نماذج ومنصات الذكاء الاصطناعي

دمج الذكاء الاصطناعي وتكنولوجيا البلوك تشين لحماية الخصوصية

Kunal Kejriwal
أضف Unite.AI إلى مصادرك المفضلة على Google
النقاط الرئيسيةتكامل تقنية البلوكتشين والذكاء الاصطناعي يتيح التعلم الموحد مع الحفاظ على الخصوصية…
عرض المزيد
  • تكامل تقنية البلوكتشين والذكاء الاصطناعي يتيح التعلم الموحد مع الحفاظ على الخصوصية باستخدام التشفير المتجانس.
  • تقوم سجلات الحسابات الموزعة متعددة الطبقات مثل DeepLinQ باستخدام العقود الذكية لحماية خصوصية البيانات بشكل لا مركزي.
  • تخفي طرق إخفاء الهوية K-anonymity في أنظمة البلوكتشين هويات المستخدمين ومواقعهم لإجراء المعاملات الآمنة.

مع الاهتمام الواسع والمتزايد بتكنولوجيا البلوك تشين والذكاء الاصطناعي، أصبحت تقنيات حماية الخصوصية التي تنتج عن دمج هاتين التقنيتين مهمة للغاية. لا تحمي هذه التقنيات الخصوصية فقط، بل تضمن أيضًا موثوقية وأمان البيانات.

في هذا المقال، سنناقش كيف يؤدي التعاون بين الذكاء الاصطناعي والبلوك تشين إلى ظهور تقنيات حماية الخصوصية المختلفة، وتطبيقاتها في مجالات مختلفة بما في ذلك نزع الهوية وتشفير البيانات وطريقة K-Anonymity وأساليب دفتر الأستاذ الموزع متعدد الطبقات. ونحلل أيضًا أوجه القصور وأسبابها الفعلية ونقترح الحلول المناسبة.

البلوك تشين والذكاء الاصطناعي وتكاملها

تم تقديم شبكة البلوك تشين لأول مرة في عام 2008 عندما قدم ناكاموتو بيتكوين، وهي عملة مشفرة مبنية على شبكة البلوك تشين. منذ تقديمها، اكتسبت البلوك تشين شعبية كبيرة، خاصة في السنوات القليلة الماضية. ويشير سعر تداول بيتكوين وتجاوز قيمتها السوقية تريليون دولار، كما يذكر المقال، إلى قدرة هذه التقنية على تحقيق إيرادات وأرباح كبيرة للقطاع.

يمكن تصنيف تقنية البلوك تشين بشكل أساسي بناءً على مستوى الوصول والتحكم الذي تقدمه، مع وجود ثلاثة أنواع رئيسية من تقنيات البلوك تشين: العامة والخاصة والاتحادية. وتمثل بيتكوين وإيثيريوم شبكات عامة لامركزية تسمح للعقد بالانضمام إلى الشبكة أو مغادرتها بحرية، مما يعزز اللامركزية.

تُظهر الصورة التالية هيكل إيثيريوم كما يستخدم قائمة متصلة لربط الكتل المختلفة. ويخزن رأس الكتلة قيمة التجزئة الخاصة بالكتلة السابقة لإنشاء الرابط بين كتلتين متتاليتين.

يصاحب تطوير البلوك تشين وتطبيقها مخاوف مشروعة بشأن الأمن والخصوصية لا يجوز إهمالها. فقد يؤدي خرق البيانات المالية إلى خسائر كبيرة، بينما قد تكون عواقب الخرق في الأنظمة العسكرية أو الصحية كارثية. لذلك تركز الأبحاث الأمنية على حماية البيانات وأصول المستخدمين ومعلومات هوياتهم؛ فالحفاظ على الأمن أساسي لاستمرار تطوير التقنية.

