Met die wydverspreide aandag en potensiële toepassings van blokketting- en kunsmatige intelligensie-tegnologieë, kry die privaatheidsbeskermingstegnieke wat ontstaan ​​as 'n direkte gevolg van die integrasie van die twee tegnologieë noemenswaardige betekenis. Hierdie privaatheidsbeskermingstegnieke beskerm nie net die privaatheid van individue nie, maar dit waarborg ook die betroubaarheid en sekuriteit van die data. 

In hierdie artikel sal ons praat oor hoe die samewerking tussen AI en blockchain aan talle privaatheidsbeskermingstegnieke geboorte gee, en die toepassing daarvan in verskillende vertikale insluitend de-identifikasie, data-enkripsie, k-anonimiteit en multi-vlak verspreide grootboekmetodes. Verder sal ons ook probeer om die tekortkominge saam met hul werklike oorsaak te ontleed, en dienooreenkomstig oplossings bied. 

Blockchain, kunsmatige intelligensie en hul integrasie

Die blokkettingnetwerk is die eerste keer aan die wêreld bekendgestel toe Nakamoto in 2008 Bitcoin bekend gestel het, 'n kripto-geldeenheid wat op die blokkettingnetwerk gebou is. Sedert sy bekendstelling het blockchain baie gewild geword, veral die afgelope paar jaar. Die waarde waarteen Bitcoin handel vandag, en dit wat die triljoen-dollar markkapitalisasie-merk oorsteek, dui daarop dat blockchain die potensiaal het om aansienlike inkomste en winste vir die bedryf te genereer. 

Blockchain-tegnologie kan hoofsaaklik gekategoriseer word op grond van die vlak van toeganklikheid en beheer wat hulle bied, met Publiek, privaat en federatief synde die drie hooftipes blockchain-tegnologieë. Gewilde kripto-geldeenhede en blokketting-argitekture soos Bitcoin en Ethereum is openbare blokkettingaanbiedinge aangesien dit gedesentraliseerd van aard is, en hulle laat nodusse toe om die netwerk vrylik binne te gaan of te verlaat, en bevorder dus maksimum desentralisasie. 

Die volgende figuur beeld die struktuur van Ethereum uit, aangesien dit 'n gekoppelde lys gebruik om verbindings tussen verskillende blokke te vestig. Die kop van die blok stoor die hash-adres van die voorafgaande blok om 'n koppeling tussen die twee opeenvolgende blokke te vestig. 

Die ontwikkeling en implementering van die blokketting-tegnologie word gevolg met wettige sekuriteit en privaatheidskwessies in verskeie velde wat nie afgeskeep kan word nie. ’n Data-oortreding in die finansiële bedryf kan byvoorbeeld groot verliese tot gevolg hê, terwyl ’n oortreding in militêre of gesondheidsorgstelsels rampspoedig kan wees. Om hierdie scenario's te voorkom, is die beskerming van data, gebruikerbates en identiteitsinligting 'n groot fokus van die blokketting-sekuriteitsnavorsingsgemeenskap, aangesien dit noodsaaklik is om die veiligheid daarvan te handhaaf om die ontwikkeling van die blokkettingtegnologie te verseker. 

Ethereum is 'n gedesentraliseerde blokkettingplatform wat 'n gedeelde grootboek van inligting handhaaf, saam met behulp van verskeie nodusse. Elke nodus in die Ethereum-netwerk maak gebruik van die EVM of Ethereum Vector Machine om slim kontrakte saam te stel, en fasiliteer die kommunikasie tussen nodusse wat plaasvind via 'n P2P of eweknie-netwerk. Elke nodus op die Ethereum-netwerk word voorsien van unieke funksies en toestemmings, alhoewel al die nodusse gebruik kan word vir die insameling van transaksies en om betrokke te raak by blokmynbou. Verder is dit opmerklik dat in vergelyking met Bitcoin, Ethereum vinniger blokgenerasiespoed vertoon met 'n voorsprong van byna 15 sekondes. Dit beteken dat kripto-mynwerkers 'n beter kans het om vinniger belonings te verkry, terwyl die intervaltyd vir die verifikasie van transaksies aansienlik verminder word. 

