1 و
گروه مهندسی کامپیوتر ، عمده مهندسی الکترونیکی ، انستیتوی علوم و فناوری اطلاعات ، دانشگاه ملی ججو ، JEJU 63243 ، Repblic of Korea
دریافت: 3 اکتبر 2022 / اصلاح شده: 10 نوامبر 2022 / پذیرفته شده: 20 نوامبر 2022 / منتشر شده: 23 نوامبر 2022
چکیده
cryptocurrency ، که اغلب به عنوان ارز مجازی یا دیجیتال شناخته می شود ، یک بستر امن و یک مؤلفه اصلی blockchain است که اخیراً مورد توجه زیادی قرار گرفته است. با استفاده از فناوری blockchain ، معاملات بیت کوین در بلوک هایی ثبت می شود که اطلاعات مفصلی در مورد کلیه معاملات مالی ارائه می دهد. هوش مصنوعی (AI) به دلیل فراوانی و ظرفیت پردازش داده های بزرگ ، در چندین صنعت کاربرد قابل توجهی دارد. یکی از موضوعات اصلی عدم توضیحات برای الگوریتم های هوش مصنوعی در استانداردهای تصمیم گیری فعلی است. به عنوان مثال ، هیچ استدلال یا کنترل مبتنی بر یادگیری عمیق برای فرآیندهای ورودی یا خروجی سیستم وجود ندارد. به ویژه ، تعصب برای حملات مخالف به رابط فرآیند و یادگیری سیستم های هوش مصنوعی موجود را مشخص می کند. این مطالعه یک معماری قابل اعتماد مبتنی بر هوش مصنوعی را نشان می دهد که از ویژگی های blockchain غیرمتمرکز مانند قراردادهای هوشمند و اوراکل های اعتماد استفاده می کند. اجماع غیرمتمرکز پیش بینی کننده های هوش مصنوعی نیز توسط این سیستم با استفاده از هوش مصنوعی ، امکان معاملات ایمن رمزنگاری و استفاده از فناوری blockchain و تجزیه و تحلیل شبکه معاملاتی تصمیم گرفته می شود. با استفاده از هوش مصنوعی برای بررسی دقیق یک شبکه ، هدف اصلی این سیستم بهبود عملکرد شبکه بیت کوین از نظر معاملات و امنیت است. در مقایسه با سایر سیستم های پیشرفته ، نتایج نشان می دهد که سیستم پیشنهادی می تواند به خروجی بسیار دقیق برسد.
1. مقدمه
Blockchain و ادغام هوش مصنوعی به عنوان یکی از فن آوری های مختل کننده که مستقیماً بر زندگی انسان تأثیر می گذارد ، ظاهر شده است. یکی از نیروهای اصلی نوآوری جهانی این فناوری ها است. در سالهای اخیر ، کره زمین مجبور شده است با یک سیستم قابل معامله با نام تجاری جدید به نام Cryptocurrencies مقابله کند. به منظور انجام معاملات از طریق این شبکه ، این سیستم بر روی یک شبکه blockchain توزیع شده و غیرمتمرکز ساخته شده است. در رابطه با پیشرفت سریع فن آوری blockchain ، ارزهای رمزنگاری شده نیز بدنام و علاقه به دست آورده اند. نزدیک به 7000 نوع مختلف ارز رمزنگاری شده در سه ماهه دوم سال 2020 با ارزش بازار بیش از 300 میلیارد دلار معامله شد. فناوری اطلاعاتی مصنوعی تأثیر همه کاره در بخش ها و صنایع مختلف دارد. طراحی پیچیده هوش مصنوعی یافته های بیش از 70 سال تحقیق و مطالعه در منطقه ای را نشان می دهد که دارای نگرانی های اخلاقی و امنیتی متعددی است [1،2،3،4]. براساس [5،6،7،8] حملات و تعصبات مخالف ، دو اشکال اساسی سیستم های هوش مصنوعی است. حساسیت سوگیری در زیر مجموعه داده ها از نظر تصمیم گیری دقیق از سیستم های هوش مصنوعی افزایش می یابد ، اما در کل جمعیت خوب کار نمی کند. علاوه بر این ، یکی از بزرگترین مشکلات در سالهای اخیر ، به ویژه در زمینه های مأموریت های مهم ، عدم توضیح داده ها در سیستم های هوش مصنوعی بوده است. به عنوان مثال ، وقتی صحبت از چت بابات و شناسایی شیء می شود ، پیشنهادات سیستم های یادگیری عمیق بدون هیچ گونه فرضیه پذیرفته می شود. بازی هایی با احتمال حدس اشتباه به خصوص سختگیرانه نیستند. اوضاع فوری است ، به طور مستقیم بر دارایی های قابل توجه یا زندگی انسان تأثیر می گذارد ، و هنوز هم در هنگام پیش بینی نادرست و تصمیم گیری در سیستم های مراقبت های بهداشتی ، امنیت یا امور مالی هنوز نگرانی دارد.
