人工智能揭秘区块链技术挑战:一项调查的最新进展

介绍

区块链技术的前景成为明显的比特币的发射后不久,2008年在线cryptocurrency,。区块链的操作是基于分散和分布式总帐系统由网络上的每个节点维护。没有中央权威管理事务由于不变性的概念放在交易,这意味着没有篡改或覆盖的分类帐。存储或数据库是安全的,通过强大的散列加密保护。每一笔交易与另一个;从而增加透明度和安全的信息。有完整和全面的事务日志系统区块链。写作和阅读的过程中整个区块链是勉强达到,而不是一组节点(哈桑et al ., 2019;阿尔法et al ., 2021 a)。

萨博的智能合约的目的是设计基于计算机的自动协议支持,增强,验证和执行数字合同,谈判进入个人或政党之间不需要中央机构Hyperledger和Ethereum等。实际上,区块链技术使用智能数字经济合同,智能制造和工业、医学、金融管理、物联网(物联网),列表是不彻底的。除了区块链技术的不成熟,安全和隐私是最高的技术障碍的比例(王et al ., 2019)。区块链网络通常是复杂的,为了运行轻量级客户端能够移动接口是渴望。这是能增加这一技术的应用领域(雷竞技rebatMukkamala et al ., 2018)。

人工智能(AI)是计算机科学领域负责任务的设计和执行最初由人类。然而,这些任务经常重复的和良好定义的(杨和余2021人)。人工智能开发积累和识别感兴趣的信息在一个储存的数据生成的事件。人工智能的出现带来了智能环境。不过,区块链技术和人工智能的合并已经很长一段的主题调查研究社区(Azzaoui et al ., 2020)。几个变量(如深卷积神经网络)人工智能已经成功的在不同领域的应用包括自然语言处理,和计算机视觉。(Zhang et al ., 2019)。这个调查支撑这两种技术的贡献(即区块链技术和人工智能)解决的挑战。本研究的贡献包括以下:1)确定当前区块链技术的挑战。2)讨论最近的人工智能方法在区块链技术揭秘这些挑战。3)突出的情况下,场景,AI区块链技术的前景。

区块链技术

区块链技术的基础

区块链的起源可以追溯到一个假名,Satoshi Nakamoto在比特币的论坛在2008年《比特币:点对点的电子现金系统。这种技术动机几个行业和技术的革命。区块链技术使分布式总帐系统的概念,智能共识合同,非对称加密,和大量的核心技术。区块链骨干技术等数字cryptocurrencies Hyperledger,比特币,Ethereum。区块链提供点对点、可追溯性、匿名性、防篡改,信任,和安全的交易。除了金融部门,区块链的其他应用领域包括物联网(物联网),边缘计算、供应链管理和人工智能(王et al ., 2020)。

区块链是一个数据库的扩展结构,由点对点(P2P)网络节点。它由三个关键层包括点对点网络骨干,数据库和相关应用程序。在这种情况下,通信过程是由P2P网络,每个节点都有一个平等的权利提供和消费信息。更是如此,网络的路由过程(也就是说,发现和建立连接相邻节点)(冯et al ., 2019)。尽管全球分类帐在地址分配给用户控制消息传输形式的cryptographic-based公私密钥(冯et al ., 2019)。

区块链技术的优势

区块链技术的不可靠的自然会共识机制在整个网络中节点必须授权或验证事务上达成协议。不过,块中包含的信息成为公众由于链的披露政策,这引发了对用户隐私的挑战。然而,区块链是一种分布式数据库,通过分散结构加强隐私保护和数据存储机制。网络的稳定性,这些提供信息防篡改和匿名在试图克服隐私披露经常面临的问题集中服务,尤其是blockchain-propelled投票系统,智能停车场系统(王et al ., 2020;冯et al ., 2019)。

区块链技术使用分布式的验证事务过程中,大量的矿商合作验证交易的合法性之前附加区块链。区块链的不一致的状态,所有节点更新他们的本地副本区块链与国家矿工的共识的基础上,也就是说,确切的区块链是通过选举获得的。然而,这种方法是弱的攻击如女巫(孔蒂et al ., 2018)。Chatterjee和Chatterjee (2017)招募区块链的关键好处包括不可逆(双抗支出),不变的(防篡改),分布式系统(参与者保留一份分类帐),弹性(不易常见的攻击),和不可靠的(点对点系统而不是中央权威)。