Aan die ander kant is KI of Kunsmatige Intelligensie 'n tak in moderne wetenskap wat fokus op die ontwikkeling van masjiene wat in staat is om besluite te neem, en outonome denke kan simuleer wat vergelykbaar is met 'n mens se vermoë. Kunsmatige Intelligensie is 'n baie groot tak op sigself met talle subvelde, insluitend diep leer, rekenaarvisie, natuurlike taalverwerking, en meer. Veral NLP was 'n subveld wat die afgelope paar jaar sterk gefokus is, wat gelei het tot die ontwikkeling van 'n paar uitnemende LLM's soos GPT en BERT. NLP is op pad na byna perfeksie, en die laaste stap van NLP is die verwerking van tekstransformasies wat rekenaars verstaanbaar kan maak, en onlangse modelle soos ChatGPT gebou op GPT-4 het aangedui dat die navorsing in die regte rigting is. 

Nog 'n subveld wat baie gewild is onder KI-ontwikkelaars is deep learning, 'n KI-tegniek wat werk deur die struktuur van neurone na te boots. In 'n konvensionele diepleerraamwerk word die eksterne insetinligting laag vir laag verwerk deur hiërargiese netwerkstrukture op te lei, en dit word dan oorgedra na 'n versteekte laag vir finale voorstelling. Diep leer raamwerke kan in twee kategorieë geklassifiseer word: Leer onder toesig, en Leer sonder toesig. 

Die bostaande beeld beeld die argitektuur van diep leer perceptron uit, en soos dit in die beeld gesien kan word, gebruik 'n diep leerraamwerk 'n meervoudige-vlak neurale netwerkargitektuur om die kenmerke in die data te leer. Die neurale netwerk bestaan ​​uit drie tipes lae, insluitend die verborge laag, die insetbetaler en die uitsetlaag. Elke perseptronlaag in die raamwerk word aan die volgende laag verbind om 'n diepleerraamwerk te vorm. 

Laastens het ons die integrasie van blokketting- en kunsmatige intelligensie-tegnologieë, aangesien hierdie twee tegnologieë oor verskillende nywerhede en domeine toegepas word met 'n toename in die kommer oor kuberveiligheid, datasekuriteit en privaatheidsbeskerming. Toepassings wat daarop gemik is om blokketting en kunsmatige intelligensie te integreer manifesteer die integrasie in die volgende aspekte. 

• Die gebruik van blokkettingtegnologie om die opleidingsdata, insette en uitvoer van die modelle en parameters op te teken en te stoor, om aanspreeklikheid en deursigtigheid in modeloudits te verseker. 
• Die gebruik van blockchain-raamwerke om KI-modelle te ontplooi om desentralisasiedienste tussen modelle te bereik, en die skaalbaarheid en stabiliteit van die stelsel te verbeter. 
• Die verskaffing van veilige toegang tot eksterne KI-data en -modelle deur gedesentraliseerde stelsels te gebruik, en stel blokkettingnetwerke in staat om eksterne inligting te bekom wat betroubaar is. 
• Gebruik blokketting-gebaseerde tekenontwerpe en aansporingsmeganismes om verbindings en betroubare interaksies tussen gebruikers en KI-modelontwikkelaars te vestig. 

Privaatheidsbeskerming deur die integrasie van Blockchain- en AI-tegnologieë 

In die huidige scenario het datatruststelsels sekere beperkings wat die betroubaarheid van die data-oordrag in die gedrang bring. Om hierdie beperkings uit te daag, kan blokkettingtegnologieë ontplooi word om 'n betroubare en veilige oplossing vir datadeling en -berging te vestig wat privaatheidsbeskerming bied en datasekuriteit verbeter. Sommige van die toepassings van blockchain in AI privaatheidsbeskerming word in die volgende tabel genoem. 

