Buchumschlag

TrustMesh: A Blockchain-Enabled Trusted Distributed Computing Framework for Open Heterogeneous IoT Environments

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Rangwala, Murtaza, Buyya, Rajkumar
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Distributed, Parallel, and Cluster Computing
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Evidential Trust-Aware Model Personalization in Decentralized Federated Learning for Wearable IoT
von: Rangwala, Murtaza, et al.
Veröffentlicht: (2025)

Blockchain-Enabled Federated Learning
von: Rangwala, Murtaza, et al.
Veröffentlicht: (2025)

TF-DDRL: A Transformer-enhanced Distributed DRL Technique for Scheduling IoT Applications in Edge and Cloud Computing Environments
von: Wang, Zhiyu, et al.
Veröffentlicht: (2024)

Placement of Microservices-based IoT Applications in Fog Computing: A Taxonomy and Future Directions
von: Pallewatta, Samodha, et al.
Veröffentlicht: (2022)

Differential Privacy for Secure Machine Learning in Healthcare IoT-Cloud Systems
von: Mangala, N, et al.
Veröffentlicht: (2025)

A Knowledge Distillation-empowered Adaptive Federated Reinforcement Learning Framework for Multi-Domain IoT Applications Scheduling
von: Wang, Zhiyu, et al.
Veröffentlicht: (2025)

SketchGuard: Scaling Byzantine-Robust Decentralized Federated Learning via Sketch-Based Screening
von: Rangwala, Murtaza, et al.
Veröffentlicht: (2025)

A Periodic Space of Distributed Computing: Vision & Framework
von: Salehi, Mohsen Amini, et al.
Veröffentlicht: (2026)

ReinFog: A Deep Reinforcement Learning Empowered Framework for Resource Management in Edge and Cloud Computing Environments
von: Wang, Zhiyu, et al.
Veröffentlicht: (2024)

A Deep Reinforcement Learning Approach for Cost Optimized Workflow Scheduling in Cloud Computing Environments
von: Jayanetti, Amanda, et al.
Veröffentlicht: (2024)

A Joint Time and Energy-Efficient Federated Learning-based Computation Offloading Method for Mobile Edge Computing
von: Mukherjee, Anwesha, et al.
Veröffentlicht: (2024)

A Decentralized Root Cause Localization Approach for Edge Computing Environments
von: Fernando, Duneesha, et al.
Veröffentlicht: (2025)

Reinforcement Learning based Workflow Scheduling in Cloud and Edge Computing Environments: A Taxonomy, Review and Future Directions
von: Jayanetti, Amanda, et al.
Veröffentlicht: (2024)

A System Aware Resource Allocation for Distributed Workflows in Quantum Computing Environments
von: Sawaika, Abhishek, et al.
Veröffentlicht: (2026)

EnFed: An Energy-aware Federated Learning in Resource Constrained Environments for Human Activity Recognition
von: Mukherjee, Anwesha, et al.
Veröffentlicht: (2024)

iAnomaly: A Toolkit for Generating Performance Anomaly Datasets in Edge-Cloud Integrated Computing Environments
von: Fernando, Duneesha, et al.
Veröffentlicht: (2024)

A Cascaded Graph Neural Network for Joint Root Cause Localization and Analysis in Edge Computing Environments
von: Fernando, Duneesha, et al.
Veröffentlicht: (2026)

FEDQ-Trust: Efficient Data-Driven Trust Prediction for Mobile Edge-Based IoT Systems
von: Bai, Jiahui, et al.
Veröffentlicht: (2024)

Performance and Security Aware Distributed Service Placement in Fog Computing
von: Goudarzi, Mohammad, et al.
Veröffentlicht: (2026)

DeFRiS: Silo-Cooperative IoT Applications Scheduling via Decentralized Federated Reinforcement Learning
von: Wang, Zhiyu, et al.
Veröffentlicht: (2026)

Adaptive Management of Microservices in Dynamic Computing Environments: A Taxonomy and Future Directions
von: Chen, Ming, et al.
Veröffentlicht: (2026)

A Study to Optimize Heterogeneous Resources for Open IoT
von: Yamato, Yoji, et al.
Veröffentlicht: (2017)

A Risk-Aware UAV-Edge Service Framework for Wildfire Monitoring and Emergency Response
von: Huang, Yulun, et al.
Veröffentlicht: (2026)

Efficient Training Approaches for Performance Anomaly Detection Models in Edge Computing Environments
von: Fernando, Duneesha, et al.
Veröffentlicht: (2024)

Proactive and Reactive Autoscaling Techniques for Edge Computing
von: Gupta, Suhrid, et al.
Veröffentlicht: (2025)

A Hybrid Reactive-Proactive Auto-scaling Algorithm for SLA-Constrained Edge Computing
von: Gupta, Suhrid, et al.
Veröffentlicht: (2025)

Generative Federated Learning for Smart Prediction and Recommendation Applications
von: Mukherjee, Anwesha, et al.
Veröffentlicht: (2025)

Saarthi: An End-to-End Intelligent Platform for Optimising Distributed Serverless Workloads
von: Agarwal, Siddharth, et al.
Veröffentlicht: (2025)

A High-throughput and Secure Coded Blockchain for IoT
von: Taherpour, Amirhossein, et al.
Veröffentlicht: (2023)

T-RBFT: A Scalable and Efficient Byzantine Consensus Based on Trusted Execution Environment for Consortium Blockchain
von: Gao, Wen, et al.
Veröffentlicht: (2026)

AirFed: A Federated Graph-Enhanced Multi-Agent Reinforcement Learning Framework for Multi-UAV Cooperative Mobile Edge Computing
von: Wang, Zhiyu, et al.
Veröffentlicht: (2025)

HGraphScale: Hierarchical Graph Learning for Autoscaling Microservice Applications in Container-based Cloud Computing
von: Fang, Zhengxin, et al.
Veröffentlicht: (2025)

Optimising Blockchain Scalability for Real-Time IoT Applications
von: Rhidoy, Hasan Mahmud, et al.
Veröffentlicht: (2026)

Decentralizing Trust: Consortium Blockchains and Hyperledger Fabric Explained
von: Vera-Rivera, Angelo, et al.
Veröffentlicht: (2025)

Quantum Cloud Computing: A Review, Open Problems, and Future Directions
von: Nguyen, Hoa T., et al.
Veröffentlicht: (2024)

Deep Reinforcement Learning-based Methods for Resource Scheduling in Cloud Computing: A Review and Future Directions
von: Zhou, Guangyao, et al.
Veröffentlicht: (2021)

Pruning Blockchain Protocols for Efficient Access Control in IoT Systems
von: Huang, Yongtao, et al.
Veröffentlicht: (2024)

DRLQ: A Deep Reinforcement Learning-based Task Placement for Quantum Cloud Computing
von: Nguyen, Hoa T., et al.
Veröffentlicht: (2024)

DRPC: Distributed Reinforcement Learning Approach for Scalable Resource Provisioning in Container-based Clusters
von: Bai, Haoyu, et al.
Veröffentlicht: (2024)

A Framework for Carbon-aware Real-Time Workload Management in Clouds using Renewables-driven Cores
von: Hewage, Tharindu B., et al.
Veröffentlicht: (2024)