Deng Yangdong, Tsinghua Üniversitesi: Blockchain'in Beş Zorluğu ve Yapay Zeka Tarafından Getirilen Dört Fırsat
Geçtiğimiz birkaç yılda, blockchain ve yapay zeka şüphesiz en sıcak iki teknik kelime dağarcığı.İlgili başarılar akademik çevrede yaygın ilgi gördü ve aynı zamanda başkentte de çok aranıyor. Son zamanlarda, zincir yakalayıcı, Tsinghua Üniversitesi'nde doçent olan ve MATRIX'in baş yapay zeka bilimcisi olan Profesör Deng Yangdong'dan blockchain ve yapay zeka arasındaki ilişkiyi nasıl anladığını tartışmasını istedi. Profesör Yangdong Deng, yapay zeka, elektronik tasarım otomasyonu, paralel algoritmalar ve grafik işlemci mimarisi alanlarında araştırmalara odaklanıyor.Çin'in yüksek hızlı demiryolları için yapay zeka erken uyarı güvenlik çözümleri tasarladı ve geliştirdi.
Profesör Deng Yangdong bu makalede, yapay zeka ve blok zinciri endüstrilerinin karşılaştığı zorlukları ve yapay zekanın blok zincirine hangi fırsatları getirebileceğini ayrıntılı olarak açıkladı.Yüksek okunabilirlik ve düşünme değerine sahip ve size ilham vermeyi umuyor .
2018'den bu yana, blockchain ve yapay zekanın sektördeki entegrasyonu hakkında çok fazla tartışma oldu.Az ile güçlendirilmiş blockchain ve blockchain AI pazarı gibi yeni kavramlar ortaya çıktı.Bazı insanlar bunun Nesnelerin İnterneti (IoT) ile daha da birleştirilebileceğini düşünüyor. ), hatta bazı insanlar blockchain ve yapay zekanın kuantum fiziği ve sinirbilimi daha da entegre edebileceğini düşünüyor. Peki, her türlü kabarcığı ve gürültüyü ortadan kaldırdıktan sonra, bu füzyon anlamlı mı? Özellikle, bir dizi soruya dikkat ediyoruz: Blockchain ve yapay zeka birbirine ne getirebilir? İkisinin birleşimi 1 + 1 oluşturabilir mi? > 1'in etkisi? Özellikle, blok zinciri ve yapay zeka terminal düzeyinde ürünler değildir, bu nedenle ikisinin kombinasyonu yeni terminal uygulamalarının doğuşu için bir platform olabilir mi?
Şekil 1. Blockchain ve yapay zekanın entegrasyonu
Genel olarak yazar, blockchain ve yapay zekanın entegrasyonunun gerçekten yeni fırsatlar getirebileceğine inanmaktadır.Toplam ilişki Şekil 1'de gösterilmektedir. Yazar, yukarıdaki konuları dört açıdan tartışacaktır. Birincisi, kısaca blok zinciri ve yapay zeka temel kavramlarını tanıtın ve şu anda ikisinin karşı karşıya olduğu ana zorlukları tartışın; ikincisi, blok zinciri açısından yapay zeka herhangi bir fayda sağlayabilir; üçüncüsü, yapay zeka açısından Blok zinciri hangi sorunları çözebilir? Dördüncü olarak, blok zinciri ve yapay zekanın entegrasyonunun yeni bir olasılığına bakalım, yani ayrı bilgi işlem kaynakları bir yapay zeka bulut platformu oluşturmak için blok zincir tarafından düzenlenir. Mekân konusuna bakıldığında bu makale ilk olarak birinci bölüm ve ikinci bölümden bahsediyor.
01
Blockchain ve yapay zeka
Blockchain ve yapay zeka, insanlar tarafından farklı sorunları çözmek için oluşturulmuş teknolojilerdir. onların arasında, Blockchain'in kökeni, dağıtılmış hesaplama ve kriptografi araştırmalarında yatmaktadır, ancak ancak 2009'da Bitcoin'in ortaya çıkmasından sonra bağımsız bir teknik alan haline gelmiştir; AI'nın geçmişi, eski Yunanistan'daki Aristoteles'in çalışmalarına kadar izlenebilir. , Modern AI 1958'de Dartmouth Konferansı ile başladı ve o zamandan beri en az iki iniş ve çıkış yaşadı.Yeni yapay zeka dalgası, 2010 yılı civarında derin sinir ağlarının mükemmel performansıyla başladı.
Blok zinciri ve yapay zeka temel kavramlarıyla başladık ve şu anda ikisinin karşı karşıya olduğu zorlukları araştırdık.