人工智能

针对科学发展机系统能够表现出情报类似于人类的心灵被称为人工智能(AI)。它可以用来自动破解复杂的任务没有人类的干涉。AI可以大致分为自然语言处理,和机器学习方法。自然语言处理(NLP)协助人类与电脑相互关连通过专门的自然语言。NLP理解、诠释和理解人类语言的特殊方式。机器学习试图解释输入和输出之间的相互关系为目的的推断未来预测的基础上获得所需的主要模式(监督学习)或确定集群的数据从输入值(范Klompenburg et al ., 2020)。不过,深度学习拥有先进的应用AIs的优化过程。事实上,深度学习复制人脑的功能标记和非结构化数据的自动获取知识(Azzaoui et al ., 2020;范Klompenburg et al ., 2020)。

特别是,深度学习应用于高维数据解释相互关系的情况下,对象检测、图像分类和语义分割。卷积神经网络(CNN),递归神经网络(RNN),多空词记忆(LSTM)和径向基函数网络(RBFN)的某些形式的艾未未的深度学习子类别(杨和余2021人)。水管理和控制站使用RBFN开发为目的的预测水位,天气,和灌溉参数(Adenugba et al ., 2019)。作物的产量率进行了深层神经网络等人工智能的机器学习领域,LSTM和CNN。全球市场收益预测是准确地确定通过机器学习方法(Al - Sulaiman和Al - Matouq, 2021年)。人工智能用于改善医疗决策过程,诊断和治疗慢性疾病(Battineni et al ., 2020)。基于ai的信任管理至关重要的健康安全与资源分配网络/应用程序(Abbasi et al ., 2021)。

区块链技术的问题

一个基于点对点技术的密码安全电子支付平台被调查孔蒂et al ., (2018),它允许虚拟货币交易(称为比特币)。比特币引起研究者和业界人士的兴趣由于其巨大的市值和事务拉每天增加。这些吸引了各种各样的攻击包括双支出,net-split,事务的延展性,网络攻击和矿业池。匿名数字货币和分散的网络(如区块链和共识协议)主要是用于比特币将回溯房地产、中央控制,增加开放。两个算法已经提出了比特币系统隐私保护用户的交易包括proof-of-work和共识;但是,无法抗拒操纵和停止某些种类的攻击。然而,需要集中注意力,在未来的工作,在电子商务行业用户隐私和匿名性问题。

最顶层cryptocurrencies之一是所有事务的比特币被关在一个分布式扩展公共分类帐区块链。比特币是主要通过incentive-well-suited保护proof-of-work使用分布式共识协议由矿工(网络节点)。奖励激励,矿工们必须相当保护区块链。自2009年推出以来,比特币已经积累了惊人的增长率和价值数十亿美元。但是,比特币的经济前所未有的进步引发了来自对手的威胁在试图利用弱点不得以营利为目的;因此,研究人员将揭示新的漏洞在这个系统。此外,比特币的正常功能可以被扭曲的漏洞Proof-of-Work和区块链(孔蒂et al ., 2018)。

许多优点可以来源于区块链技术,尤其是在提供分布式事物安全服务(萨尔曼et al . (2019)]包括保密、隐私、出处、身份验证和完整性。认证和机密性解决方案通过公私密钥加密的加密和签名等方法。然而,并没有实际试验不同的区块链方法在大规模和真实情况下的性能评估。Ferrag et al。(2018)强调不同区块链在物联网网络协议。特别是,这些协议已经应用于车辆、能源、云,边缘计算。Blockchain-IoT网络协议等容易受到威胁的身份,操纵,cryptanalytic,声誉和服务。新的解决方案预计将演变为特殊区块链基础设施、车辆云广告播出,轮廓查询处理,信任管理,对威胁和弹性。

区块链技术的一个重要组成部分cryptocurrency比特币由于其分散和伪造属性(杨et al ., 2018)。区块链的分布和基础特性使得它适合于更高级的应用程序,尤其是在物联网系统。这些区块链的技术特性使分布式物联网系统的隐私和安全的解决方案。区块链技术提供更便宜的链接和一些物联网设备之间直接交流。不过,物联网和区块链是不同的技术的集成可能产生新的挑战。最重要的是,有发展的前景这两种技术在改善全球福祉的人通过日常活动的自动化。