Deur die implementering en integrasie van hierdie tegnologieë te verbeter, kan die beskermende kapasiteit en sekuriteit van huidige datatruststelsels aansienlik verhoog word. 

Data enkripsie

Tradisioneel was metodes vir datadeling en databerging kwesbaar vir sekuriteitsbedreigings omdat hulle afhanklik is van gesentraliseerde bedieners wat dit 'n maklik identifiseerbare teiken vir aanvallers maak. Die kwesbaarheid van hierdie metodes gee aanleiding tot ernstige komplikasies soos datapeutery en datalekkasies, en gegewe die huidige sekuriteitsvereistes, is enkripsiemetodes alleen nie voldoende om die veiligheid en sekuriteit van die data te verseker nie, wat die hoofrede agter die opkoms is. van privaatheidsbeskermingstegnologieë gebaseer op die integrasie van kunsmatige intelligensie en blokketting. 

Kom ons kyk na 'n blokketting-gebaseerde privaatheidsbehoud van federatiewe leerskema wat daarop gemik is om die Multi-Krum-tegniek te verbeter, en dit te kombineer met homomorfiese enkripsie om kodeteksvlak-modelfiltrering en modelsamevoeging te bewerkstellig wat plaaslike modelle kan verifieer terwyl privaatheidsbeskerming gehandhaaf word. Die Paillier homomorfiese enkripsietegniek word in hierdie metode gebruik om modelopdaterings te enkripteer, en sodoende bykomende privaatheidsbeskerming te bied. Die Paillier-algoritme werk soos uitgebeeld. 

De-identifikasie

De-identifikasie is 'n metode wat algemeen gebruik word om persoonlike identifikasie-inligting van 'n gebruiker in die data te anonimiseer deur die data van die data-identifiseerders te skei, en sodoende die risiko van datanasporing te verminder. Daar bestaan ​​'n gedesentraliseerde AI-raamwerk gebou op gemagtigde blokkettingtegnologie wat die bogenoemde benadering gebruik. Die KI-raamwerk skei in wese die persoonlike identifikasie-inligting van nie-persoonlike inligting effektief, en stoor dan die hash-waardes van die persoonlike identifikasie-inligting in die blockchain-netwerk. Die voorgestelde KI-raamwerk kan in die mediese industrie gebruik word om mediese rekords en inligting van 'n pasiënt te deel sonder om sy/haar ware identiteit te openbaar. Soos uitgebeeld in die volgende prent, gebruik die voorgestelde KI-raamwerk twee onafhanklike blokketting vir dataversoeke met een blokkettingnetwerk wat die pasiënt se inligting stoor, tesame met datatoegangstoestemmings, terwyl die tweede blokkettingnetwerk ouditspore van enige versoeke of navrae van versoekers vasvang. Gevolglik het pasiënte steeds volledige gesag en beheer oor hul mediese rekords en sensitiewe inligting, terwyl dit veilige en veilige datadeling binne verskeie entiteite op die netwerk moontlik maak. 

Meerlaags verspreide grootboek

'n Meerlaags verspreide grootboek is 'n databergingstelsel met desentralisasie-eiendom en veelvuldige hiërargiese lae wat ontwerp is om doeltreffendheid te maksimeer, en die datadelingproses te beveilig saam met verbeterde privaatheidsbeskerming. DeepLinQ is 'n blokketting-gebaseerde multi-laag gedesentraliseerde verspreide grootboek wat 'n gebruiker se bekommernis rakende data privaatheid en data deel aanspreek deur privaatheid-beskermde data privaatheid moontlik te maak. DeepLinQ argiveer die beloofde data-privaatheid deur verskeie tegnieke soos op-aanvraag-navrae, toegangsbeheer, volmagbespreking en slim kontrakte te gebruik om blokkettingnetwerk se kenmerke te benut, insluitend konsensusmeganisme, volledige desentralisasie en anonimiteit om dataprivaatheid te beskerm. 