1.1 Blockchain ve zorlukları
Blok zincirinin özü, merkezi olmayan dağıtılmış bir defterdir. Bitcoin gibi çekirdek olarak sanal para birimi olan erken blok zincirlerinde, blok zinciri, Bitcoin işlemlerinin geçmişini kaydeden bir veritabanıdır. Şu anda, blockchain kademeli olarak dağıtılmış bir veritabanına dönüşüyor.IPFS dosya sisteminin (InterPlanetary File System) ortaya çıkmasıyla birlikte, Şu anda, blok zinciri tarafından kaydedilen veriler işlem kayıtları ile sınırlı değildir ve herhangi bir yapılandırılmış veya yapılandırılmamış veri olabilir. . Bu veriler her zaman doğrusal veri blokları serisi olarak kodlanır ve her blok bir dizi seri işlem kaydı içerir.
Blockchain tarafından kaydedilen veriler, kurcalamama özelliklerine sahiptir, yani çevrimiçi olduktan sonra kötü niyetli bir saldırı olmadıkça (normal şartlar altında saldırı çok zordur), veriler istenildiği zaman değiştirilemez. Blok zincirinin düğümleri, dağıtılmış ve kendi kendine organizasyon özelliklerine sahiptir.Merkezileştirilmiş bir ağ kurmaya gerek yoktur ve merkezi bir kontrol mekanizması yoktur.Bunun yerine, bir fikir birliği mekanizması aracılığıyla birden fazla katılımcı tarafından müştereken karar verilir.
Konsensüs mekanizması, merkezi olmayan bir ortamda defter tutma hakkını kimin elde edebileceğine ilişkin mevcut problemi çözer.Teorik temeli, dağıtılmış hesaplamadaki Bizans Generalleri Problemidir. Mevcut ortak fikir birliği mekanizması, iş kanıtı içerir (Kanıt -Of-Work, POW) ve Proof-Of-Stake (POS).
Bitcoin, hesap tutma hakkına sahip olan tarafın aynı anda ödül almasına izin veren ve böylelikle Bitcoin ağına yatırılacak büyük miktarda hesaplama kaynağını çeken POW'a ("madencilik" denilen) dayalı bir fikir birliği mekanizmasını başarıyla tasarladı. Bitcoin'den sonra Ethereum (Ethereum), blockchain'in uygulama kapsamını ve esnekliğini büyük ölçüde genişleten akıllı sözleşmeler başlattı. Akıllı sözleşmeler, işlem katılımcılarının davranışını yürütülebilir kod biçiminde tanımlar ve anlaşmaya göre işlemleri otomatik olarak yürütür, böylece karmaşık iş davranışları blok zincirinde uygulanabilir.
On yıllık geliştirmeden sonra, blok zinciri, üç ana biçimde ortaya çıkan önemli bir gelişme kaydetti: dijital para birimini birleştiren bir halka açık zincir, endüstri ile işi birleştiren bir konsorsiyum zinciri ve işletmelerde kullanılan özel bir zincir. Bununla birlikte, mevcut blockchain teknolojisi patlama yaşarken, aynı zamanda bir dizi zorlukla da karşı karşıya:
Bitcoin ve Ethereum ve diğer birçok ana akım halka açık zincir, hepsi bir fikir birliği algoritması olarak iş kanıtı kullanır ve aynı zamanda hesap tutma hakkını elde eden düğümleri ödüllendirir. Bitcoin'i örnek olarak alırsak, iş yükü kanıtı rastgele bir sayıyı hesaplamak için belirli bir hash işlevi kullanır.Zorluğu (hesaplama süresine yansıtılır) sağlamak için, rastgele sayının ilk birkaç basamağının 0 olması gerekir (belirli basamaklar dinamik olarak ayarlanır) . Son birkaç yılda sanal para fiyatlarındaki sürekli güçlü yükseliş eğilimi nedeniyle, madencilik hesaplamalarına büyük miktarda hesaplama kaynağı yatırıldı ve Bitmain tarafından temsil edilen endüstri devleri ortaya çıktı.
Madencilik bilgi işlem gücünün tamamı kayan nokta işlemlerine dönüştürülürse, genel bilgi işlem gücünün kaba tahmini, Google'ın hesaplama gücünün 1 milyon katına veya dünyanın en büyük 500 süper bilgisayarının genel bilgi işlem gücüne ulaşan 1023FLOPS'a (Saniyede Yüzen Nokta İşlemi) ulaşır. 100.000 kez. Böylesine büyük bir bilgi işlem gücü elbette elektriğe dayanmaktadır ve toplam güç tüketimi dünyadaki 160'tan fazla ülkeyi aşmıştır.