إيثيريوم منصة بلوك تشين لامركزية تحافظ على سجل مشترك للمعلومات بالتعاون بين عدة عقد. وتستخدم العقد آلة إيثيريوم الافتراضية (EVM) لتنفيذ العقود الذكية، وتتواصل عبر شبكة نظير إلى نظير (P2P). لكل عقدة وظائف وصلاحيات محددة، ويمكن للعقد جمع المعاملات والمشاركة في إنشاء الكتل. ويذكر المقال أن إنشاء الكتل في إيثيريوم أسرع منه في بيتكوين، مع الإشارة إلى فاصل يقارب 15 ثانية، بما يتيح مكافآت أسرع للمعدّنين ويقلل زمن التحقق من المعاملات.

في المقابل، يركز الذكاء الاصطناعي على تطوير آلات قادرة على اتخاذ القرارات ومحاكاة التفكير المستقل لدى الإنسان. ويشمل مجالات فرعية عديدة، منها التعلم العميق والرؤية الحاسوبية ومعالجة اللغة الطبيعية. وقد حظيت معالجة اللغة الطبيعية باهتمام كبير أدى إلى تطوير نماذج لغوية مثل GPT وBERT. ويهدف هذا المجال إلى تمكين الحواسيب من فهم النصوص ومعالجتها؛ وقد أظهرت نماذج مثل ChatGPT المبني على GPT-4 تقدمًا في هذا الاتجاه. ويعد التعلم العميق مجالًا شائعًا آخر يحاكي بنية الخلايا العصبية. وتعالج الشبكات الهرمية المعلومات الخارجية طبقة بعد أخرى وصولًا إلى تمثيل داخلي. ويمكن تصنيف أطر التعلم العميق إلى تعلم خاضع للإشراف وتعلم غير خاضع للإشراف. يوضح الشكل بنية شبكة متعددة الطبقات تتعلم خصائص البيانات، وتشمل طبقات إدخال وطبقات مخفية وطبقة إخراج، وترتبط كل طبقة بالطبقة التالية.

أخيرًا، لدينا دمج تقنيتي البلوك تشين والذكاء الاصطناعي، إذ تُطبّق هاتان التقنيتان عبر مختلف الصناعات والمناطق مع زيادة القلق بشأن أمان البيانات وحماية الخصوصية.

  • استخدام تقنية البلوك تشين لتسجيل وتخزين بيانات التدريب ومدخلات النماذج ومخرجاتها ومعلماتها، مما يضمن المساءلة والشفافية في مراجعة النماذج.
  • استخدام إطارات البلوك تشين لنشر نماذج الذكاء الاصطناعي لتحقيق خدمات لامركزية بين النماذج، وتحسين قابلية التوسع وثبات النظام.
  • توفير وصول آمن إلى بيانات الذكاء الاصطناعي الخارجية والنماذج باستخدام الأنظمة اللامركزية، وتمكين شبكات البلوك تشين من الحصول على معلومات موثوقة من الخارج.
  • استخدام تصميمات رموز البلوك تشين وآليات الحوافز لتأسيس اتصالات موثوقة بين المستخدمين ومطوري نماذج الذكاء الاصطناعي.

حماية الخصوصية من خلال دمج تقنيات البلوك تشين والذكاء الاصطناعي

تعاني أنظمة الثقة بالبيانات الحالية قيودًا تؤثر على موثوقية نقل البيانات. ويمكن للبلوك تشين توفير حلول آمنة وموثوقة لمشاركتها وتخزينها، بما يحمي الخصوصية ويعزز أمن البيانات. ويلخص الجدول التالي بعض تطبيقات البلوك تشين في الذكاء الاصطناعي لحماية الخصوصية. ويساعد تحسين دمج التقنيتين وتطبيقهما على تقوية قدرات الحماية في هذه الأنظمة.

