معماری غیرمتمرکز جهت تامین امنیت، حریم خصوصی و اعتماد با ترکیب بلاکچین و هوش مصنوعی در اینترنت اشیا

معماری غیرمتمرکز جهت تامین امنیت، حریم خصوصی و اعتماد با ترکیب بلاکچین و هوش مصنوعی در اینترنت اشیا

رضوان محمودیه1

1) گروه مهندسی کامپیوتر،واحد اسدآباد، دانشگاه آزاد اسلامی،اسدآباد ،ایران

کد IOI مقاله : AAHD-ABKAGH
محل انتشار : کنفرانس ملی فناوری اطلاعات، نانوتکنولوژی، هوش مصنوعی و آینده پژوهی فناوری (itnaf.ir)
چکیده :
    پیشرفت هم‌زمان اینترنت‌اشیا، بلاکچین و هوش مصنوعی، عصر جدیدی از سیستم‌های غیرمتمرکز هوشمند را رقم زده است؛ بااین‌حال، معماری‌های متمرکز موجود به‌دلیل اتکا به سرورهای ابری، با سه بحران بنیادین امنیت سایبری، نقض حریم‌خصوصی و فقدان اعتماد ذاتی میان گره‌های ناهمگون مواجه هستند. این مقاله، یک معماری کاملاً نوآورانه و سه‌لایه با عنوان DAIoT ارائه می‌دهد که برای نخستین‌بار، یادگیری فدرال مبتنی بر اعتماد، قراردادهای هوشمند خودتکاملی و سیستم اجماع تطبیقی‌پذیر را در یک چارچوب منسجم ترکیب می‌کند. نوآوری کلیدی این پژوهش در طراحی یک مکانیزم اجماع دورگه است که به‌صورت پویا و براساس سطح ریسک شبکه، بین الگوریتم‌های PoA و PBFT جابه‌جا می‌شود و بدین‌ترتیب، بازدهی انرژی را تا ۸۷٪ بهبود و تأخیر نهایی را به زیر ۸۰۰ میلی‌ثانیه کاهش می‌دهد. همچنین، لایه‌ی هوش غیرمتمرکز با بهره‌گیری از یادگیری فدرال تقویتی‌شده ، نه‌تنها حریم‌خصوصی داده‌های خام را به‌کامل حفظ می‌کند، بلکه با تشخیص آنی ناهنجاری‌های رفتاری در گره‌ها، امنیت شبکه را به‌صورت پیش‌دستانه تأمین می‌نماید. نتایج شبیه‌سازی‌های گسترده در محیط NS-3 و Hyperledger Fabric بر روی سناریوی شهر هوشمند با ۵۰۰ گره‌ی IoT نشان می‌دهد که معماری پیشنهادی در مقایسه با بهترین رویکردهای موجود، امنیت را ۴۲٪، حریم‌خصوصی را ۳۸٪ و سطح اعتماد را ۵۱٪ افزایش می‌دهد؛ ضمن آن‌که سربار محاسباتی را تا ۶۵٪ کاهش می‌دهد. این معماری به‌عنوان یک الگوی مرجع برای سیستم‌های IoT بحرانی (سلامت، شهرهای هوشمند، صنایع حیاتی) قابل‌پیاده‌سازی است و مسیری نوین برای تحقق اینترنت‌اشیا امن، شفاف و غیرمتمرکز نسل آینده ترسیم می‌کند.

کلمات کلیدی : معماری غیرمتمرکز بلاکچین تطبیقی یادگیری فدرال تقویتی اجماع دورگه اینترنت‌اشیا امن حریم‌خصوصی‌محور اعتمادپذیری daiot