Nitekim Nature Energy tarafından 2018'de yayınlanan bir makale, Bitcoin madenciliğinin enerji tüketiminin altın ve platin gibi değerli metalleri aştığına işaret etti. 1 USD Bitcoin tarafından tüketilen elektrik aslında 3.4 USD altın çıkarabilir . Bununla birlikte, madencilik tarafından kullanılan elektrik, sanal para dışındaki dünya için anlamsızdır ve özellikle küresel sürdürülebilir kalkınma bağlamında göz kamaştırıcıdır.
İster sanal para defteri, ister geniş bir veritabanı olsun, blok zincirindeki veri hizmetlerinin tümü işlemler şeklinde tamamlanır. Blok zincirinin dağıtılmış yapısı nedeniyle, işlemler her zaman eşzamanlı olarak oluşturulur. Bu nedenle, blok zincirinin ölçeklenebilirliği genellikle birim zamanda desteklenebilecek en yüksek eşzamanlı işlem sayısını ifade eder. Genel olarak konuşursak, blok zincirinin verim oranı, Saniyedeki İşlemler (TPS) ile karakterize edilir ve hesaplama yöntemi aşağıdaki gibidir:
TPS = bir blok / blok oluşturma süresine dahil olan işlemlerin sayısı = bir bloğa dahil olan işlemlerin sayısı / (mutabakat algoritmasının çalıştırma süresi + yayın ve doğrulama için süre)
Diğer bir deyişle, TPS, veri bloğunun boyutuna, konsensüs algoritmasının çalışma süresine ve yayınlama ve doğrulama süresine göre belirlenir. . Blok zinciri işlemleri doğrulamak için merkezi olmayan bir yöntem kullandığından, doğrulamanın çoğu düğüm bir fikir birliğine vardıktan sonra tamamlanması gerektiğine dikkat çekmek önemlidir.Sonuç, mevcut blok zincirinin kaçınılmaz olarak düğüm sayısı arttığında işlem hızını azaltacağıdır. Bitcoin'in iş hacmi oranı 3.3 ~ 7TPS iken Ethereum biraz daha yüksek, ancak sadece yaklaşık 30TPS. Buna karşılık, işlemleri doğrulamak için merkezi bir yöntem kullanan VISA kredi kartlarının sürekli iş hacmi, 1700 TPS'den daha fazlasına ulaşabilir (VISA resmi web sitesi, zirvenin 65.000 TPS'ye ulaşabileceğini iddia ediyor).
Blockchain, merkezi olmayan bir fikir birliği mekanizması kullanır ve kendi güvenliği nispeten yüksektir. Bununla birlikte, blok zinciri ağ tarafından uygulanır, bu nedenle ağ protokolünün tüm seviyeleri saldırıya uğrayabilir. Örneğin, Mt Gox borsası bir zamanlar cüzdandaki güvenlik boşlukları nedeniyle 360 milyon ABD doları çaldı ve bu da borsanın doğrudan iflas etmesine neden oldu.
Akıllı sözleşmelerden daha ciddi bir güvenlik riski gelir. Akıllı sözleşme bir Turing tam programı olduğundan, davranışı daha karmaşıktır ve kod dağıtılmış bir ağ ortamında çalıştığında, potansiyel risk büyük ölçüde artacaktır. Şu anki akıllı sözleşme programlaması esas olarak, nispeten düşük bir olgunluğa sahip olan Solidity diline dayanmaktadır.Bu nedenle, kod bir sanal makine tarafından yürütülmesine rağmen, saldırganlar ana bilgisayarı istila etmek için taşma ve diğer koşulları kullanabilir. Aynı zamanda, işlemleri desteklemek için, yeniden giriş saldırılarına yatkın olan sözleşmeler arası program çağrıları ve diğer işlevler tanıtıldı. . Tipik bir durum, 2017'de bir yeniden giriş saldırısı tarafından saldırıya uğrayan ve o sırada 60 milyon ABD doları değerinde ETH çalınan Ethereum üzerinde kitle fonlaması projesi DAO'dur.
Akıllı sözleşmelerin piyasaya sürülmesi, blok zincirinin uygulama alanında yeni bir seviyeye yükselmesini sağlayarak insan iş davranışında bir devrim oluşturdu. Bununla birlikte, akıllı sözleşmeler, genel kullanıcılar için zor olan programlar biçiminde somutlaştırılmıştır. . Geleneksel çevrimdışı dünyada, çoğu insan sözleşmenin içeriğini anlayabilir ve kullanıcıların önemli bir kısmı bir avukatın rehberliğinde veya bir şablona atıfta bulunarak basit bir sözleşme yazabilir. Akıllı sözleşmeler söz konusu değildir ve kullanıcıların sözleşme yazmak için programlama becerilerine sahip olmasını gerektirir ve bu da uygulamalarının kapsamını sanal olarak sınırlar.