تشفير البيانات

تعتمد أساليب مشاركة البيانات وتخزينها التقليدية على خوادم مركزية يسهل على المهاجمين تحديدها. وقد يؤدي ذلك إلى التلاعب بالبيانات وتسريبها. ومع المتطلبات الأمنية الحالية، لا يكفي التشفير وحده، مما يدفع إلى تطوير تقنيات خصوصية تجمع الذكاء الاصطناعي والبلوك تشين.

يتضمن أحد الأساليب تعلمًا اتحاديًا حافظًا للخصوصية قائمًا على البلوك تشين، يحسّن تقنية Multi-Krum ويجمعها مع التشفير متماثل الشكل. ويتيح ذلك تصفية النماذج وتجميعها على مستوى النص المشفر، والتحقق من النماذج المحلية مع الحفاظ على الخصوصية. ويستخدم تشفير Paillier متماثل الشكل لتشفير تحديثات النماذج وإضافة حماية أخرى. ويوضح الشكل التالي آلية الخوارزمية.

نزع الهوية

نزع الهوية هو طريقة شائعة لتحويل معلومات تحديد الهوية الشخصية للمستخدم في البيانات عن طريق فصل البيانات عن معرفات البيانات، مما يقلل من خطر تتبع البيانات. ويستخدم إطار ذكاء اصطناعي لامركزي قائم على بلوك تشين مُصرّح بها هذه الطريقة لفصل معلومات الهوية الشخصية عن المعلومات الأخرى، ثم تخزين قيم تجزئة معلومات الهوية في الشبكة. ويمكن استخدامه لتبادل السجلات الطبية دون كشف هوية المريض. ويعتمد على شبكتين مستقلتين: إحداهما تخزن معلومات المريض وصلاحيات الوصول، والأخرى تسجل آثار تدقيق الطلبات والاستعلامات. وهكذا يحتفظ المريض بالسيطرة على سجلاته ومعلوماته الحساسة مع إتاحة المشاركة الآمنة بين عدة جهات.

دفتر الأستاذ الموزع متعدد الطبقات

دفتر الأستاذ الموزع متعدد الطبقات هو نظام تخزين البيانات ذو خاصية لامركزية وطبقات هرمية متعددة مصممة لتعزيز الكفاءة وأمان مشاركة البيانات مع حماية الخصوصية. ويعالج DeepLinQ مخاوف مشاركة البيانات وخصوصيتها عبر دفتر موزع لامركزي متعدد الطبقات قائم على البلوك تشين. ويستخدم الاستعلام حسب الطلب، والتحكم في الوصول، والحجز بالوكالة، والعقود الذكية، مستفيدًا من آلية الإجماع واللامركزية وإخفاء الهوية لحماية الخصوصية.

طريقة K-Anonymity

طريقة K-Anonymity هي طريقة حماية الخصوصية تهدف إلى تجميع الأفراد في مجموعة بيانات بطريقة تضم كل مجموعة على الأقل K أفراد ذوي قيم سمات متطابقة، مما يحمي هوية المستخدمين وخصوصيتهم. وقد استُخدمت الطريقة أساسًا لنموذج معاملات موثوق بين عقد الطاقة والمركبات الكهربائية. وهي تخفي مواقع المركبات عبر إنشاء طلب موحد يخفي موقع مالك السيارة، كما تخفي معرّفات المستخدمين لمنع المهاجم من ربط الأشخاص بمركباتهم.

التقييم والتحليل الوضعي

نحلل هنا عشرة أنظمة لحماية الخصوصية مقترحة في السنوات الأخيرة، تجمع البلوك تشين والذكاء الاصطناعي. ويركز التقييم على خمسة جوانب: إدارة الصلاحيات، وحماية البيانات، والتحكم في الوصول، وقابلية التوسع، وأمن الشبكة، مع بحث نقاط القوة والضعف والتحسينات الممكنة. وتتيح خصائص دمج التقنيتين أفكارًا وحلولًا جديدة لحماية الخصوصية. ويعرض الشكل التالي مقاييس التقييم المستخدمة في التحليل.

