💻 コンピュータサイエンス

On-Chain Anchoring-Based Information Security on Iot for Secure Smart-City Using Pekeccak and Gsbdostlru

本論文は、PEKeccakベースのオンチェーン・アンカリングを高度な暗号技術および機械学習手法と統合することで、ゲートウェイレベルのログ改ざんを防止する安全なスマートシティ・フレームワークを提案し、98.91%の完全性検証成功率を達成している。

原著者： Pullaiah Chowdary Vutla, Basker Ganesan, Triveni Yenugu

公開日 2026-11-12

📖 1 分で読めます☕ さくっと読める

CC BY 4.0

原著者： Pullaiah Chowdary Vutla, Basker Ganesan, Triveni Yenugu

原論文は CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/) でライセンスされています。 ✨ これは以下の論文のAI生成解説です。著者が執筆または承認したものではありません。技術的な正確性については原論文を参照してください。免責事項の全文を読む

現代のスマートシティという広大なデジタル神経系の中では、数え切れないほどの小型デバイスが、交通の流れを維持し、明かりを灯し、公共空間の安全を守るために絶え間なく働いています。これらのモノのインターネット（IoT）センサーは絶え間ないデータの流れを収集していますが、この膨大なネットワークは、ある持続的な脆弱性に直面しています。それは、情報を収集して送信するゲートウェイが欺かれる可能性があることです。もし悪意のある者がこれらのゲートウェイにおけるログを改ざんすれば、都市全体の意思決定プロセスが損なわれ、混乱や危険を招くことになります。これを解決するために、研究者たちは2つの強力な概念の組み合わせに注目しています。第一に、ブロックチェーンは、一度書き込まれると全員に気づかれることなく消去や変更ができない、不変の公開台帳、すなわちデジタルの記録として機能します。第二に、高度な暗号技術は、将来の量子コンピューターによる脅威に対しても、データ自体を秘密かつ安全に保つための数学的な鍵を提供します。課題は、これらの重厚なセキュリティツールを、都市を動かす小型でエネルギー効率の高いデバイス上で動作させるほど軽量化しつつ、同時に、実害が出る前に未知の新しい攻撃を検知できるシステムにすることでした。

ある研究チームは、データをブロックチェーンに直接アンカー（固定）させると同時に侵入者をチェックすることで、この繊細なエコシステムを保護するために設計された新しいフレームワークを提案しました。彼らのアプローチは、センサーが生の情報を収集する、まさにその源泉から始まります。このシステムは、データをそのままの状態で送るのではなく、将来の量子コンピューティング攻撃に耐性のある特殊な形式の暗号を用いて、即座に保護層で包み込みます。これにより、たとえデータが傍受されたとしても、読み取れない状態が保証されます。また、研究者たちは、このデータを解読するために必要な秘密鍵を分割する手法も導入しました。鍵を一箇所に保管して盗難のリスクを負わせるのではなく、システムは鍵を断片に分解し、異なる場所に保存します。これにより、攻撃者が情報を解読するためには、分散されたすべての断片を見つけ出す必要があり、断片が適切に管理されていれば、それはほぼ不可能な作業となります。

データが保護され、鍵が安全に配布されると、システムはローカルコンピュータが情報を処理するネットワークのエッジへと移行します。ここでは、研究者たちは侵入検知システムと呼ばれる洗練されたセキュリティガードを配備しました。既知の脅威のみを認識する従来のシステムとは異なり、この新しいガードは、ネットワークトラフィック内の異常なパターンを検知するように訓練された学習モデルを使用しています。これは、単に既知の悪い挙動のリストを待つのではなく、新しいタイプの攻撃が発生するたびにそれらを学習するように特別に設計されました。この学習プロセスをより迅速かつ正確にするために、システムは、鋭い視力と敏捷性で知られる大型の wading bird（ wading bird / wading bird ）であるヘビクイチョウの狩りと逃避の行動にインスピレーションを得た最適化戦略を用いて微調整されました。これにより、システムは古い考え方に固執することなく、新しい脅威に素早く適応することが可能になりました。