Büyük veri çağında, veri gizliliğini korumanın önemi apaçık ortadadır. Mevcut blockchain halka açık zincirindeki veriler genellikle tamamen açıktır. Bu nedenle, blok zinciri uygulamalarının sürekli genişlemesi ve veritabanı uygulamalarının oranının artmasıyla birlikte, blok zinciri üzerinde eksiksiz bir gizlilik koruma mekanizmasının nasıl tanıtılacağı, çözülmesi gereken acil bir sorun haline geldi. .
1.2 Yapay zeka ve zorlukları
Yapay zeka öncüsü John McCarthy'nin tanımına göre, Yapay zeka, "akıllı makineler üretme bilimi ve mühendisliğidir" ve amacı, insanın bilişsel yeteneklerini gösterebilen makineler tasarlamak ve üretmektir. . Elbette zekanın tanımı karmaşık bir konu ... Sektör genel olarak zekanın aslında öğrenme yoluyla kişinin kendi veya dış koşullarını sürekli değiştirerek çevreye uyum sağlama yeteneği olduğuna inanıyor.
Yapay zeka alanı çok geniştir ve makine öğrenimi bunun bir parçasıdır ve tarihten öğrenmeyi vurgular. Son 10 yılda, derin sinir ağları tarafından temsil edilen makine öğrenimi teknolojisi şaşırtıcı başarılar elde etti, ancak derinlemesine uygulama aynı zamanda yapay zeka teknolojisinin bir dizi pratik problemle yüzleşmesine neden oldu.
Makine öğrenimi teknolojisi, özellikle derin öğrenme teknolojisi, çok sayıda örnekten (etiketli veya etiketsiz) tahmine dayalı modeller çıkarmaya ihtiyaç duyar. Bu nedenle, makine öğrenimi uygulamalarının genellikle iki aşamalı model eğitimi ve model çıkarımını deneyimlemesi gerekir ve eğitim süreci genellikle büyük miktarda hesaplama gerektirir. Yapay zeka şirketleri şu anda bilgi işlem gücü sorunlarını çözmek için bulut hizmetleri veya kendi kendine oluşturulmuş bilgi işlem kümeleri kiralamaya güveniyor. Hesaplama gücü maliyetleri donanım maliyetlerini, elektrik maliyetlerini ve bakım maliyetlerini içerir .
Birleşik Krallık'taki bir AI endüstri analizi raporu, bir modelin mevcut eğitiminin ortalama 10.000 pound gerektirdiğine ve karmaşık derin ağların eğitim sürecinin daha pahalı olduğuna işaret etti. Bu nedenle, yapay zeka şirketlerinin% 50'sinden fazlası şu anda yeterli bilgi işlem gücüne sahip değil .
Günümüzün yüksek oranda dijitalleşmiş insan toplumunda, veri kaynağı sıkıntısı yoktur, ancak veri paylaşım kanalları sorunsuz olmaktan uzaktır. Çoğu uygulama senaryosunda, veri üretimi ve veri analizi farklı paydaşlara aittir. Arama motorları, güvenlik ve e-ticaret gibi birkaç alan dışında, AI şirketleri veri kaynaklarını doğrudan kontrol etmez ve yalnızca veri sağlayıcılarla işbirliği içinde veri elde edebilir.
Bu nedenle, mevcut ortak terim, yapay zeka alanında teknolojinin veri ve uygulamalar kadar önemli olmadığıdır. . Aslında, teknoloji önemli değildir, ancak veri erişiminin çoğu zaman engelleri vardır. Engeller için pek çok neden vardır, ancak en önemlilerinden biri veri sağlayıcıların verileri paylaştıktan sonra faydaları paylaşabileceklerini garanti edememektir.
Geleneksel endüstride modellerin kullanımında deneyim eksikliği yoktur Finans, tıp ve imalatta çok sayıda olgun modelleme uygulaması vardır.Nükleer reaktör endüstrisinde belirli modellerin satın alınması standart bir iş modelidir. ancak, Geleneksel modeller ile makine öğrenimi modelleri arasında, özellikle derin öğrenme modelleri arasında önemli farklılıklar vardır, yani AI modellerinin yorumlanabilirliği zayıftır. .