اثبات کار (POW): POW یکی از روشهای اجماع blockchain برای افزودن معاملات جدید به دفترچه است. تأیید معاملات و اضافه کردن بلوک های جدید به زنجیره اولین اهداف است. POW روند شرکت کنندگان را که معاملات را به شبکه انجام می دهند و پاداش می گیرند ، آغاز می کند. افراد به عنوان معدنچی شناخته می شوند و به عنوان فعالیت معدن می شوند. نشانه های دیجیتال بین معدنچیان از طریق شبکه ارسال می شوند و در یک شبکه غیرمتمرکز ، تمام معاملات در یک بلوک جمع آوری می شوند. هدف از این روش ، ترتیب بلوک ها ، تأیید معاملات و دستیابی به اجماع جزئی است.
اثبات سهام (POS): پروتکل اجماع برای پرداختن به مسئله مصرف انرژی POS نامیده می شود. ذینفعان شبکه blockchain به لطف این پروتکل می توانند بلوک های جدیدی تولید کنند. این پروتکل براساس معیارهای مختلف مانند اعتبار سنج های تفویض شده و اعتبار سنجی با فرکانس بالا ، اعتبار سنج ها را انتخاب می کند. علاوه بر اینکه از انرژی بیشتری نسبت به POW برخوردار است ، POS همچنین با جلوگیری از تخصیص اعتبار سنجی که دارای پول بومی blockchain هستند ، به برخی از مسائل امنیتی می پردازد. در صورت عدم موفقیت اعتبار ، تولید بلوک های جدید به تأخیر می افتد. هنگامی که نوبت به تشخیص تغییرات و جریان داده ها می رسد ، POS امکان تحمل تأخیر در برنامه های هوش مصنوعی را فراهم می کند.
انقلاب ارز دیجیتال در [9،10،11] ذکر شده است. تغییرات مختلف ارزهای دیجیتال بانک مرکزی (CBDC) برای تصمیم گیری ، خطرات و مزایای این سیستم در نظر گرفته شد. بررسی پول دیجیتال تحت حمایت بانک در [12] ارائه شده است. این گزارش اختلافات فعلی CBDC را مورد بررسی قرار داده و بر کشورهایی که مخالف اجرای CBDC هستند ، متمرکز شده است. نویسندگان در [13] وضعیت جدیدی را که شامل قدرت استخراج معادن در بیت کوین و اتریوم است ، ارزیابی کردند. در مجموع شش سناریو برای پارامترهای داده های شبکه جمع آوری شده از راندمان سخت افزار معدن ارائه شده است. نتایج حاکی از آن است که قدرت کلی تقاضای blockchain با بهره وری تجهیزات معدن محدود می شود. صلاحیت انرژی معدن رمزنگاری در [14،15] ذکر شد. در این روش ، حداقل ارزیابی انرژی از نظر مصرف انرژی برای تولید عنصر ارزش دارایی های دیجیتال برای بیت کوین ، اتریوم ، Litecoin و Monero مورد بررسی قرار گرفت. در [16] ، نویسندگان در درجه اول روی معدن بیت کوین و محیط زیست در کشورهای پایدار متمرکز بودند. شاخص عملکرد محیط زیست (EPI) ، قیمت انرژی ، دما ، سرمایه انسانی و محدودیت های قانونی همه در ابتدای فرآیند در نظر گرفته می شود. جدیدترین مطالعه در مورد ارزهای رمزنگاری شده و blockchain در [17،18] است. تاریخ ، تعریف و عناصری که بر ارزش ، وضعیت حقوقی و سایر جنبه های ارزهای رمزپایه تأثیر می گذارد ، مورد بحث قرار گرفت.
