Ricerca
QAE-BAC: anonimato quantificabile ed efficienza nel controllo degli accessi basato su blockchain con attributo
Il controllo degli accessi basato sugli attributi e sulla blockchain (BC-ABAC) offre un modello decentralizzato per la gestione sicura dei dati, ma presenta due difficoltà intrinseche: la trasparenza…

- arXiv
- 2510.21124
- Pubblicato
- 2025-10-24
- Autori
- Jie Zhang, Xiaohong Li, Mengke Zhang, Ruitao Feng, Shanshan Xu, Zhe Hou, Guangdong Bai
Abstract degli autori
Il controllo degli accessi basato sugli attributi e sulla blockchain (BC-ABAC) offre un modello decentralizzato per la gestione sicura dei dati, ma presenta due difficoltà intrinseche: la trasparenza dei registri blockchain minaccia la privacy degli utenti, consentendo attacchi di reidentificazione attraverso l’analisi degli attributi, mentre la complessità computazionale della verifica delle policy è in contrasto con i limiti prestazionali della blockchain. Le soluzioni esistenti, come quelle che impiegano prove a conoscenza zero (ZKP), comportano spesso costi elevati e non offrono garanzie di anonimato misurabili; le ottimizzazioni dell’efficienza, invece, trascurano spesso le implicazioni per la privacy. Per affrontare entrambe le difficoltà, questo studio propone QAEBAC (Quantifiable Anonymity and Efficiency in Blockchain-Based Access Control with Attribute). QAE-BAC introduce un modello formale di (r, t)-anonimato per quantificare dinamicamente il rischio di reidentificazione degli utenti in base ai loro attributi di accesso e alla loro cronologia. Include inoltre un Entropy-Weighted Path Tree (EWPT), che ottimizza la struttura delle policy sulla base di metriche di anonimato in tempo reale, riducendo drasticamente la complessità della loro verifica. Implementato e valutato su Hyperledger Fabric, QAE-BAC dimostra un equilibrio superiore tra privacy e prestazioni. I risultati sperimentali mostrano che attenua efficacemente i rischi di reidentificazione e supera le soluzioni di riferimento più avanzate, con un miglioramento del throughput fino a 11 volte e una riduzione della latenza dell’87%, dimostrandone l’applicabilità pratica nelle applicazioni decentralizzate sensibili alla privacy.
Il riassunto di questo paper è disponibile solo in inglese: leggilo nella pagina inglese.
Leggi il paper originale su arXiv