Örneğin, finans endüstrisinde yaygın olarak kullanılan geleneksel risk kontrol modeli bir risk değerlendirmesi sağlayabilir ve aynı zamanda daha büyük riskten hangi faktörlerin sorumlu olduğunu açıklayabilir (düşük kredi puanları, mevcut aşırı borçlanma vb.). Yapay zeka, özellikle derin öğrenme modeli, "kara kutu" özelliklerine sahiptir. Doğruluk oranı yüksek olabilse de, muhakeme sürecini açıklamak zordur, bu da karar verme konusunda yetersiz güvenilirliğe neden olur.
İnsanlar hala yapay zekanın ilk aşamalarında. Mevcut başarılı AI uygulamaları, esas olarak görüntü ve konuşma tanıma alanında denetimli öğrenmeye ve deterministik ortamlarda gelişmiş öğrenmeye odaklanır. . Bunlar arasında, denetimli öğrenme genellikle büyük örnek boyutları ve yüksek kaliteli açıklamalar gerektirme sorunu yaşarken, pekiştirmeli öğrenme çok fazla hesaplama gerektirir. İnsan beyni zekası ile karşılaştırıldığında, AI öncelikle denetimsiz veya yarı denetimli öğrenme yeteneğinden yoksundur ve ikincisi, genelleme yeteneği zayıftır ve bir çıkarım etkisi oluşturamaz. Sadece bu da değil, yapay zeka yetersiz sağduyu ve muhakeme becerilerine sahip, "öğrenmeyi öğrenme" (problemleri çözmek için kendi kendine öğrenme) yeteneğinden yoksun ve üst düzey bilişsel etkinlikleri gerçekleştirmek zordur.
Makine öğrenimi, veri gizliliği için iki ucu keskin bir kılıçtır. Bir yandan makine öğrenimi teknolojisi, gizliliği çalmanın yeni yollarını da beraberinde getiriyor. Öte yandan, makine öğrenimi modelleri için gizlilik hırsızlığı teknolojileri (model parametrelerini ve eğitim verilerini çalmak gibi) hızla ortaya çıkıyor. .
02
Yapay zeka, blok zinciri için fırsatlar sağlar
Bir önceki bölüm, şu anda blok zincirinin karşı karşıya olduğu ana zorlukları tanıttı, Yapay zeka, özellikle akıllı sözleşme işleme ve madencilik işlevi tasarımı açısından bu zorlukların bazılarının üstesinden gelmek için gerçekten yeni fikirler sağlayabilir.Bazı insanlar AI'nın blok zinciri için otomatik yönetişim yetenekleri sağlayabileceğine inanıyor. . Yazar, makalenin bu bölümünde yapay zekanın blockchain için sunduğu fırsatları tartışıyor.
1. Güvenlik doğrulaması
Blok zincirinin güvenliğinin her ağ ve uygulama düzeyinde kapsamlı bir şekilde korunması gerekir.Bu makale akıllı sözleşmelerin güvenliğine odaklanmaktadır. Akıllı sözleşmeler yazılım koduna ait olduğundan, geleneksel yazılım kusurları ve güvenlik açıkları resmi doğrulama (Resmi Doğrulama) yoluyla ele alınabilir. Son yıllarda, makine öğrenimine dayalı güvenlik açığı kalıbı tespit yöntemleri ortaya çıktı.Bazı çalışmalar, soyut sözdizimi ağaçlarının, güvenlik açıkları olup olmadığını tespit etmek için tekrarlayan sinir ağlarının girdisi olarak kullanılabileceğini kanıtladı. .
Aynı zamanda akıllı sözleşmeler, dağıtılmış bir ağ üzerinde eşzamanlı olarak yürütülür, bu nedenle dinamik güvenliği doğrulamak için korumalı alan ağına dinamik saldırı ve savunma yöntemlerini tanıtmak gerekir. Dinamik saldırı sürecinde, bilinen saldırı yöntemlerini kullanmanın yanı sıra, mevcut üretici ağ, kendi oluşturduğu saldırı yöntemlerini de çalıştırır. Aslında, Şu anda patlayan rakip üretim ağı, birleşik bir çerçeve içinde sözleşmeleri ve saldırıları tamamen optimize etme olanağı sağlar. .
Şekil 2. Akıllı sözleşme güvenlik doğrulaması için ideal bir araç akışıdır. Temel fikir, akıllı sözleşme kodunun çevrimiçi hale gelip sanal bir makinede çalıştırılmadan önce statik ve dinamik doğrulamaya tabi tutulması gerektiğidir.