طبقه بندی مدل سازی شبکه از لبه ها و گره های معنایی و ایجاد شبکه اطلاعات معامله ای برای اهداف مختلف.
ارائه نمای کلی از هوش مصنوعی در زمینه ارزهای رمزنگاری شده و بررسی دقیق شبکه معامله.
تکنیک های مورد استفاده در رویکردهای blockchain و هوش مصنوعی شامل شناخت نهاد ، تشخیص فعالیت و ردیابی معامله ای ، ارائه سوابق قابل اعتماد برای ارزیابی عملکرد شبکه است.
باقیمانده این مقاله به شرح زیر سازماندهی شده است: بخش 2 خلاصه ای از بررسی ادبیات مربوط به چارچوب AI و ارزهای رمزنگاری شده را ارائه می دهد. مکانیسم کشف دانش در این چارچوب ، که مبتنی بر معاملات سیستم است ، در بخش 3 ارائه شده است. نتایج و داده های زیست محیطی رویکرد پیشنهادی در بخش 4 ارائه شده است و ما این مقاله را در بخش 5 نتیجه می گیریم.
2. بررسی ادبیات
وضعیت هنر در کشف دانش و هوش مصنوعی از طریق معماری blockchain به طور خلاصه در این بخش شرح داده شده است. دو بخش مجزا وجود دارد: blockchain برای هوش مصنوعی و امنیت مبادله مبتنی بر رمزنگاری.
2. 1blockchain برای AI < SPAN> تکنیک های مورد استفاده در رویکردهای blockchain و هوش مصنوعی شامل تشخیص نهاد ، تشخیص فعالیت و ردیابی معامله ای ، ارائه سوابق قابل اعتماد برای ارزیابی عملکرد شبکه است.
باقیمانده این مقاله به شرح زیر سازماندهی شده است: بخش 2 خلاصه ای از بررسی ادبیات مربوط به چارچوب AI و ارزهای رمزنگاری شده را ارائه می دهد. مکانیسم کشف دانش در این چارچوب ، که مبتنی بر معاملات سیستم است ، در بخش 3 ارائه شده است. نتایج و داده های زیست محیطی رویکرد پیشنهادی در بخش 4 ارائه شده است و ما این مقاله را در بخش 5 نتیجه می گیریم.
2. بررسی ادبیات
وضعیت هنر در کشف دانش و هوش مصنوعی از طریق معماری blockchain به طور خلاصه در این بخش شرح داده شده است. دو بخش مجزا وجود دارد: blockchain برای هوش مصنوعی و امنیت مبادله مبتنی بر رمزنگاری.
2. 1blockchain برای تکنیک های Aithe که در رویکردهای blockchain و AI مورد استفاده قرار می گیرد شامل شناخت نهاد ، تشخیص فعالیت و ردیابی تراکنش ، ارائه سوابق قابل اعتماد برای ارزیابی عملکرد شبکه است.
باقیمانده این مقاله به شرح زیر سازماندهی شده است: بخش 2 خلاصه ای از بررسی ادبیات مربوط به چارچوب AI و ارزهای رمزنگاری شده را ارائه می دهد. مکانیسم کشف دانش در این چارچوب ، که مبتنی بر معاملات سیستم است ، در بخش 3 ارائه شده است. نتایج و داده های زیست محیطی رویکرد پیشنهادی در بخش 4 ارائه شده است و ما این مقاله را در بخش 5 نتیجه می گیریم.
2. بررسی ادبیات
وضعیت هنر در کشف دانش و هوش مصنوعی از طریق معماری blockchain به طور خلاصه در این بخش شرح داده شده است. دو بخش مجزا وجود دارد: blockchain برای هوش مصنوعی و امنیت مبادله مبتنی بر رمزنگاری.