主要负责数据的妥协和腐败的脆弱性聪明的地方(巴et al ., 2018))。此外,假整合新设备和设备上运行不一致的固件版本将继续增加风险除了巨大的数据,设备、基础设施和终端用户在网络上可用。尽管区块链在物联网的应用,包括安全严重问题比比皆是焦点(信心、隐私、可伸缩性和匿名化);可伸缩性(应用程序需要巨大的计算能力,验证和确认事务);不受限制地访问信息(在公共事务完成透明开放的识别和追踪);和数据管理(集中服务条款被替换为一个分散的计划来消除第三方控制)。

冯et al。(2019)本次区块链的广泛部署的可能的挫折,隐私风险是最高的。区块链技术的普遍接受和意识相关的分散性质和安全;以及一个独特的方式存储、分享和更新数据的方向最即将到来的网络互动系统,如物联网或供应链系统。发现,大多数部署数据隐私保护技术是基于密码学的匿名性和事务隐私。然而,有必要发展条件的方法一个可信的权威来追踪用户和事务而隐藏区块链网络用户的个人数据。更是如此,新的隐私保护方法必须减少管理费用由于沟通,等待延迟,和复杂的计算,特别是在非匿名集。作者画的未来努力三个方面包括:1)模糊的事务关联,以防止回溯分析。2)隐瞒身份的发送者和接收者的身份意味着复杂的加密原语。3)致盲交易内容,但他们可验证性和可计算性是保留。

区块链技术受限于交易现象的一种模式;也就是说,只有一种类型的资产可以操作一次,而缺乏指定数量的事务审批节点要求达到共识。这将导致巨大的时间浪费和过程缓慢区块链(Chatterjee和Chatterjee, 2017)。虽然有几个即将应用程序出于区块链,随后可以提高它的性能和结构。尽管、互操作性和可伸缩性问题blockchains仍然坚持(恩索et al ., 2019)在其子类,如公共、私人和财团。

人工智能的潜在解决方案

AI可以显著应用到解决这个问题的威胁和漏洞通过有效的审计区块链的资产和资源(阿尔法et al ., 2021 b)。聪明的合同是指承诺生成数字的集合与集合的规则来指导缔约方履行其承诺(王et al ., 2019)。人工智能可以充分控制机制的共识和协议的操作在区块链(孔蒂et al ., 2018)。哈希函数用于生成块散列以抵抗攻击见以下方程:

在那里, $r=\mathrm{256年},\mathrm{384年},\mathrm{512年}$ 在今天的blockchains位长,必须超过的散列值y对于每一个r在情商。(孟et al ., 2018)。

然而,轻量级密码已被确认克服扩展散列过程区块链(阿尔法et al ., 2021 a;哈桑et al ., 2019)。此外,轻量级加密方案一般是弱,但可以提高硬化方案如早(阿尔法et al ., 2021 b)。授权和验证交易区块开采区块链可以外包的有效性和使用人工智能方法加速效果。

达到决策的过程块和奖励系统的开采区块链技术可以有效地管理的人工智能方法(哈桑et al ., 2019)。预计到虚假块左未经证实和丢弃的区块链网络结合Proof-of-Work和AI-inspired算法(恩索et al ., 2019)。区块链技术可以叠加在物联网等技术来克服问题的安全,隐私和延迟(哈桑et al ., 2019)。拜占庭将军的问题可以解决与区块链的可靠性和透明度是通过人工智能方法引入有效的大量终端用户之间的数据共享的网络(Atlam遗嘱,2019)。

事务传播、沟通和管理区块链可以通过人工智能应用程序更有效地进行。的身份泄漏问题和无效的伪身份区块链可以进一步通过proof-of-conformance保护机制使用计算机视觉等人工智能方法(杨和余2021人)。的linkability身份信息保存在区块链已无用地进行匿名化的个人身份信息(PII)。不过,公私密钥的保密区块链是其作战效能的核心,它可以通过使用人工智能方案(Wirth和Kolain, 2018年)。有很多的机会将人工智能集成到区块链技术通过利用分散等特性,透明度,隐私,和可审核性高度复杂和复杂的应用程序(Mukkamala et al ., 2018)。