データがセキュリティチェックを通過すると、ブロックチェーンへの最終的な旅の準備が整います。記録される前に、システムはデータのユニークなデジタル指紋を作成します。多忙な都市においてこのプロセスを十分に高速化するため、研究者たちはデータの順序と流れを分析して軽量なバージョンの指紋を作成する手法を用いました。この指紋はその後、ブロックチェーンに恒久的にアンカーされ、そのデータが特定の時刻に存在し、改ざんされていないことを証明する不変の記録となります。研究によれば、この手法はデータの完全性をほぼ99パーセントのケースで検証することに成功し、従来の手法よりも大幅な改善を示しました。さらに、システムは99パーセントを超える精度で侵入を検知し、単純なパスワード推測から複雑な分散型サービス拒否（DDoS）攻撃に至るまで、幅広い攻撃を正しく特定しました。

これらの結果は、この階層化されたアプローチがスマートシティの未来に向けた強固な防御を提供することを示唆しています。量子耐性暗号、分割鍵ストレージ、そして適応型学習システムを組み合わせることで、研究者たちは安全かつ効率的なフレームワークを作り上げました。システムは、実用的な速度でデバイスの認証とデータの保護を行い、データ処理時間はわずか数秒と測定されました。著者らは、彼らのモデルはスマートシティのような複雑な環境を扱うように設計されているものの、将来的には、デジタルインフラを同時に標的とする、より高度に連携した攻撃の検知にも焦点を当てる予定であると述べています。現時点において、この研究は、私たちの日常生活を動かすデータが改ざんから守られ、詮索の目から隠される都市への明確な道筋を示しています。

技術要約：PEKeccakおよびGSBDOSTLRUを用いた、セキュアなスマートシティのためのIoTにおけるオンチェーン・アンカリングに基づく情報セキュリティ

1. 問題提起と研究のギャップ

本論文は、スマートシティ（SC）のIoTインフラストラクチャにおける極めて重要な情報セキュリティの課題に取り組んでいる。IoTデバイスは交通管理や公衆衛生などのアプリケーションを支えているが、その大規模な展開は、重要な意思決定を危うくする脆弱性を導入する。著者らは、既存の研究における特定の限界を特定している：

ゲートウェイレベルのログ改ざん： 特定された主要な研究ギャップは、ゲートウェイレベルでのセンサーログの変更、削除、または捏造に対処するソリューションの欠如であり、これがスマートシティIoT環境におけるセキュリティ損失につながる。
量子脆弱性： 従来のシステムは、量子アドバーサリ（敵対者）による復号に対して脆弱な長期鍵に依存することが多い。
認証の不備： 既存のスマートシティモデルは、しばしば多層認証を欠いており、偽のセンサー値の注入を許してしまう。
侵入検知の限界： 既存の手法は、動的な環境における新しい脅威に対して汎用性が低く、結果として不正確な侵入検知を招き、既存のIoTノードは重い暗号学的学習負荷に苦慮することが多い。

2. 提案手法

著者らは、オンチェーン・アンカリングのための**Permutation Entropy-Keccak (PEKeccak)と、侵入検知のためのGated Secretary Bird Dawson Optimization Suish Transfer Learning Recurrent Unit (GSBDOSTLRU)**を統合した包括的なフレームワークを提案している。システムは4つのレイヤーで動作する：

2.1 システム初期化および署名作成

フレームワークは、センサー（ $K$ ）、エッジノード（ $P$ ）、ゲートウェイ（ $D$ ）、およびブロックチェーン（ $M$ ）を初期化する。

PRDSA： 認証用の署名を生成するために、**Polynomial Rolling Digital Signature Algorithm (PRDSA)**が採用されている。標準的なDSAとは異なり、PRDSAはハッシュ関数の入力（ $\delta$ ）を作成するために大きな素数剰余を用いたPolynomial Rolling (PR) 関数を利用し、ハッシュハッキングを防止する。
署名ストレージ： 生成された署名（ $\mathfrak{A}$ ）は、その後の認証のためにブロックチェーンに保存される。

