle网络

2.2 论文架构及内容

本篇论文主要提出了系统体系结构、基于信用POW机制和数据权限管理方法等三个方面。

  • (1) 系统体系结构:作者假设了一个小型的智能工厂场景,并根据该场景中的功能划分为轻节点全节点。轻节点:为功率受限的IoT设备,不存储区块链信息,可验证、运行POW算法和发送新的交易到全节点。全节点:为更强大的设备,如网关和服务器,主要维护整个区块链网络。如下图所示,为基于区块链的工业IoT系统架构。
    系统体系结构

    • 无线传感器节点:初始化生成区块链账号,即一对公开秘密密钥 ( P K , S K ) (PK, SK) (PK,SK),作为系统中唯一的标识符。
    • 网关:作为全节点接收来自各种传感器的请求,并在tangle中广播交易,并只处理来自合法的,经过授权的传感器交易。
    • 管理者:为一个特定的全节点,负责管理IoT设备。管理器的公钥编码到网关中的软件中,只有管理器有权发布设备的授权列表,并管理IoT设备的添加/删除。
    • tangle网络:为公共的区块链网络,任何一方都可以访问该网络。网关保证了网络的安全,并通过广播交易和保留区块链的副本来保持稳定。
  • (2) 基于信用PoW机制:该部分应该是本篇论文的核心,主要是引入了节点的信用函数表达式,并将PoW机制的难度值与每个节点的信用值成反比关系

    • 作者定义了具有信用值 C r i Cr_i Cri属性的节点 i i i,其中 C r i Cr_i Cri为Positive影响部分 C r i P Cr_i^P CriP与Negative影响部分 C r i N Cr_i^N CriN的累加和。
      C r i = λ 1 C r i P + λ 2 C r i N Cr_i=\lambda _1Cr_i^P+\lambda _2Cr_i^N Cri=λ1CriP+λ2CriN
      其中 λ 1 \lambda _1 λ1 λ 2 \lambda _2 λ2分别为对应的系数,可根据惩罚的难度动态调整。其信用值会根据节点的行为实时变化。正常行为会增加信用价值,异常行为会降低信用值。POW机制的难度根据每个节点的信用值自适应调整,信用值越低,运行时间越长。因此,该机制将使诚实节点消耗更少的资源,同时迫使恶意节点增加攻击代价。tangle网络是透明的,可以从DAG网络中获取所有传感器的交易信息和它们之间的关系。该系统中POW的难度与信用评分成反比,信用评分在整个系统周期内动态调整。
    • C r i P Cr_i^P CriP与节点在单位时间内的正常交易数量正相关,即通过节点活跃度来度量,定义为:
      C r i P = ∑ k = 1 n i ω k Δ T Cr_i^P=\frac {\sum _{k=1}^{n_i}\omega_k}{\Delta T} CriP=ΔTk=1niωk
      其中, ω k \omega_k ωk为第 k k k次交易验证的次数, Δ T \Delta T ΔT为单位时间。
    • C r i N Cr_i^N CriN与节点恶意行为次数负相关,定义为:
      C r i N = − ∑ k = 1 m i α ( β ) Δ T t − t k Cr_i^N=-\sum_{k=1}^{m_i}\alpha (\beta )\frac {\Delta T}{t-t_k} CriN=k=1miα(β)ttkΔT
      α ( β ) { α l , 如果 β 是lazy tips行为 α d , 如果 β 是double-spending行为 \alpha (\beta )\begin{cases}\alpha_l, & \text{如果$\beta $是lazy tips行为} \\\alpha_d, & \text{如果$\beta $是double-spending行为}\end{cases} α(β){αl,αd,如果βlazy tips行为如果βdouble-spending行为
      其中 t k t_k tk表示恶意攻击时间, t t t为当前时间, β \beta β为恶意节点的行为, α ( β ) \alpha(\beta ) α(β)为惩罚系数。
  • (3) 数据权限管理方法:作者提出了一种数据权限管理方法来支持系统中传感器数据的访问控制,和一种无需中央信任方的密钥分发方案。因此可以利用公开密钥加密来分发对称密钥,一次密钥分发分为三个步骤,如下图所示。
    数据权限管理方法

    • 步骤1:Manager生成对称密钥 S K s SK_s SKs,并发送消息 M 1 M_1 M1给IoT设备。
    • 步骤2:IoT设备解密 M 1 M_1 M1,并获得对称密钥,并发送 M 2 M_2 M2给Manager。
    • 步骤3:Manager在 M 3 M_3 M3中返回 n o n c e b nonce_b nonceb来完成这一轮的密钥分发。
    • 注:Manager只向收集敏感数据的设备分发密钥。生成对称密钥只执行一次,每条消息( M i M_i Mi)都使用发送方的密钥签名,以确保接收到的消息不被篡改或损坏。每个消息中的时间戳( T S TS TS)标识消息的时效性,用于抵抗重放攻击。

