Security Enhancement of IoT and Fog Computing Via Blockchain Applications

Hasan, Ramadan Th.; Ameen, Siddeeq Y.

doi:10.30880/jscdm.2021.02.02.003

Cited by 4 publications

(2 citation statements)

References 34 publications

Supporting

Mentioning

Contrasting

Unclassified

Order By: Relevance

“…Adapun data yang ditelusuri didapat pada periode dari tahun 2020 sampai tahun 2021. Dengan demikian, pengumpulan data ini termasuk menghabiskan waktu yang cukup lama [15].…”

Section: B Datasetunclassified

Data Mining dengan Segmentasi Pengguna pada Keamanan Sistem File

Pamuji¹

2022

JEPIN

View full text Add to dashboard Cite

Salah satu sumber daya yang menjadi pertimbangan kritis adalah sistem file. Hampir semuanya terlibat dalam menghubungkan pengguna dengan sistem file. Manajemen pengguna, file dan konfigurasi akan menjadi fokus permasalahan jika dikaitkan dengan keamanan. Pengguna pada sistem file dianggap memiliki identitas ketika terhubung dengan sistem. Disamping itu, atribut izin dan hak yang ada pada pengguna sebagai pelengkap identitas. Saat ini terjadi peningkatan aktiftas dalam sistem file sehingga menjadi lebih kompleks . Sistem yang kompleks dan pengguna yang belum terkelola dengan baik maka berpotensi ancaman keamanan file. Dalam studi ini, telah dilakukan penelusuran dan investigasi pada aktivitas dengan log riwayat aktivitas pengguna dalam sistem file khususnya pendekatan data mining . Metode klustering ditujukan untuk menganalisis dengan menghasilkan luaran pengetahuan berupa kluster. Pembentukan kluster ditunjang dengan teknik K-Means. Hasil pengelompokan menjadi segmentasi terhadap pengguna pada sistem file. Hasil akhir merepresentasikan adanya 5 kluster pada teknik K-Means. Model dengan teknik K-Means terbukti menjadi model yang efektif dibuktikan dengan nilai akurasi pada metode Davies Bouldin Index (DBI). Tambahan pengukuran lain adalah dengan F- Measures untuk meninjau hasil akurasi penempatan kluster pada kasus dengan teknik K-Means. Dengan demikian, metode klustering dengan teknik K-Means merupakan metode yang dianggap handal ketika mensegmentasikan data pengguna terkait dengan aktivitas pada sistem file.

show abstract

“…Adapun data yang ditelusuri didapat pada periode dari tahun 2020 sampai tahun 2021. Dengan demikian, pengumpulan data ini termasuk menghabiskan waktu yang cukup lama [15].…”

Section: B Datasetunclassified

Data Mining dengan Segmentasi Pengguna pada Keamanan Sistem File

Pamuji¹

2022

JEPIN

View full text Add to dashboard Cite

show abstract

“…Medical care offers both patients and laypeople a variety of help by functioning under these kinds of integrated systems. The medical services sector is setting up job openings in IT and non-IT areas, carrying out innovative work to develop new creative products and administrations, enabling the training sector by providing equitable assistance, creating companies for medical devices and pharmaceutical manufacturers [9]. Producer helps telemedicine producer, healthcare providers, travel industry and more.…”

Section: Introductionmentioning

confidence: 99%

An Adaptive Blockchain based Three-Tier Architecture in Fog based IoT for Personal Healthcare Data Application

Naidu,

Ganesh

2023

IJRITCC

View full text Add to dashboard Cite

To protect patient health data (PHD) and ensure the security of healthcare IoT devices, this paper presents an Advanced Signature-Based Encryption algorithm (ASE), a blockchain analytical model, a mathematical framework, and an Adaptive Fog Computing based Three-tier Architecture (AFCTTA). The aim is to enable safe access to real-time services and IoT for end users. This AFCTTA was constructed on a blockchain platform, providing trustworthy data transmission between patients, clinicians, fog nodes, and IoT. Additionally, a decentralized fog computing-based blockchain analytical model along with a mathematical framework were produced to ensure secure transfer of data and transactions within healthcare IoT. To ensure secure communication between devices and fog nodes, a private block chain was implemented in order to validate certificates and keys. As an added security measure, an ASE method was devised. This algorithm utilizes War Optimization Strategy (WOA) to select optimal keys for securing data from heterogeneous and homogeneous IoT healthcare equipment. Through its encryption process utilizing various cryptographic techniques, all traffic is encrypted before being decrypted once it reaches its intended destination. To validate its proposed approach, UCI machine library is collecting health care data. To execute this method, Python is utilized and compared to traditional algorithms such as Rivest-Shamir-Adleman (RSA), Elliptical Curve Cryptography (ECC), and Tiny Lightweight Symmetric Encryption-Aquila Optimization Algorithm (TLSE-AOA).

show abstract

A Review of the Various Machine Learning Algorithms for Cloud Computing

Amanuel

Ahmed

2022

2022 4th International Conference on Advanced Science and Engineering (ICOASE)

View full text Add to dashboard Cite

Security Enhancement of IoT and Fog Computing Via Blockchain Applications

Cited by 4 publications

References 34 publications

Data Mining dengan Segmentasi Pengguna pada Keamanan Sistem File

Data Mining dengan Segmentasi Pengguna pada Keamanan Sistem File

An Adaptive Blockchain based Three-Tier Architecture in Fog based IoT for Personal Healthcare Data Application

A Review of the Various Machine Learning Algorithms for Cloud Computing

Contact Info

Product

Resources

About