和对手。通过模拟实验,有人声称块大小对传播时间有很大影响。在本研究中,我们专注于通过优化块大小和最小化延迟来提高具有 PoW 共识的区块链网络的性能。虽然有关于块传播和传输时间的各种研究,但它们并没有从块大小的最佳值的角度来考虑。此外,他们也没有考虑块创建时间,其中包括 Merkle 树生成时间和每个块的开销,这些是我们研究中考虑的因素。预期的挖矿时间取决于目标难度和矿工的计算能力,因为它们不依赖于块大小,所以不在本研究中。另一方面,块大小限制决定了 TPS,它被认为是本研究中优化的参数之一。在本研究中,定义了多目标问题来优化块大小。优化问题的目的是提高具有 PoW 共识的基于区块链的网络的性能。
本研究重点关注物理不可克隆功能 (PUF) 在军事物联网 (IoT) 环境中的适用性。由于某些制造过程细节的物理特性不可控,PUF 可以被视为基于硬件的熵源。这种熵源在某些情况下非常便宜,在硬件安全方面很有前景。但是,当前的实现有些脆弱,尤其是对机器学习攻击。尽管存在漏洞,但 PUF 为安全性较低的环境提供了廉价且简单的解决方案,并且已在商业上使用。在此处进行的比较研究中,PUF 可能会缩小现有的 IoT 攻击面 - 这意味着尽管理想的 PUF 似乎很难实现,但当前的 IoT 安全状态欢迎任何和所有更好的安全解决方案。在军事环境中,应通过将安全模型与特定 PUF 实现的功能进行比较来验证每个用例。最有前途的军事应用领域是按以下顺序保护物流、智能设备、医疗保健、态势感知(传感器数据)、蓝军跟踪和任务 ICT 服务中的物联网技术。技术用例围绕物联网硬件的加密密钥存储、身份验证、服务配置和防篡改证据展开
分布式拒绝服务 (DDoS) 攻击是一种恶意攻击,它通过使用大量互联网流量淹没目标或其周围的基础设施来破坏目标服务器、服务或网络的正常流量。一种可能的防御策略是采用有效的基于工作量证明 (PoW) 的系统 [3]、[1]、[2]。PoW 系统的工作原理是要求传入的网络请求花费精力解决任意数学难题,以防止任何人攻击系统。在基于 PoW 的系统中,客户端必须投入一些计算(CPU 周期、带宽等)来解决难题以证明其真实性。PoW 系统通常由三部分组成:发行者、求解者和验证者。发行者(也称为生成器)将难题发布给求解者,求解者求解并将解决方案发送给验证者。在简单的联网客户端-服务器环境中,服务器包含发行者/生成器和验证者组件,而客户端是解算器。在本文中,我们构建了一个人工智能 (AI) 辅助的 PoW 框架。我们创建了一个“自适应”发行者,它可以生成具有不同难度的谜题。该系统背后的想法是通过向不可信连接发布“难”谜题来惩罚不可信连接,同时为可信请求提供“简单”谜题。至关重要的是,这些挑战会在环境中为不可信连接引入延迟。可以使用传入流量特定功能来区分可信/不可信客户端。换句话说,AI 子系统可以为传入请求计算信誉分数,从而指导谜题生成器。我们的框架有两个有用的属性。首先,每个客户端都需要为使用系统支付费用,并且随着客户端信誉分数的下降,该费用会增加。其次,难题的工作量是自适应的,可以进行调整。该框架将确保信誉评分较低的客户端比信誉评分较低的客户端接收服务器响应的延迟更长。