Dengan perhatian yang meluas dan potensi aplikasi teknologi blockchain dan kecerdasan buatan, teknik perlindungan privasi yang muncul sebagai hasil langsung dari integrasi kedua teknologi tersebut mendapatkan signifikansi yang cukup besar. Teknik perlindungan privasi ini tidak hanya melindungi privasi individu, tetapi juga menjamin keandalan dan keamanan data.

Dalam artikel ini, kita akan membahas tentang bagaimana kolaborasi antara AI dan blockchain melahirkan berbagai teknik perlindungan privasi, dan aplikasinya dalam berbagai vertikal termasuk de-identifikasi, enkripsi data, k-anonimitas, dan metode distributed ledger multi-lapis. Selain itu, kita juga akan mencoba menganalisis kekurangan serta penyebab sebenarnya, dan menawarkan solusi sesuai dengan itu.

Blockchain, Kecerdasan Buatan, dan Integrasi Mereka

Jaringan blockchain pertama kali diperkenalkan ke dunia pada tahun 2008 ketika Nakamoto memperkenalkan Bitcoin, sebuah mata uang kripto yang dibangun di atas jaringan blockchain. Sejak diperkenalkan, blockchain telah mendapatkan banyak perhatian, terutama dalam beberapa tahun terakhir. Nilai yang diperdagangkan Bitcoin saat ini, dan melewati tanda kap pasar Triliun dolar, menunjukkan bahwa blockchain memiliki potensi untuk menghasilkan pendapatan dan keuntungan yang substansial bagi industri.

Teknologi blockchain dapat dikategorikan terutama berdasarkan tingkat aksesibilitas dan kontrol yang ditawarkan, dengan Public, Private, dan Federated sebagai tiga jenis utama teknologi blockchain. Mata uang kripto dan arsitektur blockchain populer seperti Bitcoin dan Ethereum adalah penawaran blockchain publik karena mereka desentralisasi, dan memungkinkan node untuk memasuki atau keluar dari jaringan secara bebas, dan dengan demikian mempromosikan desentralisasi maksimum.

Gambar berikut menunjukkan struktur Ethereum karena menggunakan daftar terkait untuk membangun koneksi antara blok yang berbeda. Header blok menyimpan alamat hash dari blok sebelumnya untuk membangun koneksi antara dua blok yang berurutan.

Pengembangan dan implementasi teknologi blockchain diikuti dengan kekhawatiran keamanan dan privasi yang sah dalam berbagai bidang yang tidak dapat diabaikan. Misalnya, pelanggaran data di industri keuangan dapat mengakibatkan kerugian besar, sedangkan pelanggaran di sistem militer atau kesehatan dapat berakibat bencana. Untuk mencegah skenario ini, perlindungan data, aset pengguna, dan informasi identitas telah menjadi fokus utama komunitas penelitian keamanan blockchain, karena untuk memastikan pengembangan teknologi blockchain, sangat penting untuk mempertahankan keamanannya.

Ethereum adalah platform blockchain terdesentralisasi yang mempertahankan buku catatan bersama informasi dengan menggunakan beberapa node. Setiap node di jaringan Ethereum menggunakan EVM atau Ethereum Vector Machine untuk mengompilasi kontrak pintar, dan memfasilitasi komunikasi antar node yang terjadi melalui jaringan peer-to-peer. Setiap node di jaringan Ethereum diberi fungsi unik, dan izin, meskipun semua node dapat digunakan untuk mengumpulkan transaksi, dan terlibat dalam penambangan blok. Selain itu, perlu dicatat bahwa dibandingkan dengan Bitcoin, Ethereum menampilkan kecepatan pembuatan blok yang lebih cepat dengan keunggulan sekitar 15 detik. Ini berarti bahwa penambang kripto memiliki kesempatan yang lebih baik untuk mendapatkan hadiah lebih cepat sementara waktu interval untuk memverifikasi transaksi dikurangi secara signifikan.

Di sisi lain, AI atau Kecerdasan Buatan adalah cabang ilmu modern yang fokus pada mengembangkan mesin yang dapat membuat keputusan, dan mensimulasikan pemikiran otonom yang setara dengan kemampuan manusia. Kecerdasan Buatan adalah cabang yang sangat luas dalam dirinya sendiri dengan berbagai subbidang termasuk pembelajaran dalam, penglihatan komputer, pemrosesan bahasa alami, dan lain-lain. Pemrosesan bahasa alami khususnya telah menjadi subbidang yang sangat difokuskan dalam beberapa tahun terakhir yang telah menghasilkan beberapa model LLM yang sangat baik seperti GPT dan BERT. Pemrosesan bahasa alami menuju kesempurnaan, dan langkah terakhir dari pemrosesan bahasa alami adalah pemrosesan transformasi teks yang dapat membuat komputer dapat dipahami, dan model terbaru seperti ChatGPT yang dibangun di atas GPT-4 menunjukkan bahwa penelitian sedang menuju arah yang tepat.

