- Tumpukan otentikasi e-learning IoT berbasis Hedera mencapai 4.310 TPS, meskipun kinerjanya sedikit menurun menjadi 3.425 TPS saat digabungkan dengan knowledge graphs.
- Pengujian perangkat nyata menunjukkan otentikasi 41–47 ms pada Raspberry Pi dan 55–68 ms pada ESP32; pengujian BAN+ProVerif tidak menemukan kebocoran otentikasi.
Hedera Hashgraph disebutkan dalam penelitian baru sebagai lapisan dasar praktis untuk otentikasi cepat dan hemat energi dalam sistem pendidikan berbasis IoT. Topik penelitian ini merupakan isu umum dalam konteks e-learning, yang memanfaatkan perangkat saling terhubung, di mana proses login dan verifikasi identitas dapat memperlambat akses dan meningkatkan kemungkinan kegagalan jika dilayani oleh satu fasilitas pusat. Model yang diusulkan menggunakan Hedera sebagai lapisan kepercayaan dan pemesanan, sementara data identitas sensitif tetap offchain.
Menurut peneliti Marco Slazmann, penelitian ini menggabungkan Hedera Hashgraph, knowledge graphs, dan kunci simetris dinamis berbantuan GAN. Hedera Consensus Service digunakan untuk membuat peristiwa yang terurut dan diberi cap waktu, sehingga tindakan otentikasi dapat divalidasi dan dilacak tanpa mempublikasikan payload privat. Solusi ini ditujukan untuk penerapan di mana sekolah dan platform pelatihan dapat berbasis pada perangkat berdaya rendah dan volume sesi tinggi.
🧵 Hedera + Knowledge Graphs + GAN Keys: Kerangka Otentikasi TPS Tinggi, Energi Rendah untuk IoT E-Learning
IoT dalam e-learning sangat menarik… sampai login + identitas menjadi hambatan. Otentikasi terpusat = titik kegagalan tunggal, skalabilitas buruk, dan perangkat IoT memiliki sumber daya terbatas.… https://t.co/QUqj1e1WyM pic.twitter.com/qP2vKHWjzc
— Marco Ħ 🇩🇪🇻🇪 (@MarcoSalzmann80) 26 Januari 2026
Sementara itu, Knowledge Graphs digunakan oleh komponen semantik untuk memodelkan identitas, atribut, dan izin dalam suatu hubungan. Ini membantu pemeriksaan kebijakan di institusi dan membantu pengendalian kebijakan akses yang tidak mudah dikendalikan di bidang nama pengguna. Namun, aspek kriptografi memperkenalkan modul GAN, yang menghasilkan kunci simetris dinamis. Menurut penelitian, GAN tidak dimaksudkan untuk menggantikan pembuatan angka acak secara kriptografi tradisional, tetapi untuk melengkapinya.
Hedera: Benchmark Mencapai 4.310 TPS dengan Perangkat Keras IoT Nyata
Dalam pengujian benchmark, tumpukan penuh mencapai 4.310 transaksi per detik. Studi ini juga mengukur peningkatan dibandingkan sistem baseline, termasuk throughput yang lebih tinggi, waktu pemrosesan lebih rendah, dan waktu eksekusi lebih rendah pada dataset yang lebih besar. Menurut studi, penggunaan energi tercatat 6% hingga 15% lebih rendah, dan penundaan otentikasi turun sekitar 23% di bawah beban jaringan berat.
Pada saat yang sama, hasil ablation menunjukkan adanya trade-off antara makna dan kecepatan. Hedera dengan kriptografi standar mencapai sekitar 3.710 TPS. Penambahan Knowledge Graphs menurunkan throughput menjadi sekitar 3.425 TPS, mencerminkan overhead semantik. Baseline blockchain plus Knowledge Graph diukur sekitar 3.000 TPS. Ketika tumpukan menggabungkan Hedera, Knowledge Graphs, dan dinamika kunci berbasis GAN, throughput naik menjadi 4.310 TPS, hasil terbaik dalam studi ini.
Studi ini juga mengukur biaya pemeriksaan semantik di lapisan Knowledge Graph. Pencarian identitas memakan waktu sekitar 1,9–3,1 ms, sementara penalaran multi-hop sekitar 5,8–7,4 ms. Permintaan kontrol akses sekitar 7,2–9,8 ms, menunjukkan waktu tambahan yang dibutuhkan untuk validasi berbasis kebijakan.
Para penulis kemudian menguji apakah perangkat berdaya rendah dapat mengikuti overhead tersebut. Menggunakan Raspberry Pi 4, ESP32, dan Arduino Nano 33 IoT, mereka menjalankan kriptografi ringan, termasuk AES-128 dan SHA-256. Untuk input 256-byte, SHA-256 memakan waktu 0,42 ms pada Pi, 1,21 ms pada ESP32, dan 4,73 ms pada Arduino, sementara dekripsi AES-128 memakan waktu masing-masing 0,18 ms, 0,83 ms, dan 3,95 ms.
Selain itu, validasi keamanan menggabungkan logika BAN dan ProVerif pada 500 pengujian simbolik, dan studi mencatat tidak ada kegagalan kerahasiaan atau otentikasi dalam pengujian tersebut. Implementasi juga menggunakan perbandingan waktu konstan dan langkah masking untuk mengurangi variasi waktu dan membatasi kebocoran dalam pengaturan side-channel penulis. Sementara itu, di luar lingkungan penelitian, Hedera juga telah memperluas visibilitas melalui kemitraan multi-tahun dengan McLaren Racing, yang berencana menawarkan koleksi digital akhir pekan yang dapat diklaim secara gratis.
Di tengah perkembangan ini, token HBAR telah pulih setelah
