基于区块链的物联网隐私保护访问控制技术研究

来源 :广西师范大学 | 被引量 : 0次 | 上传用户:zywlaoying
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
针对传统的物联网集中式访问控制模型,这些模型一般建立在可信第三方之上。物联网存在单点故障和数据篡改等问题,容易造成隐私泄露。此外,物联网设备还受到电力、内存,计算能力等限制,这种建立在可信第三方之上的访问控制模型面临巨大的管理和维护成本。随着物联网设备的急剧增加,这种模型无法满足物联网节点随时加入或离开的动态性特点,使得越来越多的物联网设备存在管理效率低等问题。因此,物联网的安全和隐私问题一直是物联网发展面临的一项挑战。而访问控制技术是目前被最广泛采用的安全技术之一,能够有效保护物联网的数据安全,防止用户的隐私泄露。
  区块链技术的出现为目前物联网环境的安全和隐私问题提供一种新型的解决方案。一些解决方案利用区块链的去中心化特点解决了传统的集中式访问控制容易出现的单点故障问题。一些解决方案利用智能合约解决了物联网访问控制权限的问题。虽然这些方案在一定程度上实现了安全性,但其可用性和隐私性并没有得到充分利用。由于公有链中的交易数据是公开透明的,其访问控制数据任然会暴露在隐私泄露的阴影之下。
  为解决基于区块链的物联网访问控制方案中的隐私问题,本文的主要研究工作包括以下几个方面:(1)为实现物联网安全和可信的访问控制,本文设计了一种解决基于区块链的物联网访问控制隐私问题的机制。该机制在现有的框架上设计了两个智能合约:授权合约和认证合约。通过智能合约可以实现去中心化和安全的访问控制管理。(2)为解决基于区块链的物联网访问控制中的隐私问题,本文在现有的隐私保护方案基础上,融合零知识证明和可信执行环境技术来保护物联网访问控制中的敏感信息。利用零知识证明技术来确保交易的正确性,利用可信执行环境来保护智能合约的机密性和完整性。(3)为解决物联网设备访问管理的效率问题,本文采用基于角色的访问控制模型,并对其进行了改进,可以简化授权管理,实现了更灵活,更精确的访问控制。(4)为证明该框架的可行性和有效性,本文进行了多次实验,从零知识证明效率,交易的吞吐量,物联网设备的响应时间三个方面进行了分析。实验结果表明,该框架拥有较底的延迟和较高的吞吐,可以实现精确和安全的访问控制,保证访问管理的高效率。
其他文献
MEMS扫描微镜是伴随着微机电系统技术的快速发展而逐渐得到广泛关注的一种微型光学器件,由于其具有体积小、成本低、功耗低、灵敏度高、可批量生产等许多优良特性,因此在高清投影显示、现代光学通讯、以及下一代激光雷达等诸多领域有着十分广阔的应用前景。近年来,国内外大量的研究员对MEMS扫描微镜展开深入的研究,通过分析微镜所固有的特性,设计该系统的控制器来提高微镜的性能,MEMS扫描微镜的控制已经逐渐成为一
学位
学位
学位
阴影在自然界中无所不在,它由于在光传播途径中存在遮挡物而产生。阴影的出现有利有弊,弊端在于它会干扰许多现有的图像、视频的处理与分析任务,而有利点在于阴影其实隐含了光源和场景中的物体信息,有利于场景中的目标理解。因此研究阴影的检测与去除方法兼具理论与现实意义,但它历来也被认为是机器视觉中一个极富挑战性的任务。阴影的检测算法按其特征的设计思路分为传统的基于人为构建特征的检测与利用深度学习网络进行检测这
学位
学位
学位
视频哈希作为数字媒体内容安全领域的一个重要研究课题,近年来受到研究人员的广泛关注,现已成功应用于视频拷贝检测、视频认证、视频检索和视频篡改检测等方面。视频哈希算法可以从一个输入视频中提取出一串基于内容的、简短的数字或比特序列,该序列称为输入视频的视频哈希。在实际应用中,可以用视频哈希来代表视频本身,有效地降低视频的存储代价和视频相似计算的复杂度。通常,视频哈希算法应该满足两个基本属性,即鲁棒性和唯
学位
图像描述主要解决的问题是如何使用自然语言自动描述图像的内容,该研究主要涉及了计算机视觉和自然语言处理两个研究领域,是人工智能中一项重要的研究工作。随着数字图像的广泛使用和传播,其信息价值飞速增长,图像描述作为图像与自然语言的桥梁,具有广阔的应用前景。图像描述可广泛应用于图像检索、语义视觉搜索、多模态检索、对话机器人的视觉智能、视障辅助、军情侦察、智能监控等。  本论文研究细粒度图像描述方法,使计算
互联网不断地发展带来了海量的高维数据,其特点是维度众多,而其中许多维度价值密度相对较低。如何在众多维度中找到价值高的维度,是许多研究者研究的问题;而且由于数据的快速增长以及赋予数据类别标签的成本高昂,越来越多的数据没有标签。因此,特征选择、半监督学习成为研究的热点。此外,由于图模型可以模拟数据的流形结构,有很好的数据表达能力,因而结合特征选择、半监督以及图学习理论的基于图的半监督特征选择进入大家的
图结构数据,像交通运输网、地铁网络和社交网络等在现实世界中大量存在。因此,学习并理解图是机器学习中的关键。目前关于图的研究主要分为:图分类和节点分类。节点分类通过给定一个在某些节点上带有标签的网络,它将预测该网络上其他节点的标签,是网络挖掘中非常重要的任务。节点分类实际上是一个机器学习问题,它将机器学习中的分类模型应用到了网络中。节点分类本质是对已有的分类模型进行改进,使其获得更好的分类效果。图表
学位