Subbidang lain yang cukup populer di kalangan pengembang AI adalah pembelajaran dalam, sebuah teknik AI yang bekerja dengan meniru struktur neuron. Dalam kerangka pembelajaran dalam konvensional, informasi input eksternal diproses lapis demi lapis dengan melatih struktur jaringan hierarkis, dan kemudian diteruskan ke lapisan tersembunyi untuk representasi akhir. Kerangka pembelajaran dalam dapat diklasifikasikan menjadi dua kategori: Pembelajaran Terawasi, dan Pembelajaran Tidak Terawasi.

Gambar di atas menunjukkan arsitektur perceptron pembelajaran dalam, dan seperti yang dapat dilihat dalam gambar, kerangka pembelajaran dalam menggunakan arsitektur jaringan neural multi-lapis untuk mempelajari fitur dalam data. Jaringan neural terdiri dari tiga jenis lapisan termasuk lapisan tersembunyi, lapisan input, dan lapisan output. Setiap lapisan perceptron dalam kerangka tersebut terhubung ke lapisan berikutnya untuk membentuk kerangka pembelajaran dalam.

Akhirnya, kita memiliki integrasi teknologi blockchain dan kecerdasan buatan karena kedua teknologi ini sedang diterapkan di berbagai industri dan domain dengan meningkatnya kekhawatiran tentang keamanan siber, keamanan data, dan perlindungan privasi. Aplikasi yang bertujuan untuk mengintegrasikan blockchain dan kecerdasan buatan menunjukkan integrasi dalam aspek-aspek berikut.

• Menggunakan teknologi blockchain untuk merekam dan menyimpan data pelatihan, input dan output model, dan parameter, memastikan akuntabilitas dan transparansi dalam audit model.
• Menggunakan kerangka blockchain untuk mengirimkan model AI untuk mencapai layanan desentralisasi di antara model, dan meningkatkan skalabilitas dan stabilitas sistem.
• Menyediakan akses aman ke data AI eksternal dan model menggunakan sistem terdesentralisasi, dan memungkinkan jaringan blockchain untuk memperoleh informasi eksternal yang dapat diandalkan.
• Menggunakan desain token blockchain dan mekanisme insentif untuk membangun koneksi dan interaksi yang dapat dipercaya antara pengguna dan pengembang model AI.

Perlindungan Privasi Melalui Integrasi Blockchain dan Teknologi AI

Saat ini, sistem kepercayaan data memiliki beberapa keterbatasan yang mengompromikan keandalan transmisi data. Untuk menantang keterbatasan ini, teknologi blockchain dapat diterapkan untuk membangun solusi penyimpanan dan berbagi data yang dapat diandalkan dan aman yang menawarkan perlindungan privasi dan meningkatkan keamanan data. Beberapa aplikasi blockchain dalam perlindungan privasi AI disebutkan dalam tabel berikut.

Dengan meningkatkan implementasi dan integrasi teknologi ini, kapasitas perlindungan dan keamanan sistem kepercayaan data saat ini dapat ditingkatkan secara signifikan.

Enkripsi Data

Secara tradisional, metode berbagi dan menyimpan data rentan terhadap ancaman keamanan karena mereka bergantung pada server terpusat yang membuat mereka menjadi target yang mudah dikenali bagi penyerang. Kerentanan metode ini menyebabkan komplikasi serius seperti pemalsuan data dan kebocoran data, dan mengingat persyaratan keamanan saat ini, metode enkripsi saja tidak cukup untuk memastikan keamanan dan keamanan data, yang merupakan alasan utama di balik munculnya teknologi perlindungan privasi berbasis integrasi kecerdasan buatan dan blockchain.

Mari kita lihat skema pembelajaran terdesentralisasi yang menjaga privasi berbasis blockchain yang bertujuan untuk meningkatkan teknik Multi-Krum, dan menggabungkannya dengan enkripsi homomorfik untuk mencapai penyaringan model dan agregasi tingkat ciphertext yang dapat memverifikasi model lokal sambil menjaga perlindungan privasi. Teknik enkripsi homomorfik Paillier digunakan dalam metode ini untuk mengenkripsi pembaruan model, dan dengan demikian memberikan perlindungan privasi tambahan. Algoritma Paillier bekerja seperti yang ditunjukkan.

