З широким увагою та потенційними застосуваннями технологій блокчейну та штучного інтелекту, техніки захисту конфіденційності, що виникають в результаті інтеграції цих двох технологій, набувають помітного значення. Ці техніки захисту конфіденційності не тільки захищають конфіденційність окремих осіб, але також гарантують надійність та безпеку даних.

У цій статті ми будемо говорити про те, як співробітництво між штучним інтелектом та блокчейном дає життя численним технікам захисту конфіденційності, та їхнє застосування в різних галузях, включаючи де-ідентифікацію, шифрування даних, к-анонімність та багаторівневі розподілені реєстри. Крім того, ми також спробуємо проаналізувати недоліки разом з їхньою справжньою причиною та запропонуємо рішення відповідно.

Блокчейн, штучний інтелект та їхня інтеграція

Блокчейн-мережа була вперше представлена світу у 2008 році, коли Накамото представив Біткойн, криптовалюту, побудовану на блокчейн-мережі. З моменту її представлення блокчейн здобув велику популярність, особливо за останні кілька років. Ціна, за якою Біткойн торгується сьогодні, та перетин трilionної позначки ринкової капіталізації вказує на те, що блокчейн має потенціал генерувати суттєвий дохід та прибуток для галузі.

Технологію блокчейну можна категоризувати головним чином на основі рівня доступності та контролю, який вони пропонують, з публічним, приватним та федераційним блокчейном як трьома основними типами блокчейн-технологій. Популярні криптовалюти та архітектури блокчейну, такі як Біткойн та Ефіріум, є публічними пропозиціями блокчейну, оскільки вони децентралізовані за своєю природою та дозволяють вузлам входити або виходити з мережі вільно, тим самим сприяючи максимальній децентралізації.

Наступна фігура зображує структуру Ефіріуму, оскільки він використовує зв’язаний список для встановлення зв’язків між різними блоками. Заголовок блоку зберігає хеш-адресу попереднього блоку для встановлення зв’язку між двома послідовними блоками.

Розробка та впровадження технології блокчейну супроводжується законними проблемами безпеки та конфіденційності в різних галузях, які не можна ігнорувати. Наприклад, порушення даних у фінансовій галузі може призвести до великих втрат, тоді як порушення в військових або системах охорони здоров’я може бути катастрофічним. Для запобігання цих сценаріїв захист даних, активів користувачів та інформації про ідентифікацію був основним напрямком дослідження безпеки блокчейну, оскільки для забезпечення розвитку технології блокчейну необхідно підтримувати її безпеку.

Ефіріум є децентралізованою платформою блокчейну, яка підтримує спільний реєстр інформації спільно за допомогою кількох вузлів. Кожен вузол у мережі Ефіріуму використовує EVM або Ефіріум-Вектор-Машину для компіляції смарт-контрактів та забезпечення спілкування між вузлами, яке відбувається через П2П-мережу. Кожному вузлу в мережі Ефіріуму надаються унікальні функції та дозволи, хоча всі вузли можуть бути використані для збору транзакцій та участі у видобутку блоків. Крім того, варто відзначити, що порівняно з Біткойном Ефіріум демонструє швидшу генерацію блоків з відривом майже 15 секунд. Це означає, що криптовалютні шахтарі мають кращий шанс швидше придбати нагороди, тоді як інтервал часу для верифікації транзакцій зменшується суттєво.

З іншого боку, штучний інтелект є галуззю сучасної науки, яка фокусується на розробці машин, які можуть приймати рішення та симулювати автономне мислення, порівнюване з можливостями людини. Штучний інтелект є дуже широкою галуззю сама по собі з численними підгалузями, включаючи глибоке навчання, комп’ютерне бачення, обробку природної мови та іншу. NLP, зокрема, була підгалуззю, яка була сильно сфокусована за останні кілька років, що призвело до розробки деяких топових моделей, таких як GPT та BERT. NLP рухається до майже досконалості, а останній крок NLP полягає в обробці текстових перетворень, які можуть зробити комп’ютери зрозумілими, а останні моделі, такі як ChatGPT, побудовані на GPT-4, вказують на те, що дослідження рухається у правильному напрямку.

Інша підгалузь, яка є досить популярною серед розробників штучного інтелекту, є глибоке навчання, техніка штучного інтелекту, яка працює шляхом імітації структури нейронів. У традиційній рамці глибокого навчання зовнішня інформація обробляється шар за шаром шляхом навчання ієрархічних мережних структур, а потім передається до прихованого шару для остаточного представлення. Фреймворки глибокого навчання можна класифікувати на два типи: наглядне навчання та ненаглядне навчання.