2.2 知覚レイヤー（データセンシングおよびセキュリティ）

FFPQC： 生データ（ $H$ ）は、**Feistel Function-based Post-Quantum Cryptography (FFPQC)**を使用して感知および保護される。
鍵生成： ランダムな秘密鍵に関連するリスクを軽減するために、反復的な置換と置換を通じて量子状態を変化させることにより、秘密鍵（ $\epsilon$ ）（論文内では「量子鍵」と呼ばれる）を作成するためのFeistel関数（FF）が使用される。
暗号化： 盗聴を防ぐために、生成された鍵と光子偏光因子を使用してデータが暗号化される。

2.3 エッジレイヤー（認証、IDS、およびストレージ）

デバイス認証： エッジノードは、ブロックチェーンに保存されたPRDSA署名を使用してセンサーデバイスを認証する。
侵入検知システム (IDS)：
- データ前処理： ネットワークデータは、補完（近傍の平均）、正規化（min-max）、およびSMOTE (Synthetic Minority Over-sampling Technique) を用いたバランシングが行われる。
- GSBDOSTLRUモデル： コアとなるIDSは、以下の要素で強化された**Gated Recurrent Unit (GRU)**を利用する：
  - Secretary Bird Optimization (SBO)： 狩り（探索）と逃走（活用）の戦略を用いてハイパーパラメータをチューニングする。
  - Dawson Function (DF)： ローカルミニマムを回避し、準振動挙動を可能にするためにSBOに統合される。
  - Suish Activation： 強力な勾配フローを確保するために標準的な活性化関数を置き換える。
  - 転移学習 (TL)： 新しい攻撃パターンを学習し、汎用性を向上させるために適用される。
- 出力： システムはトラフィックを正常または攻撃（例：DDoS、XSS、ランサムウェア）として分類する。攻撃が検知された場合、送信はブロックされる。
分割鍵ストレージ：
- STISS： 秘密鍵は**Shamir's Trigonometric Integral Secret Sharing (STISS)**を用いて分割される。これは、疑似ランダム変換マスクを用いてシェアの鮮度を統合するための三角積分（ $\lambda$ ）を統合することで、Shamir's Secret Sharing (SSS) を強化したものである。
- オフチェーンストレージ： 分割された鍵と暗号化されたデータは、**InterPlanetary File System (IPFS)**に保存され、Content Identifier (CID) が生成される。

2.4 ゲートウェイレイヤー（オンチェーン・アンカリング）

エッジ認証： ゲートウェイは、PRDSAを通じてエッジノードを認証する。
PEKeccakアンカリング：
- Permutation Entropy (PE)： Keccakハッシュ関数の内部状態を推定するために使用され、メモリ要件を削減する。
- 軽量マスキング： 入力CIDを変換するために、PE状態に基づいたマスク（ $Z$ ）が生成される。
- ハッシング： Keccakスポンジ関数がハッシュ（ $V$ ）を生成し、それがブロックチェーンのMerkleルートにアンカリングされる。
- パフォーマンスに関する注記： 提案されたPEKeccak法は、実験結果において標準的なKeccakモデルよりも大幅に低い1253 msのアンカリングレイテンシを達成しており、著者らが主張する効率性の向上を裏付けている。

2.5 ブロックチェーンおよびアプリケーションレイヤー

ブロックチェーン： ゲートウェイが認証され、ハッシュ（ $V$ ）はブロックチェーンのMerkleルートに不変に保存され、改ざん耐性と追跡可能性を確保する。
アプリケーションレイヤー： ユーザーはデータアクセスを要求する。システムはMerkle証明を検証し、STISSを用いて分割された鍵を再構成して秘密鍵を取得し、IPFSからデータを復号する。