三、个人思考与总结

作者基于工业IoT的安全问题,提出了一种基于信用的共识机制的区块链系统。

  • 总体来说,本篇论文提出了三对相斥特性的权衡问题(包括安全vs效率、透明度vs隐私和高并发vs低输出)这是目前所有解决方案必须面对的问题,我觉得这种特性权衡的问题也是一个小亮点
  • 整体来看,该方案并不复杂,主要介绍了新型的系统体系结构、基于信用PoW共识和数据权限管理方法三个方面,个人觉得基于信用的POW机制算是比较新颖的点。
  • 利用基于DAG结构的区块链实现该系统的体系结构以提高系统的吞吐量,基于信用POW机制有效防御恶意攻击和降低诚实节点的功耗,以及数据权限管理方法有效地保证一个透明系统中数据的保密性。
注:此文仅大致介绍该论文,若想获取详细内容,请点击下载PDF版,里面更加详细,覆盖面更广。
  • 5
    点赞
  • 12
    收藏
    觉得还不错? 一键收藏
  • 5
    评论
### 回答1: Faster R-CNN是一种基于区域建议网络(Region Proposal Networks,RPN)的物体检测算法,旨在实现实时物体检测。它通过预测每个区域是否含有物体来生成候选框,并使用卷积神经网络(CNN)来确定候选框中的物体类别。Faster R-CNN在提高检测精度的同时,也显著提高了检测速度。 ### 回答2: 在计算机视觉领域中,目标检测一直是热门研究的方向之一。近年来,基于深度学习的目标检测方法已经取得了显著的进展,并且在许多实际应用中得到了广泛的应用。其中,Faster R-CNN 是一种基于区域建议网络(Region Proposal Networks,RPN)的目标检测方法,在检测准确率和速度之间取得了很好的平衡,能够实现实时目标检测。 Faster R-CNN 的基本框架由两个模块组成:区域建议网络(RPN)和检测模块。RPN 主要负责生成候选目标框,而检测模块则利用这些候选框完成目标检测任务。具体来说,RPN 首先在原始图像上以多个尺度的滑动窗口为基础,使用卷积网络获取特征图。然后,在特征图上应用一个小型网络来预测每个位置是否存在目标,以及每个位置的目标边界框的坐标偏移量。最终,RPN 根据预测得分和位置偏移量来选择一部分具有潜在对象的区域,然后将这些区域作为候选框送入检测模块。 检测模块的主要任务是使用候选框来检测图像中的目标类别和位置。具体来说,该模块首先通过将每个候选框映射回原始图像并使用 RoI Pooling 算法来获取固定大小的特征向量。然后,使用全连接神经网络对这些特征向量进行分类和回归,以获得每个框的目标类别和精确位置。 相比于传统的目标检测方法,Faster R-CNN 具有以下优点:首先,通过使用 RPN 可以自动生成候选框,避免了手动设计和选择的过程;其次,通过共享卷积网络可以大大减少计算量,提高效率;最后,Faster R-CNN 在准确率和速度之间取得了很好的平衡,可以实现实时目标检测。 总之,Faster R-CNN 是一种高效、准确的目标检测方法,是深度学习在计算机视觉领域中的重要应用之一。在未来,随着计算机视觉技术的进一步发展,Faster R-CNN 这类基于深度学习的目标检测方法将会得到更广泛的应用。 ### 回答3: Faster R-CNN是一种结合了深度学习和传统目标检测算法的新型目标检测方法,旨在提高目标检测速度和准确率。Faster R-CNN采用了Region Proposal Network(RPN)来生成候选区域,并通过R-CNN网络对候选区域进行分类和定位。 RPN是一种全卷积神经网络,用于在图像中生成潜在的候选区域。RPN通常在卷积特征图上滑动,对每个位置预测k个候选区域和其对应的置信度得分。这样,对于输入图像,在不同大小和宽高比的Anchor上预测候选框,可以在计算上更有效率。 R-CNN网络利用卷积特征图作为输入,对RPN生成的候选区域进行分类和精确定位。与以前的目标检测方法相比,Faster R-CNN使用了共享卷积特征,使得整个检测网络可以端到端地进行训练和优化,缩短了训练时间,同时也更便于理解和改进。 Faster R-CNN不仅具有较高的准确性,还具有较快的检测速度。在各种基准测试中,Faster R-CNN与其他目标检测算法相比,都取得了优异的性能表现。总之,Faster R-CNN将目标检测引入了一个新的阶段,为实时目标检测提供了一个良好的基础。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 5
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