Robust Zero Trust Architecture: Joint Blockchain based Federated learning and Anomaly Detection based Framework

本文介绍了一种针对分散式系统的强大的零信任架构（ZTA），该架构可以增强物联网网络内高效的远程工作和协作。使用基于区块链的联合学习原则，我们提出的框架包括一个强大的聚合机制，旨在抵制来自受损客户端的恶意更新，增强全局学习过程的安全性。此外，安全可靠的信任计算对于远程工作和协作至关重要。强大的ZTA框架集成了异常检测和信任计算，以分散式的方式确保设备协作的安全可靠性。我们引入了一种自适应算法，根据不同的用户上下文动态调整，使用无监督聚类来检测新的异常，例如零日攻击。为了确保可靠和可扩展的信任计算，我们开发了一种算法，通过采用增量异常检测和聚类技术，动态适应不同的用户上下文，以识别和共享本地和全局异常。未来的方向包括提高可扩展性，使用Dirichlet过程进行高级异常检测，隐私保护技术，以及集成后量子密码方法以防范新兴的量子威胁。

论文旨在提出一个针对分散式系统的强健的零信任架构，以加强全局学习过程的安全性，并确保安全可靠的设备协作。

论文提出了一种基于区块链的联邦学习原则，包括一个强大的聚合机制，旨在抵抗来自受损客户端的恶意更新，同时通过集成异常检测和信任计算来确保远程工作和协作的安全和可靠性。

论文介绍了一种自适应算法，通过无监督聚类检测新的异常，如零日攻击，动态调整以适应不同的用户环境。此外，论文还开发了一种算法，通过采用增量异常检测和聚类技术来识别和共享节点之间的本地和全局异常，以确保可靠和可扩展的信任计算。

最近的相关研究包括联邦学习、零信任安全架构和区块链技术在物联网中的应用。相关论文包括《Federated Learning: Strategies for Improving Communication Efficiency》、《Zero Trust Architecture》和《Blockchain for Secure and Efficient Internet of Things: A Systematic Review》。