K-Anonimiteit

Die K-Anonimiteit-metode is 'n privaatheidsbeskermingsmetode wat daarop gemik is om individue in 'n datastel te teiken en te groepeer op 'n manier dat elke groep ten minste K individue met identiese kenmerkwaardes het, en daarom die identiteit en privaatheid van individuele gebruikers beskerm. Die K-Anonimiteit-metode was die basis van 'n voorgestelde betroubare transaksionele model wat transaksies tussen energienodusse en elektriese voertuie fasiliteer. In hierdie model dien die K-Anonimiteit-metode twee funksies: eerstens verberg dit die ligging van die EV's deur 'n verenigde versoek te konstrueer deur K-Anonimiteit-tegnieke te gebruik wat die ligging van die eienaar van die motor verberg of versteek; tweedens, die K-Anonimiteit-metode verberg gebruikersidentifiseerders sodat aanvallers nie die opsie gelaat word om gebruikers aan hul elektriese voertuie te koppel nie. 

Evaluering en Situasie-analise

In hierdie afdeling gaan ons praat oor omvattende ontleding en evaluering van tien privaatheidsbeskermingstelsels met behulp van die samesmelting van blokketting- en KI-tegnologieë wat in onlangse jare voorgestel is. Die evaluering fokus op vyf hoofkenmerke van hierdie voorgestelde metodes, insluitend: gesagsbestuur, databeskerming, toegangsbeheer, skaalbaarheid en netwerksekuriteit, en bespreek ook die sterkpunte, swakpunte en potensiële areas van verbetering. Dit is die unieke kenmerke wat voortspruit uit die integrasie van AI en blockchain-tegnologieë wat weë gebaan het vir nuwe idees en oplossings vir verbeterde privaatheidsbeskerming. Ter verwysing, die prent hieronder toon verskillende evalueringsmetrieke wat gebruik word om die analitiese resultate af te lei vir die gekombineerde toepassing van die blockchain- en AI-tegnologie. 

Owerheidsbestuur

Toegangsbeheer is 'n sekuriteit- en privaatheidstegnologie wat gebruik word om 'n gebruiker se toegang tot gemagtigde hulpbronne te beperk op grond van vooraf gedefinieerde reëls, stel instruksies, beleide, die beveiliging van data-integriteit en stelselsekuriteit. Daar bestaan ​​'n intelligente privaatheid parkeerbestuurstelsel wat gebruik maak van 'n rolgebaseerde toegangsbeheer- of RBAC-model om toestemmings te bestuur. In die raamwerk word aan elke gebruiker een of meer rolle toegeken, en word dan geklassifiseer volgens rolle wat die stelsel toelaat om kenmerktoegangstoestemmings te beheer. Gebruikers op die netwerk kan hul blokkettingadres gebruik om hul identiteit te verifieer, en toegang tot kenmerkmagtiging te kry. 

Toegangsbeheer

Toegangsbeheer is een van die sleutelbeginsels van privaatheidsbeskerming, wat toegang beperk op grond van groeplidmaatskap en gebruikersidentiteit om te verseker dat dit slegs die gemagtigde gebruikers is wat toegang tot spesifieke hulpbronne kan verkry waartoe hulle toegelaat word, en sodoende die stelsel te beskerm teen ongewenste gedwonge toegang. Om effektiewe en doeltreffende toegangsbeheer te verseker, moet die raamwerk verskeie faktore oorweeg, insluitend magtiging, gebruikersverifikasie en toegangsbeleide. 