2. 1blockchain برای AI
طبق [19،20] ، چارچوب blockchain یک چارچوب امن برای معاملات بین کاربران و بسیاری از مشاغل مختلف است. فناوری blockchain یک شبکه غیرمتمرکز است که بازار را با بسیاری از مؤلفه های هوش مصنوعی از جمله داده ها ، قدرت پردازش و الگوریتم ها توانمند می کند. هوش مصنوعی غیرمتمرکز یک ایده جدید برای ترکیب blockchain و AI است ، همانطور که در [19،21،22،23] ذکر شد. این روش نوار نوآوری و سازگاری هوش مصنوعی را بالا می برد. علاوه بر این ، blockchain بر شفافیت ، قابلیت اطمینان و قضاوت های هوش مصنوعی به دلیل مجموعه داده های قابل دسترسی عمومی ، که باعث افزایش اعتماد به نفس و حریم خصوصی چارچوب می شود ، تأثیر می گذارد [24،25،26،27،28]. به اشتراک گذاری داده های ایمن ، که از نظر داده های گسترده و استاندارد طلا در اقتصاد خدمات داده محور ، یک انقلاب هوش مصنوعی است ، یکی دیگر از مزایای blockchain است. از نظر تصمیم گیری ، سیستم های مبتنی بر قرارداد هوشمند یک سیستم دقیق و قابل اعتماد تولید می کنند که گره های blockchain را تأیید و تأیید می کند. این نوع انتخاب را نمی توان به پایین انداخته یا دنبال کرد و توسط شرکت کنندگان در نهاد ردیابی کرد. از میان فن آوری های ذخیره سازی غیر متمرکز شناخته شده می توان به FileCoin [29] ، Storj [30] ، سیستم پرونده بین سیاره [31] و BigChainDB [32] اشاره کرد. blockchain برای مسائل هوش مصنوعی در [33،34] بررسی شد. توسعه پلت فرم و برنامه های کاربردی blockchain با هدف AI نقاط اصلی کانونی بودند. مشکلات و پیامدهای blockchain در هوش مصنوعی کشف و کاوش شده است. هوش مصنوعی غیرمتمرکز ، که اعتماد و تصمیم گیری را امکان پذیر می کند ، فرآیندها را انجام می دهد و تجزیه و تحلیل ها را انجام می دهد ، و اطلاعات مشترکی را که در blockchain ثبت شده است ، ادغام هوش مصنوعی و blockchain است [35،36]. مشکلات ، راه حل ها و مسیرهای آینده اجرای ابر انرژی بر اساس blockchain و هوش مصنوعی در [37] ارائه شده است. این سیستم نشان می دهد که چگونه ممکن است blockchain و هوش مصنوعی با هم کار کنند تا با استفاده از معماری غیر متمرکز مدیریت ابر انرژی AI (ECM) ، مسائل مربوط به حریم خصوصی و امنیتی را برطرف کنند.
2. 2امنیت مبادله مبتنی بر cryptocurrency
بر اساس کلید خصوصی فرستنده که نوع پول را تعیین می کند ، معاملات با استفاده از ارزهای رمزنگاری ، پیام گسترده ای را به شبکه blockchain منتقل می کنند ، که در [38] مورد توجه قرار می گیرد. هیچ کس قادر به تغییر داده ها نیست ، هنگامی که کلید خصوصی یک پیام را امضا کرد ، با تصدیق معامله به شبکه blockchain و گره ها. در صورت سرقت کلید خصوصی ، تمام داده ها غیرفعال می شوند. الگوریتم های حل مسئله و رمزگذاری ، زمینه های مطالعه فعلی هستند که بیشترین توجه را به خود جلب کرده اند [39،40،41،42،43]. پذیرش رمزنگاری با گذشت زمان به طرز چشمگیری افزایش یافته و در بین جمعیت جوان محبوب تر می شود. از آن به ارز عصر دیجیتال جدید گفته می شود. در [44] ، نویسندگان سیستم های رمزنگاری شیوع را مورد بررسی قرار دادند و نوآوری ها و فن آوری های مختل کننده و زیربنای آنها. به منظور پیش بینی قیمت های رمزنگاری ، نویسندگان [45] چارچوب قابل اعتماد DL-Gues را پیشنهاد کردند ، که وابستگی متقابل هر سکه و احساسات بازار را در نظر می گیرد. با استفاده از تاریخچه قیمت و توییت های داش ، Litecoin و بیت کوین و عملکردهای بیشمار ضرر ، پیش بینی قیمت داش را در نظر گرفتیم. علاوه بر این ، با استفاده از تاریخچه قیمت و توییت های بیت کوین-نقدی ، Litecoin و بیت کوین ، ما یافته های پیش بینی قیمت را به منظور آزمایش کاربرد DL حدس در ارزهای رمزنگاری اضافی استنباط کردیم. تجزیه و تحلیل درخت گسل روشی بود که در [46] برای توصیف قابلیت اطمینان و تجزیه و تحلیل معماری سیستم های Oracle blockchain استفاده شد. پیوندهای ضعیف که بر قابلیت اطمینان کلی یک سیستم مبتنی بر blockchain تأثیر می گذارد ، می توان با محاسبه قابلیت اطمینان روشهای اوراکل یافت.