De-Identifikasi

De-Identifikasi adalah metode yang umum digunakan untuk membuat anonim informasi identifikasi pribadi pengguna dalam data dengan memisahkan data dari pengidentifikasi data, dan dengan demikian mengurangi risiko pelacakan data. Ada kerangka AI terdesentralisasi yang dibangun di atas teknologi blockchain yang diizinkan yang menggunakan pendekatan di atas. Kerangka AI ini secara efektif memisahkan informasi identifikasi pribadi dari informasi non-pribadi, dan kemudian menyimpan nilai hash dari informasi identifikasi pribadi di jaringan blockchain. Kerangka AI yang diusulkan dapat digunakan dalam industri medis untuk berbagi catatan medis dan informasi pasien tanpa mengungkapkan identitas sebenarnya. Seperti yang ditunjukkan dalam gambar berikut, kerangka AI yang diusulkan menggunakan dua blockchain independen untuk permintaan data dengan satu jaringan blockchain yang menyimpan informasi pasien bersama dengan izin akses data, sedangkan jaringan blockchain kedua menangkap jejak audit dari permintaan atau kueri yang dilakukan oleh pihak yang meminta. Sebagai hasilnya, pasien masih memiliki kontrol penuh atas catatan medis dan informasi sensitif mereka sambil memungkinkan berbagi data yang aman dan terjamin dalam beberapa entitas di jaringan.

Ledger Terdesentralisasi Multi-Lapis

Ledger terdesentralisasi multi-lapis adalah sistem penyimpanan data dengan sifat desentralisasi dan beberapa lapis hierarkis yang dirancang untuk memaksimalkan efisiensi, dan mengamankan proses berbagi data bersama dengan perlindungan privasi yang ditingkatkan. DeepLinQ adalah ledger terdesentralisasi multi-lapis berbasis blockchain yang menangani kekhawatiran pengguna tentang privasi data dan berbagi data dengan memungkinkan privasi data yang dilindungi. DeepLinQ menyimpan privasi data yang dijanjikan dengan menggunakan berbagai teknik seperti kueri on-demand, kontrol akses, reservasi proksi, dan kontrak pintar untuk memanfaatkan karakteristik jaringan blockchain termasuk mekanisme konsensus, desentralisasi lengkap, dan anonimitas untuk melindungi privasi data.

K-Anonimitas

Metode K-Anonimitas adalah metode perlindungan privasi yang bertujuan untuk menargetkan dan mengelompokkan individu dalam dataset sehingga setiap kelompok memiliki setidaknya K individu dengan nilai atribut yang identik, dan dengan demikian melindungi identitas dan privasi pengguna individu. Metode K-Anonimitas telah menjadi dasar dari model transaksi yang diusulkan yang memfasilitasi transaksi antara node energi dan kendaraan listrik. Dalam model ini, metode K-Anonimitas memiliki dua fungsi: pertama, menyembunyikan lokasi kendaraan listrik dengan membuat permintaan yang seragam menggunakan teknik K-Anonimitas yang menyembunyikan lokasi pemilik mobil; kedua, metode K-Anonimitas menyembunyikan pengidentifikasi pengguna sehingga penyerang tidak memiliki pilihan untuk menghubungkan pengguna dengan kendaraan listrik mereka.

Analisis Situasi

Dalam bagian ini, kita akan membahas tentang analisis dan evaluasi komprehensif dari sepuluh sistem perlindungan privasi yang menggunakan fusi teknologi blockchain dan AI yang telah diusulkan dalam beberapa tahun terakhir. Evaluasi ini fokus pada lima karakteristik utama dari metode yang diusulkan termasuk: manajemen otoritas, perlindungan data, kontrol akses, skalabilitas, dan keamanan jaringan, dan juga membahas kekuatan, kelemahan, dan area perbaikan potensial. Ini adalah fitur unik yang dihasilkan dari integrasi AI dan blockchain yang telah membuka jalan bagi ide dan solusi baru untuk perlindungan privasi yang ditingkatkan. Untuk referensi, gambar di bawah menunjukkan metrik evaluasi yang berbeda yang digunakan untuk mendapatkan hasil analitis untuk aplikasi gabungan teknologi blockchain dan AI.