Statik doğrulama, kaynak kodunun veya bayt kodunun doğrudan analizidir (kod çalıştırma gerekmez) Analiz araçları şu anda resmi doğrulamaya (Resmi Doğrulama) odaklanır, ancak derin sinir ağlarına dayalı makine öğrenimi yöntemleri de hızla ortaya çıkmaktadır. . Resmi doğrulama, donanım doğrulaması temelinde geliştirilmiştir ve yazılım güvenliği doğrulamasında yaygın olarak kullanılmaktadır. Yöntem, programı belirli bir biçimsel model (yani, zamansal mantığa dayalı matematiksel bir model) olarak ifade etmek ve ardından doğruluğunu kanıtlamak için matematiksel yöntemler kullanmaktır.
Resmi doğrulama yöntemleri üç kategoriye ayrılabilir: Sembolik Yürütme, Model Denetleme ve Teorem Kanıtı . Sembolik yürütme algoritması, kodun tüm olası yürütme yollarını geçer, durum geçişini ve her yolun karşılık gelen koşullarını çıkarır ve her bir yoldaki kısıtlamaları ihlal eden karşı örnekler olup olmadığını kontrol eder.
Model denetimi, programı mantıksal bir model olarak ifade eder, belirli bir güvenlik açığı için güvenlik koşulunu karşılık gelen öznitelik olarak ifade eder ve ardından, özniteliği ihlal eden bir girdi değeri olup olmadığını bulmak için tatmin edici çözümleyiciyi kullanır.Varsa, kodda bir güvenlik açığı olduğu anlamına gelir. Aksi takdirde, kodun bu niteliği karşılaması gerektiği anlamına gelir. Teorem kanıtı, model kontrolünden daha yeteneklidir ve işlev düzeyinde kontroller yapabilir, ancak genellikle uzman düzeyinde manuel müdahale gerektirir.
Resmi doğrulama bir yapay zeka teknolojisi olmamasına rağmen, AI gerçekten resmi doğrulamanın performansını birçok yönden iyileştirebilir. Aslında, resmi doğrulama teknolojisi, durum patlama problemini çözmek için çok sayıda sezgisel algoritma sunar ve AI daha optimal sezgisel koşulları bulabilir. Öte yandan, kaynak kodunu soyut bir sözdizimi ağacı olarak ifade ettikten sonra, güvenlik açıklarını kontrol etmek için tekrarlayan sinir ağının desen iyileştirme yeteneğini kullanabiliriz Şu anda bu alanda bazı başarılı çalışmalar var.
Statik doğrulama ile karşılaştırıldığında, dinamik doğrulama, daha zor olan, dağıtılmış güvenilmeyen bir ortamda dinamik programların yürütülmesinde potansiyel boşluklar bulmalıdır. Genel olarak konuşursak, şu anda akıllı sözleşmenin bir "sanal alan" simülasyonu gereklidir, yani kod, saldırıyı manuel olarak enjekte etmek için test zincirinde yürütülür. Generative Adversarial Networks'ün (Generative Adversarial Networks) hızlı gelişimi, az sayıda saldırı örneğine göre otomatik olarak saldırı kodları oluşturma imkanı sağlar ve akıllı sözleşme güvenliği için yeni araçlar sağlaması beklenir.
Aynı zamanda, AI teknolojisi, dinamik güvenlik açığı koklama için akıllı sözleşmeli sanal makinelerle birleştirilebilir. Statik incelemeden farklı olarak, dinamik incelemenin genellikle kaynak koddaki potansiyel güvenlik açıklarını doğru bir şekilde bulması gerekmez, bu nedenle zayıf yorumlanabilirliğe sahip derin öğrenme tekniklerinin daha iyi uygulanabilirliği vardır.
2. Akıllı sözleşme kodu oluşturma
Akıllı sözleşmeler, programlama dillerinde yazılmış programlar olarak ifade edilir, bu nedenle kullanım için daha yüksek eşikler, akıllı sözleşmelerin kullanılabilirliğini ciddi şekilde etkileyecektir. Programlama becerisine sahip olmayan genel kullanıcılar, sözleşme hazırlama işini tamamlamak için programcıları işe almalıdır, ancak Solidity'nin mevcut topluluğu küçüktür ve programcılardan yoksundur. Yapay zeka teknolojisi, kodu otomatik olarak sentezleme imkanı sağlar.Microsoft DeepCoder tarafından temsil edilen mevcut derin sinir ağı, özel bir alandaki bir dizi örneğe dayanarak otomatik olarak kod üretebilmiştir. .