یکی از مهمترین مقالات تحقیقاتی اخیر [47،48،49] با تمرکز بر مشکل دیدگاه آماری. روش پیشنهادی آستانه مکانیسم کنترل را از نظر کیف پول داغ کاهش می دهد تا سوابق پر کردن مجدد برای کیف پول سرد را کاهش داده و از بازنمایی کلیدهای خصوصی در کیف پول سرد هنگام انتقال جلوگیری کند. جدیدترین برنامه های کاربردی مبتنی بر بلاکچین مبتنی بر بلاکچین (AI) در جدول 1 نشان داده شده است. از نظر اهداف ، مزایا و سناریوهای کاربردی ، جدول در تضاد با یادگیری داده های افزوده و لاغر ، مدل های ترکیبی ، دوقلوهای دیجیتال ، AI قابل توضیح و خودکار است. فراگیری ماشین. استفاده از سیستم های blockchain و AI به همراه تأیید اعتماد به مجموعه داده های استفاده شده هدف اصلی سیستم ها است. ایده اصلی ویژگی bitcoin blockchain در [50] معرفی شد. نکات برجسته نشانگر استفاده از blockchain در بانکداری و امور مالی از نظر سازگاری IoT این چارچوب است.
3. روش تحقیق
هدف اصلی این تحقیق ، کشف دانش در سیستم های cryptocurrency مبتنی بر blockchain و مبتنی بر هوش مصنوعی برای بهبود امنیت و قابلیت اطمینان هرگونه مبادله در این شبکه است. روش کشف دانش اطلاعات و معماری را که از دید کاربر پنهان است ، نشان می دهد. معماری پیچیده سیستم پیشنهادی ، که از یک روش ترکیبی در ارزهای رمزنگاری شده استفاده می کند ، در شکل 1 نشان داده شده است.
مروری بر کشف دانش با استفاده از هوش مصنوعی در چارچوب blockchain توسط معماری طراحی شده ارائه شده است. این تعهد ، که یک فرایند کشف دانش امن را ارائه می دهد ، شامل دو عنصر اصلی است. چارچوب blockchain شامل یک الگوریتم اجماع سفارشی است که به بلوک هایی با گره های سفارش داده شده و قراردادهای هوشمند برای حفظ سوابق معامله ای سیستم مرتبط است.
3. 1داده ها
اطلاعات و سوابق جامع مربوط به مجموعه داده های blockchain برای تجزیه و تحلیل معاملاتی شبکه ناشناخته به صورت آنلاین در دسترس است. در این فرایند ، ما مجموعه داده ها را از وب سایت https://coinmarketcap. com/ جمع آوری کردیم ، که شامل کلیه اطلاعات مربوط به ارزهای رمزنگاری ، کلاه های بازار ، حجم و غیره است. جدول 2 اطلاعات مربوط به مجموعه داده های جمع آوری شده را برای پردازش قابل اعتماد ارائه می دهدکشف دانش و چارچوب مبتنی بر چهار نوع رمزنگاری بیت کوین ، اتریوم ، Litecoin و Monero.