Вище зображення зображує архітектуру перцептрону глибокого навчання, а як можна побачити на зображенні, фреймворк глибокого навчання використовує багаторівневу нейронну мережеву архітектуру для навчання особливостей у даних. Нейронна мережа складається з трьох типів шарів, включаючи прихований шар, шар введення та шар виведення. Кожен шар перцептрону у фреймворці пов’язаний з наступним шаром для формування глибокого навчального фреймворку.

Нарешті, ми маємо інтеграцію технологій блокчейну та штучного інтелекту, оскільки ці дві технології застосовуються в різних галузях та доменах з підвищенням проблем щодо кібербезпеки, безпеки даних та захисту конфіденційності. Застосування, які мають на меті інтегрувати блокчейн та штучний інтелект, проявляють інтеграцію в наступних аспектах.

• Використання технології блокчейну для реєстрації та зберігання навчальних даних, входу та виходу моделей, а також параметрів, забезпечення підзвітності та прозорості у перевірці моделей.
• Використання фреймворків блокчейну для розгортання моделей штучного інтелекту для досягнення децентралізації послуг серед моделей, а також для покращення масштабованості та стабільності системи.
• Надання безпечного доступу до зовнішніх даних та моделей штучного інтелекту за допомогою децентралізованих систем, а також забезпечення можливості блокчейн-мереж отримувати зовнішню інформацію, яка є надійною.
• Використання блокчейн-базованих конструкцій токенів та механізмів стимуляції для встановлення зв’язків та довірчих взаємодій між користувачами та розробниками моделей штучного інтелекту.

Захист конфіденційності через інтеграцію блокчейну та технологій штучного інтелекту

У поточній ситуації системи довірчих даних мають певні обмеження, які компрометують надійність передачі даних. Для виклику цих обмежень технології блокчейну можуть бути застосовані для встановлення надійного та безпечного рішення для зберігання та передачі даних, яке пропонує захист конфіденційності та підвищує безпеку даних. Деякі застосування блокчейну в технологіях штучного інтелекту для захисту конфіденційності згадані в наступній таблиці.

Покращуючи впровадження та інтеграцію цих технологій, захисний потенціал та безпека поточних систем довірчих даних можуть бути суттєво підвищені.

Шифрування даних

Традиційно методи зберігання та передачі даних були вразливі до загроз безпеки, оскільки вони залежали від централізованих серверів, які робили їх легкою мішенню для атакувальників. Вразливість цих методів дає початок серйозним ускладненням, таким як порушення даних та витоки даних, а з огляду на поточні вимоги безпеки, методи шифрування самих по собі недостатні для забезпечення безпеки даних, що є основною причиною появи технологій захисту конфіденційності на основі інтеграції штучного інтелекту та блокчейну.

Давайте розглянемо блокчейн-базований схему федеративного навчання, яка має на меті покращити техніку Multi-Krum та поєднати її з гомоморфним шифруванням для досягнення фільтрації моделей на рівні шифротексту та агрегації моделей, які можуть перевірити місцеві моделі, зберігаючи при цьому захист конфіденційності. Техніка гомоморфного шифрування Пайєра використовується в цьому методі для шифрування оновлень моделей, забезпечуючи додатковий захист конфіденційності.

Де-ідентифікація

Де-ідентифікація є методом, який широко використовується для анонімізації особистої ідентифікаційної інформації користувача в даних шляхом відокремлення даних від ідентифікаторів даних, тим самим зменшуючи ризик відслеження даних. Існує децентралізований фреймворк штучного інтелекту, побудований на технології блокчейну з дозволом, який використовує вищезгаданий підхід. Фреймворк штучного інтелекту фактично відокремлює особисту ідентифікаційну інформацію від неособистої інформації ефективно, а потім зберігає хеш-значення особистої ідентифікаційної інформації в блокчейн-мережі.

Багаторівневий розподілений реєстр

Багаторівневий розподілений реєстр є системою зберігання даних з властивостями децентралізації та多ступеневої ієрархії, призначеної для максимізації ефективності та забезпечення безпеки процесу передачі даних, а також підвищення захисту конфіденційності. DeepLinQ є блокчейн-базованим багаторівневим децентралізованим розподіленим реєстром, який звертається до проблем користувачів щодо захисту конфіденційності та передачі даних шляхом забезпечення захисту конфіденційності даних.

K-анонімність

Метод K-анонімності є методом захисту конфіденційності, який має на меті ідентифікувати та групувати окремих осіб у наборі даних таким чином, щоб кожна група мала щонайменше K осіб з ідентичними атрибутами, тим самим захищаючи ідентичність та конфіденційність окремих користувачів.