最初Blockchains建立在加密原语没有信任一个实体防,而不是证明来自强大的加密。的验证和支持事务完全依赖数字签名(Chatterjee和Chatterjee, 2017)。然而,新方法基于人工智能模式识别等。分布式分类帐的虚拟化技术(比如区块链技术)可以克服可扩展性和互操作性的问题(恩索et al ., 2019)。然而,AI可能扮演了一个重要的角色在管理网络流量和完善blockchains大量的交易。

未来的人工智能区块链技术的解决方案

人工智能的前景在区块链技术克服弱点从这项研究进行了总结表1。

AI在区块链技术:用例和场景

AI有足够的能力来提高数据交换和传输通过分布式和multi-computing云基础设施,可视化,大规模计算。这些使许多服务能够并行执行包括服务器、网络硬件,空间最大化(Namasudra et al ., 2020)。

大数据应用程序需要有效的信息推断和转换方法,可以通过高性能机器/深度学习算法。控制访问方法的有效性在大数据应用程序可以提高使用恶意数据/事务识别基于深度学习计划(Namasudra et al ., 2020)。优化方法提供的机器学习算法搜索和meta-heuristic与分散的数据库结构使云服务提供商包括谷歌的云物联网,微软Azure物联网的优势,和亚马逊的AWS本片()。

金融链和其他分散的应用程序(DAPPs)与深度学习算法可以有效地审查发布恶意和到虚假交易和操作。假的产品评论能被探测到的Blockchain-based平台上使用机器学习算法。区块链支持买家和卖家之间的安全平台,共享数字内容数据的风险可以通过机器学习技术(最小化纳兹et al ., 2019)。

Blockchain-based无人机监控系统吞吐量和网络性能可以通过人工智能的深度学习维护他们的路由和运动。的安全数据收集和传输通过无人机机载联合实现兵力委托证明股权和深度学习(Yazdinejad et al ., 2020)。

协作和开放式的区块链技术进一步提高有效数据管理的要求。因此,机器学习和人工智能的方法可以集成到区块链安全数据分析透明度(Faroukhi et al ., 2020)。主要用例和场景的分层表示的AI区块链技术中描述图1。

结论

区块链技术的发展可以从三个主要角度推导值包括创新模型的开发和深远的勘查;改进的特定领域的研究和最终用户;和新企业的发展能力。更是如此,需要考虑采用正式的模型为目的的理解复杂的并发症和复杂性周边区块链技术的应用(Mukkamala et al ., 2018)。

聪明的合同的概念类似于小块的软件管理客户和消费者之间的交易或事务,虽然不同,金融结构的智能合同不同于非金融智能合同(Chatterjee和Chatterjee, 2017)。因此,开发人员,安全专家和分散的应用程序程序员需要有效协作将更快地走向完美的blockchain-based通过人工智能应用程序。

区块链技术能够提供Sensing-as-a-Service传感对象的数据保护,以换取某些激励措施(恩索et al ., 2019)。然后,AI可以促进Sensing-as-a-Service平台通过使用在气象站区块链数据,智能精准农业、和其他智能环境。研究导致了持续的讨论使用AI克服问题区块链技术包括网络管理、数据交换、交易确认,公私密钥管理、智能编程合同,达成一致协议的有效性,而复杂的密码学和疲软的散列函数。

数据可用性声明

最初的贡献提出了研究中都包含在这篇文章/补充材料;进一步询问可以针对相应的作者。

作者的贡献

第一作者审查和修改这个手稿的内容。第二作者写的部分1、2、4,提供引用和格式化的手稿。第三部分。作者3、5、6所示。

的利益冲突

作者声明,这项研究是在没有进行任何商业或财务关系可能被视为一个潜在的利益冲突。

出版商的注意

本文表达的所有索赔仅代表作者,不一定代表的附属组织,或那些出版商编辑和评论员。任何产品,可以评估在这篇文章中,或声称,可能是由其制造商,不保证或认可的出版商。

确认

作者要感谢评论者对他们的贡献在这手稿更好和发表。

引用