3. 主な貢献

本論文は、以下の具体的な貢献を主張している：

PEKeccakベースのアンカリング： ゲートウェイレベルのログ改測を防止するために特別に設計された軽量なオンチェーン・アンカリングメカニズムであり、標準的なKeccakと比較してレイテンシの低減を実証している。
FFPQCおよびSTISS： データセキュリティのためのFeistel Functionベースのポスト量子暗号、および量子堅牢性を高めるための三角積分ベースの分割鍵ストレージの実装。
PRDSA多層認証： センサー、エッジ、ゲートウェイ、およびブロックチェーンの各レイヤーにおける認証のために、Polynomial Rolling Digital Signature Algorithmを利用。
GSBDOSTLRU侵入検知： 新しい攻撃パターンを検出し適応するために、GRUをSecretary Bird Optimization、Dawson Function、Suish活性化、および転移学習と組み合わせた新しい分類器。

4. 結果および性能評価

提案されたフレームワークは、NF-TON-IOT-V2データセット（SMOTEによりバランス調整済み）を用いて評価され、Pythonで実装された。

オンチェーン・アンカリング (PEKeccak)：
- 完全性検証成功率 (IVSR)： 98.91% (標準的なKeccakの96.21%に対し)。
- 衝突耐性レベル (CRL)： 99.01%。
- アンカリングレイテンシ： 1253 ms (Keccakの3821 msおよびSHAの9841 msよりも大幅に低い)。
侵入検知 (GSBDOSTLRU)：
- 精度 (Accuracy)： 99.31% (従来のGRU/LSTM/RNNの約91.05%に対し)。
- 適合率 (Precision)： 99.19%。
- 再現率 (Recall)： 99.23%。
- F値 (F-Measure)： 99.15%。
認証 (PRDSA)：
- 署名生成時間 (SCT)： 2784 ms (DSAの4928 msに対し)。
- 署名検証時間 (SVT)： 2191 ms (DSAの4178 msに対し)。
データセキュリティ (FFPQC)：
- セキュリティレベル： 攻撃レベルがわずか1.27%で、98.47%のセキュリティを実現。
- 暗号化/復号時間： 2294 ms / 2110 ms (PQC、ECC、AES、およびDESよりも高速)。
鍵ストレージ (STISS)：
- エントロピー： 251 bits (SSSの214 bitsに対し)。
- 量子堅牢性： 98.21%。

5. 重要性と範囲

著者らは、本研究がスマートシティIoT環境のための堅牢な情報セキュリティフレームワークを確立すると主張している。その重要性は以下の点にある：

ログ改ざんのギャップへの対処： PEKeccakを用いてゲートウェイレベルでデータをアンカリングすることにより、システムはゲートウェイのログ操作という脆弱性に特に対処している。
量子耐性： FFPQCとSTISSの統合は、将来の量子アドバーサリに対する防御を提供する。
適応型セキュリティ： IDSにおける転移学習の導入により、システムは従来のモデルが見逃す新しい動的な脅威に対して汎用性を発揮できる。
効率性： 軽量なアルゴリズム（状態推定のためのPE、署名のためのPRDSA）の使用により、標準的なKeccakと比較して減少したアンカリングレイテンシ（1253 ms vs 3821 ms）に示されるように、リソース制約のあるIoTノードにとっての実現可能性を維持しつつ、高いセキュリティ基準を維持している。

本論文は、提案されたフレームワークが、安全な初期化、量子耐性を持つ暗号化、適応型の侵入検知、および不変のオンチェーン・アンカリングを含む多層的なアプローチを通じて、IoTスマートシティ環境を正常に保護していると結論付けている。今後の課題として、デジタルインフラに対する同期攻撃の検知に焦点を当てることが示唆されている。