3. 2معاملات داده ها در محیط های پویا در زمان واقعی انجام می شود
سازمان خودمختار غیرمتمرکز (DAO) یک ساختار سازمانی مدل است که بر روی فناوری blockchain ساخته شده است و از نظر باز بودن و استقلال آن برجسته است. DAO با استفاده از قراردادهای هوشمند رمزگذاری شده و برنامه ریزی شده ، تصمیمات مدیریتی را به طور مستقل ایجاد می کند تا عملکردهای مدیریت پیچیده را در انواع کلمات رایانه ای تجزیه کند. مدیریت رمزنگاری مالکیت توزیع شده را با استفاده از DAO به عنوان فرم سازمانی و ساختار مدیریتی اتخاذ می کند و همه اعضا را به صاحبان سازمان و تصمیم گیرندگان تبدیل می کند. در DAO ، مدیریت رمزنگاری به شدت به همکاری توزیع شده و هوش جمعی متکی است ، که می تواند محدودیت های ساختارهای مدیریت سلسله مراتبی و مدلهای تصمیم گیری وابسته به فرد را دور بزند ، بنابراین باعث بهبود هوش و قابلیت اطمینان می شود. استقلال دولت رمزنگاری بر روی مفاهیمی ساخته شده است که می توانند به طور مؤثر ایجاد شوند و به صورت پویا انجام شوند. آنها به طور معمول تعامل پیچیده بین افراد و سازمان ها ، روش مدیریت و تخصیص منابع و اهداف و محدودیت های ذینفعان را تشریح می کنند. DAO برای به دست آوردن اجماع نهایی از مذاکرات ، بازی ها و حتی آراء استفاده می کند. اصطلاحات مورد استفاده برای توصیف کارکردهای مختلف مدیریت سازمانی ممکن است با استفاده از مجموعه ای از استانداردهای استاندارد به قوانین قرارداد ترجمه شود و بسیاری از قوانین تعاملی را می توان برای مشخص کردن کامل قوانین مدیریت پیچیده ترکیب کرد. در نتیجه ، تحت اصول DAO مستقر ، مدیریت رمزنگاری می تواند آزادانه و کارآمد کار کند. برای به دست آوردن چارچوب تصمیم گیری جمعی متفاوت و سیستم مدیریت ، مدیریت رمزنگاری از DAO استفاده می کند. چارچوب حاکمیت DAO باید برای تحقق اهداف انصاف ، کارآیی ، همکاری ، امنیت ، مقرون به صرفه بودن و سایر جنبه های مدیریت رمزنگاری ایجاد شود. دو مؤلفه اصلی حالت همکاری هستند که هر گره ای را برای شرکت در پیشنهادات و حالت تصمیم گیری هدایت می کند ، که همه گره ها را کنترل می کند تا به نتیجه توافق شده برسند. به ویژه هنگامی که یک درگیری پدیدار می شود ، یک روند حل اختلاف کارآمد برای جلوگیری از پیشنهادات خود خدمت و همکاری جنایی ، محافظت از منافع فردی و امنیت جمعی لازم است. انسداد اطلاعات فردی در هر مرحله بر نتایج موجود در چارچوب های تصمیم گیری سازمانی سلسله مراتبی سنتی سنتی و پایین و پایین تأثیر می گذارد ،
باعث می شود برخی از تصمیمات مبتکرانه و سودمند به اشتباه کنار گذاشته شوند. این همچنین اثربخشی مدیریت و ظرفیت رشد سازمان را مختل می کند. از طریق DAO مبتنی بر بلاک چین، مدیریت کریپتو گره‌های چند حزبی را قادر می‌سازد تا در فرآیندهای رأی‌گیری و پیشنهاد برای تصمیم‌گیری با یکدیگر همکاری کنند. بنا به تعریف، شکلی دموکراتیک از حکومت است که در آن کل جامعه در آن مشارکت دارد. در سراسر این رویه، انتخاب مکانیزم رای گیری که برای چارچوب حاکمیت موجود قابل قبول باشد، مهم است. این چارچوب مدیریتی چگونگی به دست آوردن شرایط رای دادن و نحوه استفاده از آنها برای ابراز عقاید در مورد مدیریت سازمانی را تشریح می کند. شکل 2 اثرات تصمیم گیری مدیریت داده های رمزنگاری و کارایی را نشان می دهد.
3. 3. کشف دانش با استفاده از هوش مصنوعی
با توجه به جدیدترین مدلهای یادگیری عمیق (DL)، فرآیندهای طبقه‌بندی و شناسایی می‌توانند به عملکرد بی‌نظیری در بین مدلهای ML دست یابند. مدلهای DL برای تأیید، اشکال‌زدایی و تفسیر مشکل هستند و نمی‌توانند توضیحات مناسبی برای اعتبارسنجی مدل‌ها ارائه دهند. از دیدگاه دیگری، هوش مصنوعی مفهوم سیستم را به نمادها یا قوانین، به عنوان مثال، نمودارهای دانش، که به راحتی ارائه می شود، تغییر می دهد.
