Bagaimana Hedera Hashgraph Memungkinkan Otentikasi Cepat dan Hemat Energi untuk Pendidikan IoT

• Tumpukan otentikasi pembelajaran berbasis IoT Hedera mencapai 4.310 TPS, meskipun performa sedikit melambat menjadi 3.425 TPS saat digabungkan dengan grafik pengetahuan.
• Pengujian perangkat nyata menunjukkan otentikasi 41–47 ms di Raspberry Pi dan 55–68 ms di ESP32; BAN+ProVerif tidak menemukan kebocoran otentikasi.

Hedera Hashgraph sedang dikutip dalam penelitian baru sebagai lapisan dasar yang praktis untuk otentikasi cepat dan hemat energi dalam sistem pendidikan berbasis IoT. Topik penelitian ini adalah masalah umum dalam konteks e-learning, yang memanfaatkan perangkat yang saling terhubung, di mana verifikasi login dan identitas dapat memperlambat akses dan meningkatkan kemungkinan kegagalan saat dilayani oleh satu fasilitas pusat. Model yang diusulkan menggunakan Hedera sebagai lapisan kepercayaan dan pengurutan sambil menjaga data identitas sensitif di luar rantai.
Menurut peneliti Marco Slazmann, penelitian ini menggabungkan Hedera Hashgraph, grafik pengetahuan, dan kunci simetris dinamis berbantuan GAN. Layanan Konsensus Hedera digunakan untuk membuat peristiwa yang terurut dan bertanda waktu, sehingga tindakan otentikasi dapat divalidasi dan dilacak tanpa mempublikasikan payload pribadi. Solusi ini ditujukan untuk penerapan di mana sekolah dan platform pelatihan dapat berbasis perangkat berdaya rendah dan volume sesi tinggi.

🧵 Hedera + Grafik Pengetahuan + Kunci GAN: Kerangka Otentikasi TPS Tinggi, Hemat Energi untuk E-Learning IoT

IoT dalam e-learning sangat keren… sampai login + identitas menjadi hambatan. Otentikasi terpusat = titik kegagalan tunggal, skalabilitas buruk, dan perangkat IoT terbatas sumber dayanya.… https://t.co/QUqj1e1WyM pic.twitter.com/qP2vKHWjzc

— Marco Ħ 🇩🇪🇻🇪 (@MarcoSalzmann80) 26 Januari 2026

Sementara itu, Grafik Pengetahuan digunakan oleh komponen semantik untuk memodelkan identitas, atribut, dan izin dalam sebuah hubungan. Ini membantu pemeriksaan kebijakan di institusi dan membantu dalam pengendalian kebijakan akses yang tidak dapat dikendalikan dengan mudah 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 kriptografis tradisional, tetapi untuk melengkapinya.
Hedera: Tolok ukur Capai 4.310 TPS dengan Perangkat IoT Nyata
Dalam pengujian tolok ukur, seluruh stack mencapai 4.310 transaksi per detik. Studi ini juga mengukur peningkatan dibandingkan sistem dasar, termasuk throughput lebih tinggi, waktu pemrosesan lebih rendah, dan waktu eksekusi lebih singkat pada dataset yang lebih besar. Menurut studi, penggunaan energi terukur 6% hingga 15% lebih rendah, dan penundaan otentikasi turun sekitar 23% di bawah beban jaringan yang berat.
Pada saat yang sama, hasil ablation menunjukkan trade-off antara makna dan kecepatan. Hedera dengan kriptografi standar mencapai sekitar 3.710 TPS. Menambahkan Grafik Pengetahuan mengurangi throughput menjadi sekitar 3.425 TPS, mencerminkan overhead semantik. Tolok ukur dasar blockchain plus Grafik Pengetahuan sekitar 3.000 TPS. Ketika stack menggabungkan Hedera, Grafik Pengetahuan, dan dinamika kunci berbasis GAN, throughput meningkat menjadi 4.310 TPS, hasil terbaik dalam studi tersebut.
Studi ini juga mengukur biaya pemeriksaan semantik di lapisan Grafik Pengetahuan. Pencarian identitas memakan waktu sekitar 1.9–3.1 ms, sementara penalaran multi-hop sekitar 5.8–7.4 ms. Query kontrol akses sekitar 7.2–9.8 ms, menunjukkan waktu tambahan yang dibutuhkan untuk validasi berbasis kebijakan.
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 di Pi, 1.21 ms di ESP32, dan 4.73 ms di Arduino, sementara dekripsi AES-128 memakan waktu 0.18 ms, 0.83 ms, dan 3.95 ms, secara berturut-turut.
Selain itu, validasi keamanan menggabungkan logika BAN dan ProVerif melalui 500 pengujian simbolik, dan studi ini tidak mencatat kegagalan kerahasiaan atau otentikasi dalam pengujian tersebut. Implementasi ini juga menggunakan perbandingan waktu konstan dan langkah masking untuk mengurangi varians waktu dan membatasi kebocoran di sisi saluran penulis. Sementara itu, di luar pengaturan penelitian, Hedera juga memperluas visibilitas melalui kemitraan multi-tahun dengan McLaren Racing, yang merencanakan koleksi digital akhir pekan gratis untuk klaim.
Di tengah perkembangan ini, token HBAR telah pulih setelah penurunan 9% dalam 30 hari terakhir. Pada waktu penulisan, HBAR diperdagangkan di $0.1057, turun 1%.