Оцінка та аналіз ситуації

У цьому розділі ми будемо говорити про комплексний аналіз та оцінку десяти систем захисту конфіденційності, які використовують інтеграцію блокчейну та технологій штучного інтелекту, запропонованих за останні роки. Оцінка фокусується на п’яти основних характеристиках цих запропонованих методів, включаючи управління авторизацією, захист даних, контроль доступу, масштабованість та безпеку мережі, а також обговорює сильні сторони, слабкі сторони та потенційні області для покращення.

Управління авторизацією

Контроль доступу є технологією безпеки та захисту конфіденційності, яка використовується для обмеження доступу користувача до авторизованих ресурсів на основі попередньо визначених правил, набору інструкцій, політики, забезпечення цілісності даних та безпеки системи.

Контроль доступу

Контроль доступу є одним з основних фундаментальних елементів захисту конфіденційності, який обмежує доступ на основі членства у групі та ідентичності користувача, щоб забезпечити, що тільки авторизовані користувачі можуть доступитися до певних ресурсів, які їм дозволено доступитися, тим самим захищаючи систему від нежаданого доступу.

Технологія цифрової ідентифікації є новим підходом для застосунків Інтернету речей, який може забезпечити безпечний та безпечний контроль доступу, а також забезпечити захист даних та пристроїв. Метод пропонує використовувати серію політик контролю доступу, які базуються на криптографічних примітивах та технології цифрової ідентифікації, щоб захистити безпеку спілкування між сутностями, такими як дрони, серверами хмарних обчислень та серверами наземних станцій.

Захист даних

Захист даних використовується для позначення заходів, які включають шифрування даних, контроль доступу, аудит безпеки та резервне копіювання даних, щоб забезпечити, що дані користувача не будуть доступні незаконно, змінені або втрачені.

Безпека мережі

Безпека мережі є широкою галуззю, яка охоплює різні аспекти, включаючи забезпечення конфіденційності та цілісності даних, запобігання атакам на мережу та захист системи від мережевих вірусів та шкідливого програмного забезпечення.

Масштабованість

Масштабованість відноситься до здатності системи обробляти більші об’єми даних або збільшувати кількість користувачів.

Розробники розробили систему, яка відповідає правилам Європейського загального регламенту захисту даних, зберігши інформацію, пов’язану з конфіденційністю, та метадані творів у розподіленій файловій системі, яка існує поза ланцюгом. Метадані творів та цифрові токени зберігаються в OrbitDB, системі бази даних, яка використовує кілька вузлів для зберігання даних, тим самим забезпечуючи безпеку та захист конфіденційності даних.

Аналіз ситуації

Об’єднання технологій штучного інтелекту та блокчейну призвело до розробки системи, яка сильно фокусується на захисті конфіденційності, ідентичності та даних користувачів. Хоча системи захисту конфіденційності даних штучного інтелекту все ще мають деякі проблеми, такі як безпека мережі, захист даних, масштабованість та контроль доступу, важливо розглянути ці питання на основі практичних міркувань під час стадії розробки.

• Застосування методів захисту конфіденційності в галузі Інтернету речей за допомогою технологій блокчейну та штучного інтелекту.
• Застосування методів захисту конфіденційності в розумних контрактах та сервісах, які використовують технології блокчейну та штучного інтелекту.
• Методи великомасштабного аналізу даних, які забезпечують захист конфіденційності за допомогою технологій блокчейну та штучного інтелекту.

Технології, що належать до першої категорії, фокусуються на застосуванні технологій штучного інтелекту та блокчейну для захисту конфіденційності в галузі Інтернету речей.

Технології, що належать до другої категорії, фокусуються на об’єднанні технологій штучного інтелекту та блокчейну для підвищення захисту конфіденційності шляхом використання розумних контрактів та сервісів блокчейну.

Нарешті, технології, що належать до третьої категорії, фокусуються на використанні потенціалу технологій штучного інтелекту та блокчейну для підвищення захисту конфіденційності при великомасштабному аналізі даних.

Висновок

У цій статті ми говорили про те, як технології штучного інтелекту та блокчейну можуть бути використані разом для підвищення застосунків технологій захисту конфіденційності, обговорюючи їхні методи та оцінюючи п’ять основних характеристик цих технологій захисту конфіденційності. Крім того, ми також говорили про існуючі обмеження поточних систем.

• Обчислення на краю

Обчислення на краю має на меті досягти децентралізації шляхом використання потенціалу пристроїв Інтернету речей для обробки приватних та чутливих даних користувача.

• Багатокadena механізми

Багатокadena механізми мають потенціал для вирішення проблем зберігання блокчейну та продуктивності, підвищуючи масштабованість системи. Інтеграція багатокadena механізмів забезпечує класифікацію даних на основі різних атрибутів та рівнів конфіденційності, підвищуючи можливості зберігання та безпеку систем захисту конфіденційності.