Digitale Identiteit Tegnologie is 'n opkomende benadering vir IoT-toepassings wat veilige en veilige toegangsbeheer kan bied, en data- en toestelprivaatheid kan verseker. Die metode stel voor om 'n reeks toegangsbeheerbeleide te gebruik wat gebaseer is op kriptografiese primitiewe, en digitale identiteitstegnologie of DIT om die sekuriteit van kommunikasie tussen entiteite soos hommeltuie, wolkbedieners en grondstasiebedieners (GSS) te beskerm. Sodra die registrasie van die entiteit voltooi is, word geloofsbriewe in die geheue gestoor. Die tabel wat hieronder ingesluit is, som die tipes defekte in die raamwerk op. 

data Protection

Databeskerming word gebruik om te verwys na maatreëls, insluitend data-enkripsie, toegangsbeheer, sekuriteitsouditering en data-rugsteun om te verseker dat die data van 'n gebruiker nie onwettig verkry word nie, gepeuter of uitgelek word nie. Wat dataverwerking betref, kan tegnologieë soos datamaskering, anonimisering, data-isolasie en data-enkripsie gebruik word om data teen ongemagtigde toegang en lekkasie te beskerm. Verder kan enkripsietegnologieë soos homomorfiese enkripsie, differensiële privaatheidbeskerming, digitale handtekeningalgoritmes, asimmetriese enkripsiealgoritmes en hash-algoritmes ongemagtigde en onwettige toegang deur nie-gemagtigde gebruikers voorkom en datavertroulikheid verseker. 

Netwerk Sekuriteit

Netwerksekuriteit is 'n breë veld wat verskillende aspekte insluit, insluitend die versekering van datavertroulikheid en -integriteit, die voorkoming van netwerkaanvalle en die beskerming van die stelsel teen netwerkvirusse en kwaadwillige sagteware. Om die veiligheid, betroubaarheid en sekuriteit van die stelsel te verseker, moet 'n reeks veilige netwerkargitekture en -protokolle, en sekuriteitsmaatreëls aangeneem word. Verder is dit noodsaaklik om verskeie netwerkbedreigings te ontleed en te assesseer en met ooreenstemmende verdedigingsmeganismes en sekuriteitstrategieë vorendag te kom om die betroubaarheid en sekuriteit van die stelsel te verbeter.

scalability

Skaalbaarheid verwys na 'n stelsel se vermoë om groter hoeveelhede data of 'n toenemende aantal gebruikers te hanteer. Wanneer 'n skaalbare stelsel ontwerp word, moet ontwikkelaars stelselwerkverrigting, databerging, nodusbestuur, transmissie en verskeie ander faktore in ag neem. Verder, wanneer die skaalbaarheid van 'n raamwerk of 'n stelsel verseker word, moet ontwikkelaars die stelselsekuriteit in ag neem om data-oortredings, datalekkasies en ander sekuriteitsrisiko's te voorkom. 

Ontwikkelaars het 'n stelsel ontwerp in ooreenstemming met Europese Algemene Databeskermingsreëls of GDPR deur privaatheidverwante inligting en kunswerk-metadata te stoor in 'n verspreide lêerstelsel wat buite die ketting bestaan. Kunswerk-metadata en digitale tokens word gestoor in OrbitDB, 'n databasisbergingstelsel wat veelvuldige nodusse gebruik om die data te stoor, en sodoende datasekuriteit en privaatheid verseker. Die van die ketting verspreide stelsel versprei databerging, en verbeter dus die skaalbaarheid van die stelsel. 

Situasie-analise

Die samesmelting van KI en blockchain-tegnologie het gelei tot die ontwikkeling van 'n stelsel wat sterk fokus op die beskerming van die privaatheid, identiteit en data van die gebruikers. Alhoewel KI-dataprivaatheidstelsels steeds uitdagings in die gesig staar soos netwerksekuriteit, databeskerming, skaalbaarheid en toegangsbeheer, is dit van kardinale belang om hierdie kwessies op grond van praktiese oorwegings tydens die ontwerpfase omvattend te oorweeg en op te weeg. Soos die tegnologie ontwikkel en verder vorder, brei die toepassings uit, die privaatheidsbeskermingstelsels wat met AI en blokketting gebou is, sal in die komende toekoms meer aandag trek. Op grond van navorsingsbevindinge, tegniese benaderings en toepassingscenario's kan hulle in drie kategorieë geklassifiseer word. 

