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

پیشرفت همزمان اینترنت، اشیا، بلاکچین و هوش مصنوعی عصر جدیدی از سیستم های غیرمتمرکز هوشمند را رقم زده است؛ با این حال معماری های متمرکز موجود به دلیل اتکا به سرورهای ابری با سه بحران بنیادین امنیت سایبری، نقض حریم خصوصی و فقدان اعتماد ذاتی میان گره های ناهمگون مواجه هستند. این مقاله یک معماری کاملا نوآورانه و سه لایه با عنوان (DAIoT) ارائه می دهد که برای نخستین بار یادگیری فدرال مبتنی بر اعتماد، قراردادهای هوشمند خودتکاملی و سیستم اجماع تطبیقی پذیر را در یک چارچوب منسجم ترکیب می کند. نوآوری کلیدی این پژوهش در طراحی یک مکانیزم اجماع دورگه است که به صورت پویا و براساس سطح ریسک، شبکه بین الگوریتم های PoAT و PBFT جابه جا می شود و بدین ترتیب بازدهی انرژی را تا ۸۷٪ بهبود و تاخیر نهایی را به زیر ۸۰۰ میلی ثانیه کاهش می دهد، همچنین لایه ی هوش غیرمتمرکز با بهره گیری از یادگیری فدرال تقویتی شده، نه تنها حریم خصوصی داده های خام را به طور کامل حفظ می کند بلکه با تشخیص آنی ناهنجاری های رفتاری در گره ها امنیت شبکه را به صورت پیش دستانه تامین می نماید. نتایج شبیه سازی های گسترده در محیط NS و Hyperledger Fabric بر روی سناریوی شهر هوشمند با ۵۰۰ گره ی IoT نشان می دهد که معماری پیشنهادی در مقایسه با بهترین رویکردهای موجود امنیت را ۴۲٪، حریم خصوصی را ۳۸٪ و سطح اعتماد را ۵۱٪ افزایش می دهد؛ ضمن آن که سربار محاسباتی را تا ۶۵٪ کاهش می دهد. این معماری به عنوان یک الگوی مرجع برای سیستم های IoT بحرانی، سلامت، شهرهای هوشمند و صنایع حیاتی قابل پیاده سازی است و مسیری نوین برای تحقق اینترنت اشیا، امن، شفاف و غیرمتمرکز نسل آینده ترسیم می کند.

کلیدواژه ها:

معماری ، غیرمتمرکز ، بلاکچین ، تطبیقی ، یادگیری فدرال ، تقویتی ، اجماع ، دورگه ، اینترنت اشیا ، امن ، حریم خصوصی محور ، اعتمادپذیری ، DAIoT