شکل 3 یک نمای کلی از چارچوب AI سیستم پیشنهادی را نشان می دهد. ارتباط بین هوش مصنوعی و سیستم اتصال گرا بر اساس استخراج و بازنمایی است که دانش را از سیستم پالایش می کند و به طور مشابه فرآیند استدلال را انجام می دهد. فرآیند استدلال به دنبال ایجاد دانش، کاوش در امکانات و کیفیت ایده ها و شبکه سازی است.
3. 4. کشف دانش با استفاده از بلاک چین
امنیت و قابل اعتماد بودن اطلاعات به دلیل پردازش غیرقانونی آنلاین، دو چالش اصلی کاربران در این دهه است. در این سیستم، تمرکز اصلی بر کشف دانش قابل اعتماد از چارچوب بلاک چین است. بلاک چین یکی از پلتفرم‌های امنی است که شامل پروتکل‌های اجماع مختلف و معماری‌های مختلف مانند چند دفتری، دفتر کل ساده و احتمال بین‌المللی است.
شکل 4 روند کشف دانش را از یک چارچوب blockchain نشان می دهد. چهار لایه وجود دارد ، یعنی شرکت کنندگان در شبکه ، فرآیند چارچوب blockchain ، پروتکل اجماع و معماری که درخواست کاربر را قبل از معامله در سیستم پردازش می کند. شکل 5 تجزیه و تحلیل شبکه معاملاتی از cryptocurrency را نشان می دهد. سه دسته وجود دارد: مدل سازی شبکه ، پروفایل شبکه و تشخیص بر اساس شبکه. در این روش ، سه نوع تجزیه و تحلیل وجود دارد: خاصیت ، تکامل و تجزیه و تحلیل بازار. به همین ترتیب ، دو نوع فرآیند شناخت وجود دارد: شناخت نهاد و شناخت با الگوی معامله. سرانجام ، تشخیص فعالیت و معامله ردیابی وجود دارد.
3. 5تجزیه و تحلیل امنیتی معاملات یکپارچگی داده ها در شبکه blockchain
از چارچوب پیشنهادی برای تعیین و تعیین آنچه در مواردی رخ داده است که اختلاف نظر در مورد اینکه چه کسی مسئول یک حادثه بوده است ، استفاده شده است. یکپارچگی داده هایی که در دسترس است باید توسط شرکت با رسیدگی به یک ادعا یا یک مقام رسمی اجرای قانون که به یک حادثه پاسخ می دهد ، تضمین شود. پس از تأیید یکپارچگی داده ها ، می توان به طور قطعی طرف مسئول را شناسایی کرد. با استفاده از معماری ما به عنوان یک چارچوب ، بازپرس یا نماینده با دسترسی به داده های پزشکی قانونی مربوطه که در مرکز داده نگهداری می شوند ، شروع می شود. سپس ، آنها باید معاملات ارائه شده را که شامل داده های هشدار داده شده برای سیستم های blockchain سطح اول ، همراه با مقادیر ریشه هشدهی مرتبط با آنها و مسیرهای هشده است ، کامپایل کنند. بازپرس یا نماینده می تواند تأیید کند که مرکز داده داده های هش IoT معتبر/دستکاری را در صورتی که در واقع در blockchain ذخیره شده و مسابقه ریشه محاسبه شده محاسبه شده است ، به مقامات ارائه داده است. علاوه بر این ، تعداد زیادی از معدنچیان چندچاره به طور مستقل وجود معامله را در blockchain تأیید کرده اند ، و زمان قابل توجهی POW/محاسباتی برای تضمین یکپارچگی داده های هش در یک سیستم چندچاره کنار گذاشته شده است.
3. 6طبقه بندی
در این بخش مفاهیم اصلی blockchain در برنامه های هوش مصنوعی بحث شده است. پنج مفهوم کلیدی در سیستم های یکپارچه AI blockchain وجود دارد: پروتکل های اجماع ، زیرساخت های غیرمتمرکز ، عملیات غیرمتمرکز هوش مصنوعی ، انواع و برنامه های هوش مصنوعی غیرمتمرکز.
3. 6. 1. مدیریت دانش و کشف