Manajemen Otoritas

Kontrol akses adalah teknologi keamanan dan privasi yang digunakan untuk membatasi akses pengguna ke sumber daya yang diizinkan berdasarkan aturan, set instruksi, kebijakan, menjaga integritas data, dan keamanan sistem. Ada sistem manajemen parkir pintar yang menggunakan model Kontrol Akses Berbasis Peran atau RBAC untuk mengelola izin. Dalam kerangka, setiap pengguna diberi satu atau lebih peran, dan kemudian diklasifikasikan berdasarkan peran yang memungkinkan sistem untuk mengontrol izin akses atribut. Pengguna di jaringan dapat menggunakan alamat blockchain mereka untuk memverifikasi identitas, dan mendapatkan izin akses atribut.

Kontrol Akses

Kontrol akses adalah salah satu fondasi utama perlindungan privasi, membatasi akses berdasarkan keanggotaan grup dan identitas pengguna untuk memastikan bahwa hanya pengguna yang berwenang yang dapat mengakses sumber daya tertentu yang mereka izinkan untuk mengakses, dan dengan demikian melindungi sistem dari akses yang tidak diinginkan atau dipaksa. Untuk memastikan kontrol akses yang efektif dan efisien, kerangka harus mempertimbangkan beberapa faktor termasuk otorisasi, autentikasi pengguna, dan kebijakan akses.

Teknologi Identitas Digital adalah pendekatan yang muncul untuk aplikasi IoT yang dapat memberikan kontrol akses yang aman dan terjamin, dan memastikan privasi data dan perangkat. Metode ini mengusulkan untuk menggunakan serangkaian kebijakan kontrol akses yang berbasis pada primitif kriptografi, dan teknologi identitas digital atau DIT untuk melindungi keamanan komunikasi antara entitas seperti drone, server awan, dan Server Stasiun Tanah (GSS). Setelah pendaftaran entitas selesai, kredensial disimpan dalam memori. Tabel yang disertakan di bawah ini merangkum jenis cacat dalam kerangka.

Perlindungan Data

Perlindungan data digunakan untuk merujuk pada langkah-langkah termasuk enkripsi data, kontrol akses, audit keamanan, dan pencadangan data untuk memastikan bahwa data pengguna tidak diakses secara ilegal, dimanipulasi, atau bocor. Ketika datang ke pemrosesan data, teknologi seperti pemaskaran data, anonimisasi, isolasi data, dan enkripsi data dapat digunakan untuk melindungi data dari akses yang tidak sah, dan kebocoran. Selain itu, teknologi enkripsi seperti enkripsi homomorfik, perlindungan privasi diferensial, algoritma tanda tangan digital, algoritma enkripsi asimetris, dan algoritma hash, dapat mencegah akses yang tidak sah dan ilegal oleh pengguna yang tidak berwenang dan memastikan kerahasiaan data.

Keamanan Jaringan

Keamanan jaringan adalah bidang yang luas yang mencakup berbagai aspek termasuk memastikan kerahasiaan dan integritas data, mencegah serangan jaringan, dan melindungi sistem dari virus jaringan dan perangkat lunak berbahaya. Untuk memastikan keamanan, keandalan, dan keamanan sistem, serangkaian arsitektur jaringan yang aman dan protokol, serta langkah-langkah keamanan perlu diadopsi. Selain itu, menganalisis dan menilai ancaman jaringan yang berbeda dan mengembangkan mekanisme pertahanan dan strategi keamanan yang sesuai sangat penting untuk meningkatkan keandalan dan keamanan sistem.

Skalabilitas

Skalabilitas merujuk pada kemampuan sistem untuk menangani jumlah data yang lebih besar atau jumlah pengguna yang meningkat. Ketika merancang sistem yang skalabel, pengembang harus mempertimbangkan kinerja sistem, penyimpanan data, manajemen node, transmisi, dan beberapa faktor lainnya. Selain itu, ketika memastikan skalabilitas suatu sistem atau kerangka, pengembang harus mempertimbangkan keamanan sistem untuk mencegah pelanggaran data, kebocoran data, dan risiko keamanan lainnya.

Pengembang telah merancang sistem yang sesuai dengan Aturan Perlindungan Data Umum Eropa atau GDPR dengan menyimpan informasi privasi dan metadata karya seni dalam sistem file terdesentralisasi yang ada di luar rantai. Metadata karya seni dan token digital disimpan dalam OrbitDB, sistem penyimpanan database yang menggunakan beberapa node untuk menyimpan data, dan dengan demikian memastikan keamanan dan privasi data. Sistem terdesentralisasi off-chain menyebarkan penyimpanan data, dan dengan demikian meningkatkan skalabilitas sistem.