إدارة السلطة

يقيّد التحكم في الوصول استخدام الموارد المصرح بها وفق قواعد وتعليمات وسياسات محددة سلفًا، لحماية سلامة البيانات وأمن النظام. ويستخدم نظام ذكي لإدارة مواقف السيارات وحماية الخصوصية نموذج التحكم في الوصول القائم على الأدوار (RBAC). يُسند إلى كل مستخدم دور أو أكثر، ويُصنف بحسب أدواره لتحديد صلاحيات الوصول إلى السمات. ويمكنه استخدام عنوانه على البلوك تشين للتحقق من هويته والحصول على صلاحيات الوصول.

التحكم في الوصول

التحكم في الوصول هو أحد الأساسيات الرئيسية لحماية الخصوصية، ويقوم بتحديد الوصول بناءً على عضوية المجموعة وهوية المستخدم لضمان أن المستخدمين المصرح لهم وحدهم يمكنهم الوصول إلى الموارد المحددة، مما يحمي النظام من الوصول غير المرغوب فيه أو القسري. ويتطلب التحكم الفعال مراعاة التفويض والتحقق من هوية المستخدم وسياسات الوصول.

تقنية الهوية الرقمية نهج ناشئ في تطبيقات إنترنت الأشياء لتحقيق التحكم الآمن في الوصول وخصوصية البيانات والأجهزة. وتستخدم سياسات وصول مبنية على لبنات التشفير الأساسية وتقنية الهوية الرقمية (DIT) لحماية الاتصالات بين الطائرات المسيّرة والخوادم السحابية وخوادم المحطات الأرضية (GSS). وبعد تسجيل الجهة، تُخزن بيانات اعتمادها في الذاكرة. ويلخص الجدول التالي أنواع أوجه القصور في الإطار.

حماية البيانات

تشمل حماية البيانات التشفير والتحكم في الوصول والتدقيق الأمني والنسخ الاحتياطي، لمنع الوصول غير القانوني والتلاعب والتسريب. ويمكن أثناء المعالجة استخدام حجب البيانات وإخفاء الهوية وعزل البيانات وتشفيرها. كما تسهم تقنيات مثل التشفير متماثل الشكل، والخصوصية التفاضلية، والتوقيع الرقمي، والتشفير غير المتماثل، ودوال التجزئة في منع الوصول غير المصرح به وضمان السرية.

أمان الشبكة

أمان الشبكة هو مجال واسع يغطي جوانب مختلفة بما في ذلك ضمان سرية البيانات وسلامتها، ومنع الهجمات على الشبكة، وحماية النظام من الفيروسات والبرامج الضارة. ويتطلب أمن النظام وموثوقيته اعتماد بنى شبكية وبروتوكولات وتدابير أمنية مناسبة. كما يجب تحليل التهديدات وتقييمها ووضع آليات دفاع واستراتيجيات أمنية مقابلة لتحسين موثوقية النظام وأمنه.

التوسع

تشير قابلية التوسع إلى قدرة النظام على التعامل مع بيانات أكثر أو عدد متزايد من المستخدمين. ويجب في تصميمه مراعاة الأداء وتخزين البيانات وإدارة العقد ونقل البيانات وغيرها من العوامل، مع ضمان الأمن لمنع خروقات البيانات وتسريبها والمخاطر الأخرى.

صُمم نظام يتوافق مع اللائحة العامة لحماية البيانات الأوروبية (GDPR)، ويخزن المعلومات المتعلقة بالخصوصية والبيانات الوصفية للأعمال الفنية في نظام ملفات موزع خارج السلسلة. وتُخزن بيانات الأعمال الفنية الوصفية والرموز الرقمية في OrbitDB، الذي يستخدم عدة عقد لتخزين البيانات وضمان أمنها وخصوصيتها. ويساعد توزيع التخزين خارج السلسلة على تحسين قابلية التوسع.