Herhangi bir sorun için otomatik kod üretiminden uzaklığın hala çok uzak olmasına rağmen, akıllı sözleşmenin kendisinin birçok dikkate değer özellik gösterdiğini belirtmek gerekir. Örneğin, programın nispeten net bir durumu vardır (sonlu durum makinesi ile temsil edilebilir), hesaplama süreci nispeten basittir (esas olarak sanal para biriminin aritmetik işlemleri için) ve tipik modlar (para yatırma ve çekme, oylama, piyango vb.) Vardır. Kod oluşturmanın güçlü olanakları vardır .
Şekil 3. Akıllı sözleşme kodu üretimi için ideal araç akışı
Şekil 3'te gösterildiği gibi, akıllı sözleşme kodu oluşturma aracı süreci, basit bir komut dosyası dilinde, grafiksel bir şekilde veya hatta doğal bir dilde yakalanan işlem niyetiyle başlar ve ardından işlemin temel özelliklerini çıkarmak ve işlemi buna göre sınıflandırmak için makine öğrenimi araçlarını kullanır. Kod sentezi için akıllı sözleşme tasarım modelini birleştirin. Kod oluşturma araçları, güvenliği en üst düzeye çıkarmak için yinelemeli otomatik saldırılar ve kod revizyonları gerçekleştirmek için güvenlik doğrulama araçlarıyla daha da birleştirilebilir.
3. AI madenciliği işlevi
Satoshi Nakamoto, blok içindeki işlemin içeriğine bağlı olarak belirli gereksinimleri karşılayan rastgele bir sayı hesaplamak için tek yönlü bir hash işlevi kullanan Bitcoin için çok gelişmiş bir kazma işlevi tasarladı. Genel olarak, madencilik fonksiyonları şu özelliklere sahip olmalıdır:
Birincisi, fonksiyon tek yönlüdür, yani hesaplama sonucunun doğrudan tahmin edilmesi zordur, ancak sonucun doğruluğunu teyit etmek kolaydır; ikincisi, fonksiyon hesaplamasının belirli bir gücü olmalıdır ve zorluk ayarlanabilir; üçüncüsü, fonksiyonu hesaplarken Büyük miktarda veri aktarmaya gerek yoktur, yani blok zinciri ağına ek bant genişliği yükü getirmez; dördüncü olarak, işlev adil olmalıdır, yani güçlü hesaplama gücüne sahip düğümler yalnızca daha yüksek ödül alma olasılığına sahiptir. .
Ek olarak, madencilik fonksiyonunun katma değeri veya kamu refahı olması gerekir, yani madencilik sanal para dışında değer üretebilir. Aslında, mevcut AI uygulamaları yetersiz bilgi işlem gücü ikilemiyle karşı karşıyadır.Blok zincirinin ödül mekanizması aracılığıyla bilgi işlem gücü girişini çekebilirseniz, gerçekten de çabanın yarısı ile iki kat daha fazla sonuç elde edebilirsiniz.
Bilgi işlem gücü sağlama perspektifinden, derin sinir ağları gibi makine öğrenimi modellerini eğitmenin en büyük pratik öneme sahip olduğu açıktır. Sadece bu değil, eğitim süreci gerçekten tek yönlüdür, yani eğitim süreci yoğunluğu yüksektir, ancak doğrulama süreci (yani, bilinen sonuç verilerinden bir çıkarım) çok düşüktür. Bununla birlikte, derin bir sinir ağının eğitim zorluğunu tahmin etmek zordur, bu nedenle kontrol edilmesi kolay değildir ve genellikle eğitim sırasında büyük miktarda eğitim örneği verisinin iletilmesi gerekir ve ağ aktarım baskısı büyüktür. Derin sinir ağlarının eğitim sürecinin bir madencilik işlevi olarak hala çok zor olduğu görülebilir.
Diğer bir olası AI madenciliği işlevi, Markov Zinciri Monte Carlo (MCMC) algoritmasıdır. MCMC, Bayes öğreniminde ve muhakemesinde son derece önemli bir rol oynamaktadır ve 20. yüzyılda ilk on algoritmadan biri olarak seçilmiştir. Algoritma en azından rastgele örneklemeye dayanmaktadır, amaç bilinen olasılık dağılımının rastgele sayısından başlamak, belirli bir posterior olasılık dağılımı için rastgele sayılar oluşturmak ve dağılımın özelliklerini çıkarmaktır. MCMC tek yönlüdür ve zorluk nispeten kontrol edilebilir. Bununla birlikte, bir madencilik işlevi olarak MCMC'nin dezavantajı, doğrulama sırasında nispeten büyük miktarda verinin iletilmesi gerekmesidir.