• Privaatheidsbeskermingsmetodetoepassing in die IoT- of Internet of Things-industrie deur gebruik te maak van beide blockchain- en AI-tegnologie. 
• Privaatheidsbeskermingsmetode-toepassing in slim kontrak en dienste wat gebruik maak van beide blockchain en AI-tegnologie. 
• Grootskaalse data-analisemetodes wat privaatheidbeskerming bied deur gebruik te maak van beide blockchain- en AI-tegnologie. 

Die tegnologieë wat aan die eerste kategorie behoort, fokus op die implementering van AI en blockchain-tegnologieë vir privaatheidbeskerming in die IoT-industrie. Hierdie metodes gebruik KI-tegnieke om hoë volumes data te ontleed terwyl hulle voordeel trek uit gedesentraliseerde en onveranderlike kenmerke van die blokkettingnetwerk om egtheid en sekuriteit van die data te verseker. 

Die tegnologieë wat in die tweede kategorie val, fokus op die samesmelting van AI en Blockchain-tegnologieë vir verbeterde privaatheidbeskerming deur gebruik te maak van blockchain se slim kontrak en dienste. Hierdie metodes kombineer data-analise en dataverwerking met KI en gebruik ook blokkettingtegnologie om afhanklikheid van betroubare derde partye te verminder en transaksies aan te teken. 

Ten slotte, die tegnologieë wat in die derde kategorie val, fokus op die benutting van die krag van AI en blockchain-tegnologie om verbeterde privaatheidbeskerming in grootskaalse data-analise te bereik. Hierdie metodes het ten doel om blockchain se desentralisasie- en onveranderlikheidseienskappe te ontgin wat die egtheid en sekuriteit van data verseker, terwyl KI-tegnieke die akkuraatheid van data-analise verseker. 

Gevolgtrekking

In hierdie artikel het ons gepraat oor hoe AI- en Blockchain-tegnologieë in sinchronisasie met mekaar gebruik kan word om die toepassings van privaatheidsbeskermingstegnologieë te verbeter deur te praat oor hul verwante metodologieë, en die vyf primêre kenmerke van hierdie privaatheidsbeskermingstegnologieë te evalueer. Verder het ons ook gepraat oor die bestaande beperkings van die huidige stelsels. Daar is sekere uitdagings op die gebied van privaatheidsbeskermingstegnologieë wat gebou is op blockchain en AI wat nog aangespreek moet word, soos hoe om 'n balans tussen datadeling en privaatheidsbewaring te vind. Die navorsing oor hoe om die vermoëns van KI- en Blockchain-tegnieke effektief saam te voeg, is aan die gang, en hier is verskeie ander maniere wat gebruik kan word om ander tegnieke te integreer. 

• Edge Computing

Edge computing het ten doel om desentralisasie te bewerkstellig deur gebruik te maak van die krag van rand- en IoT-toestelle om private en sensitiewe gebruikersdata te verwerk. Omdat KI-verwerking dit verpligtend maak om aansienlike rekenaarhulpbronne te gebruik, kan die gebruik van randrekenaarmetodes die verspreiding van rekenaartake na randtoestelle vir verwerking moontlik maak in plaas daarvan om die data na wolkdienste of databedieners te migreer. Aangesien die data baie nader aan die randtoestel self verwerk word, word die latensietyd aansienlik verminder, en so ook die netwerkopeenhoping wat die spoed en werkverrigting van die stelsel verbeter. 

• Multi-ketting meganismes

Multi-ketting meganismes het die potensiaal om enkelketting blokketting berging op te los, en prestasie kwessies, dus die bevordering van die skaalbaarheid van die stelsel. Die integrasie van multi-ketting meganismes fasiliteer duidelike eienskappe en privaatheid-vlakke gebaseerde data klassifikasie, dus die verbetering van berging vermoëns en sekuriteit van privaatheid beskerming stelsels.