Analisis Situasi

Penggabungan teknologi AI dan blockchain telah menghasilkan sistem yang fokus pada melindungi privasi, identitas, dan data pengguna. Meskipun sistem perlindungan privasi AI masih menghadapi beberapa tantangan seperti keamanan jaringan, perlindungan data, skalabilitas, dan kontrol akses, sangat penting untuk mempertimbangkan dan menimbang masalah-masalah ini berdasarkan pertimbangan praktis selama fase desain. Ketika teknologi berkembang dan berkembang lebih lanjut, aplikasi akan berkembang, sistem perlindungan privasi yang dibangun menggunakan AI dan blockchain akan menarik perhatian lebih banyak di masa depan. Berdasarkan temuan penelitian, pendekatan teknis, dan skenario aplikasi, mereka dapat diklasifikasikan menjadi tiga kategori.

• Aplikasi metode perlindungan privasi dalam industri Internet of Things atau IoT dengan menggunakan teknologi blockchain dan AI.
• Aplikasi metode perlindungan privasi dalam kontrak pintar dan layanan yang menggunakan teknologi blockchain dan AI.
• Metode analisis data skala besar yang menawarkan perlindungan privasi dengan menggunakan teknologi blockchain dan AI.

Teknologi yang termasuk dalam kategori pertama fokus pada implementasi teknologi AI dan blockchain untuk perlindungan privasi dalam industri IoT. Metode-metode ini menggunakan teknik AI untuk menganalisis volume data yang besar sambil memanfaatkan fitur desentralisasi dan tidak dapat diubah dari jaringan blockchain untuk memastikan autentikasi dan keamanan data.

Teknologi yang jatuh dalam kategori kedua fokus pada menggabungkan teknologi AI dan blockchain untuk perlindungan privasi yang ditingkatkan dengan menggunakan kontrak pintar dan layanan blockchain. Metode-metode ini menggabungkan analisis data dan pemrosesan data dengan AI dan menggunakan teknologi blockchain untuk mengurangi ketergantungan pada pihak ketiga yang tepercaya, dan merekam transaksi.

Akhirnya, teknologi yang jatuh dalam kategori ketiga fokus pada mengharness kekuatan teknologi AI dan blockchain untuk mencapai perlindungan privasi yang ditingkatkan dalam analisis data skala besar. Metode-metode ini bertujuan untuk memanfaatkan sifat desentralisasi dan tidak dapat diubah dari blockchain yang memastikan autentikasi dan keamanan data, sementara teknik AI memastikan akurasi analisis data.

Kesimpulan

Dalam artikel ini, kita telah membahas tentang bagaimana teknologi AI dan blockchain dapat digunakan bersama-sama untuk meningkatkan aplikasi teknologi perlindungan privasi dengan membahas metodologi yang terkait, dan mengevaluasi lima karakteristik utama dari teknologi perlindungan privasi ini. Selain itu, kita juga telah membahas tentang keterbatasan yang ada dalam sistem saat ini. Ada beberapa tantangan dalam bidang teknologi perlindungan privasi yang dibangun atas blockchain dan AI yang masih perlu diatasi seperti bagaimana mencapai keseimbangan antara berbagi data dan pelestarian privasi. Penelitian tentang bagaimana menggabungkan kemampuan teknologi AI dan blockchain secara efektif sedang berlangsung, dan berikut adalah beberapa cara lain yang dapat digunakan untuk mengintegrasikan teknik lain.

• Perhitungan Tepi

Perhitungan tepi bertujuan untuk mencapai desentralisasi dengan memanfaatkan kekuatan perangkat tepi dan perangkat IoT untuk memproses data pribadi dan sensitif pengguna. Karena pemrosesan AI memerlukan sumber daya komputasi yang substansial, menggunakan metode perhitungan tepi dapat memungkinkan distribusi tugas komputasi ke perangkat tepi untuk diproses daripada memindahkan data ke layanan awan atau server data, yang mengurangi waktu latency, dan mengurangi kemacetan jaringan yang meningkatkan kecepatan dan kinerja sistem.

• Mekanisme Multi-Rantai

Mekanisme multi-rantai memiliki potensi untuk menyelesaikan masalah penyimpanan dan kinerja blockchain tunggal, sehingga meningkatkan skalabilitas sistem. Integrasi mekanisme multi-rantai memfasilitasi klasifikasi data berbasis atribut dan tingkat privasi yang berbeda, sehingga meningkatkan kemampuan penyimpanan dan keamanan sistem perlindungan privasi.