Şekil 4. Saldırılara karşı derin sinir ağına dayalı madencilik işlevi
Matrix AI blockchain, kaynağı derin sinir ağlarına karşı yüzleşen bir saldırı olan derin öğrenmeye dayalı yeni bir madencilik mekanizması önermektedir. Şu anda, derin sinir ağlarının en olgun uygulama alanı görüntü tanımadır. Bununla birlikte, son zamanlarda insanlar derin sinir ağının "kör noktaları" olduğunu, yani resmi belirli bir şekilde değiştirdiğini keşfettiler Şu anda, insan gözü hala resmin içeriğini normal olarak ayırt edebilir, ancak derin sinir ağı yanlış sınıflandırma sonucunu verecektir. Şekil 4'ün solundaki resim, tek piksellik bir saldırı örneğidir Resimde sadece bir piksel değişikliğiyle, derin sinir ağı başarılı bir şekilde "kandırılabilir".
Peki, resmi değiştirmenin bir yolunu nasıl bulabilirim? Şu anda çoğu algoritma, bir saldırı oluşturmak için resme gürültü eklemek için rastgele optimizasyon yöntemleri kullanır. Bu algoritma bir madencilik işlevi olma potansiyeline sahiptir ve tek yönlülük, zorluk ve bant genişliği açısından gereksinimleri karşılayabilir. Elbette, bu yöntemin kamu refahı, insan beyni ile derin sinir ağı arasındaki farkı daha iyi anlamamıza yardımcı olmak için karşı saldırı örneklerini bulmak için blok zinciri hesaplama gücünü kullanabileceği için biraz yetersizdir.
4. Blockchain otomatik yönetişimi
Herhangi bir karmaşık sistem, yaşam döngüsü boyunca kendi içinde ve çevresinde değişikliklere uğramak zorundadır, bu nedenle, değişiklikler meydana geldiğinde sistemin kendisinin nasıl değiştirileceğini belirlemek için bir dizi kurala ihtiyaç vardır. Kurallar, kod (akıllı sözleşmeler gibi), yasalar, süreçler (X gerçekleştiğinde Y eylemlerinin gerçekleştirilmesi gibi) ve sorumluluk gerekliliklerinde somutlaştırılabilir. Sistem yönetişimi, bu kuralları oluşturma, güncelleme ve terk etme karar verme sürecidir. Blok zincirinin merkezi olmayan yapısı nedeniyle, yönetim süreci geliştiricilerin, madencilerin, kullanıcıların ve ticari kuruluşların çıkarlarını dengelemeyi içerir.
Blockchain sistemleri geleneksel olarak çevrimdışı yönetişimi kullanır, yani herkes yönetişim kurallarını değiştirmek için önerilerde bulunabilir, ancak bir önerinin kabul edilip edilmeyeceği, önerinin belirli bir anlaşmaya göre değerlendirilmesini gerektirir ve son olarak nihai karara karar verir ve çok partili oylama yoluyla onu değiştirir. İlgili kod çevrimiçi olarak yürütülür . Bitcoin'in ilgili yönetişimi, BIP (Bitcoin İyileştirme Önerisi) protokolü aracılığıyla gerçekleştirilir.Karar verme hızı yavaş olsa da, birçok kişi buna karşılık gelen aşamalı sürecin Bitcoin'in sürdürülebilir gelişimi için faydalı olduğuna inanır.
Öte yandan, yapay zekaya dayalı otonom, çevrimiçi yönetişimin hızla değişen ağ ortamı için daha uygun olduğuna inanan birçok insan var. Bu durumda, yönetişim süreci AI tabanlı gelişmiş öğrenme yoluyla gerçekleştirilebilir.DFINITY blok zinciri, otomatik olarak oylama yapmak için kullanıcı temsilcileri olarak AI aracılarını kullanmayı bile önerir.
Yönetişim sürecinin yapay zekası, özellikle ayrıntılı anlaşmazlık çözümü (madencilik veya işlem hile gibi) ile uğraşırken gerçekten de bazı faydalar sağlayabilir. Bununla birlikte, son araştırma sonuçları, mevcut AI teknolojilerinin çoğu insan etiketli örneklere dayandığından, önyargılar da olabileceğini, bu nedenle AI karar verme sürecinin birçok insanın düşündüğü kadar adil olmayabileceğini göstermektedir. Aynı zamanda, AI karar verme, sıradan kullanıcıların anlaması zor olan AI modellerinde ve algoritmalarında somutlaşmıştır ve güvenliğinin ve adaletinin doğrulanması da çok zor bir konudur.
(Metin / Deng Yangdong; Kaynak: Chain Catcher; İzinsiz yeniden basılmıştır)
-
- Onu seviyor çünkü bir kase erişte var, ama kız her gün 2 kase erişte sipariş ederse kurtarılamaz ...