تحليل الوضع

أدى دمج الذكاء الاصطناعي والبلوك تشين إلى تطوير أنظمة تركز على حماية خصوصية المستخدمين وهوياتهم وبياناتهم. وما زالت هناك تحديات في أمن الشبكة وحماية البيانات وقابلية التوسع والتحكم في الوصول، وينبغي موازنتها وفق الاعتبارات العملية منذ مرحلة التصميم. ومع تطور التقنية واتساع تطبيقاتها سيزداد الاهتمام بهذه الأنظمة. ويمكن تصنيفها، بحسب النتائج البحثية والمناهج التقنية وسيناريوهات الاستخدام، إلى الفئات الثلاث التالية.

  • تطبيقات حماية الخصوصية في قطاع إنترنت الأشياء باستخدام تقنيات البلوك تشين والذكاء الاصطناعي.
  • تطبيقات حماية الخصوصية في العقود الذكية والخدمات التي تستخدم تقنيات البلوك تشين والذكاء الاصطناعي.
  • أساليب تحليل البيانات الكبيرة التي توفر حماية الخصوصية باستخدام تقنيات البلوك تشين والذكاء الاصطناعي.

تركز الفئة الأولى على خصوصية إنترنت الأشياء: يحلل الذكاء الاصطناعي كميات كبيرة من البيانات، بينما تضمن لامركزية البلوك تشين وعدم قابليتها للتغيير أصالة البيانات وأمنها. وتجمع الفئة الثانية تحليل البيانات ومعالجتها بالذكاء الاصطناعي مع العقود الذكية وخدمات البلوك تشين، لتقليل الاعتماد على أطراف ثالثة موثوقة وتسجيل المعاملات. أما الفئة الثالثة فتستخدم لامركزية البلوك تشين وثبات سجلاتها لضمان أصالة البيانات وأمنها في التحليلات واسعة النطاق، مع الاستفادة من الذكاء الاصطناعي لدقة التحليل.

الخلاصة

ناقشنا في المقال الأساليب ذات الصلة وقيّمنا الخصائص الخمس الأساسية، وبحثنا قيود الأنظمة الحالية. وما زالت تحديات مثل الموازنة بين مشاركة البيانات والحفاظ على الخصوصية بحاجة إلى حلول. ويستمر البحث في دمج قدرات التقنيتين، ويمكن الاستفادة من الأساليب الإضافية التالية.

  • حوسبة الحواف

تهدف حوسبة الحواف إلى تحقيق اللامركزية من خلال استخدام قوة أجهزة الحواف والأجهزة المتصلة بالإنترنت لمعالجة بيانات المستخدم الخاصة والحساسة. ولأن الذكاء الاصطناعي يحتاج موارد حسابية كبيرة، يمكن توزيع المهام على أجهزة الحافة بدلًا من نقل البيانات إلى الخدمات السحابية أو خوادم البيانات. وتقلل المعالجة قرب الجهاز زمن الاستجابة وازدحام الشبكة، فتزيد سرعة النظام وأداءه.

  • آليات متعددة السلاسل

تتمتع آليات متعددة السلاسل بالقدرة لحل مشكلات التخزين والأداء في سلاسل البلوك تشين الأحادية، وبالتالي تعزيز قابلية التوسع للنظام. ويتيح دمج هذه الآليات تصنيف البيانات بحسب خصائصها ومستويات الخصوصية المطلوبة، مما يحسن قدرات التخزين وأمن أنظمة حماية الخصوصية.

كونال كيجريوال مهندس برمجيات للأنظمة الخلفية، متخصص في Python وPostgreSQL وRedis والبنية التحتية السحابية على GCP وAWS. لديه ثلاث سنوات من الخبرة في بناء الأنظمة البرمجية المستخدمة فعليًا وتوسيع نطاقها، ويكتب عن البنية التحتية للذكاء الاصطناعي والأنظمة الموزعة والبنية المعمارية لنشر أعباء عمل التعلم الآلي.