Akili ya Blockchain: Muunganiko wa Blockchain na Akili Bandia

1. Utangulizi

Teknolojia ya Blockchain imebadilisha kabisa ushirikishaji salama na usio na kituo cha data, ikitoa ufuatiliaji, kutoweza kubadilika, na kutoweza kukataliwa. Hata hivyo, inakabiliwa na changamoto kubwa ikiwemo uwezo duni wa kupanuka, ugumu wa matengenezo ya uendeshaji, udhaifu katika mikataba mahiri, na utambuzi wa shughuli mbaya ndani ya data yake ya kihistoria. Karatasi hii inachunguza muunganiko wa Akili Bandia (AI) na blockchain—inayoitwa Akili ya Blockchain—kama suluhisho la vikwazo hivi. Tofauti na tafiti nyingi zinazolenga kulinda AI kwa blockchain, kazi hii inasisitiza kuboresha mifumo ya blockchain kwa kutumia teknolojia za AI kama vile masomo ya mashine na uchimbaji data.

2. Muhtasari wa Teknolojia za Blockchain

Blockchain ni daftari lililogawanyika kama mnyororo linalorekodi manunuzi yaliyothibitishwa na makubaliano ya mtandao. Sifa zake kuu ni kutoa mamlaka kwa wote, uwazi, na usalama wa kriptografia.

2.1 Blockchain 1.0: Sarafu Dijitali

Ikiigizwa na Bitcoin, awamu hii ililenga hasa mifumo ya sarafu dijitali na malipo kutoka mtu hadi mtu, na kuweka msingi wa muundo wa manunuzi yasiyo na kituo kimoja.

2.2 Blockchain 2.0: Mikataba Mahiri

Ilianzishwa na majukwaa kama Ethereum, awamu hii ilianzisha mikataba inayotekeleza yenyewe na masharti yaliyoandikwa kwenye msimbo. Mikataba mahiri hutekeleza na kutekeleza makubaliano kiotomatiki wakati masharti yaliyowekwa tayari yametimizwa, na kupanua matumizi ya blockchain zaidi ya fedha.

3. Muunganiko wa Akili Bandia na Blockchain

3.1 Kufafanua Akili ya Blockchain

Akili ya Blockchain inarejelea uwezo wa akili uliopewa mfumo wa blockchain kupitia AI. Inalenga kufanya shughuli za blockchain ziwe za kutangulia, za kujitegemea, na zenye ustahimilivu zaidi dhidi ya vitendo vya kuvuruga.

3.2 Mbinu za Akili Bandia za Uboreshaji wa Blockchain

Mbinu kuu za AI ni pamoja na:

Masomo ya Mashine: Kwa ajili ya kugundua ubaguzi katika muundo wa manunuzi na utabiri wa matengenezo ya nodi za mtandao.
Uchimbaji Data: Ili kutoa ufahamu wa thamani na kutambua hatari zilizofichika kutoka kwenye seti kubwa za data za blockchain.
Usindikaji wa Lugha Asilia (NLP): Kwa ajili ya kuchambua na kuthibitisha semantiki ya msimbo wa mikataba mahiri.
Uwasilishaji wa Data: Ili kutoa ufahamu wa moja kwa moja katika tabia changamano za mtandao wa blockchain na mtiririko wa manunuzi.

4. Uchunguzi wa Kesi: Uthibitisho wa Uwezekano

Karatasi inawasilisha uchunguzi wa kesi unaoonyesha matumizi ya masomo ya mashine kwa ajili ya kugundua muundo wa msimbo wenye udhaifu katika mikataba mahiri ya Ethereum. Kwa kufunza modeli kwenye data ya mikataba ya kihistoria iliyowekwa alama ya udhaifu wa usalama (k.m., reentrancy, kuzidi kamili), mfumo unaweza kuashiria msimbo wenye hatari kubwa kabla ya kutumika. Hii inapunguza eneo la shambulio na kuboresha usalama wa jumla wa programu zisizo na kituo kimoja (dApps).

Maelezo ya Chati (Dhana): Chati ya baa inayolinganisha usahihi wa utambuzi wa njia za kitamaduni za ukaguzi wa mikono dhidi ya njia inayopendekezwa inayoendeshwa na AI katika aina tofauti za udhaifu (Reentrancy, Kuzidi/Kupungua, Udhibiti wa Ufikiaji). Modeli ya AI inaonyesha uboreshaji mkubwa, na viwango vya usahihi vikiwa zaidi ya 92% kwa madarasa makubwa ya udhaifu.

5. Maelezo ya Kiufundi & Mfumo wa Hisabati

Njia kuu ya kiufundi inahusisha kutumia masomo yaliyosimamiwa kwa ajili ya utambuzi wa ubaguzi. Manunuzi au opcode za mikataba mahiri zinaweza kuwakilishwa kama vekta za sifa. Modeli, kama vile Mashine ya Vekta ya Usaidizi (SVM) au Mtandao wa Neva, inafunzwa ili kuziainisha kama za kawaida au za uovu.

Uundaji wa Hisabati (Uliorahisishwa):

Acha vekta ya sifa ya manunuzi iwe $\mathbf{x} \in \mathbb{R}^n$. Lengo ni kujifunza kitendakazi $f(\mathbf{x})$ kinachotabiri lebo $y \in \{0, 1\}$, ambapo $1$ inaonyesha nia mbaya. Kwa SVM ya mstari, lengo ni kupata ndege bora:

$$\min_{\mathbf{w}, b} \frac{1}{2} \|\mathbf{w}\|^2 + C \sum_{i=1}^{m} \max(0, 1 - y_i (\mathbf{w} \cdot \mathbf{x}_i + b))$$

ambapo $\mathbf{w}$ ni vekta ya uzito, $b$ ni upendeleo, $C$ ni kigezo cha kurekebisha, na $m$ ni idadi ya sampuli za mafunzo.

6. Mfumo wa Uchambuzi & Mfano

Mfumo: Mkaguzi wa Mkataba Mahiri Unaendeshwa na AI

Lengo: Kuchunguza kiotomatiki msimbo wa mkataba mahiri wa Solidity kwa muundo unaojulikana wa udhaifu.

Mchakato:

Kuingiza Data: Kusanya msimbo chanzi kutoka kwa mikataba iliyothibitishwa kwenye majukwaa kama Etherscan.
Utoaji wa Sifa: Badilisha msimbo kuwa sifa za nambari (k.m., kwa kutumia uchambuzi wa Mti wa Sintaksia ya Kufikirika (AST) ili kutoa muundo wa mtiririko wa udhibiti na data).
Utoaji Hitimisho la Modeli: Pitisha sifa kupitia modeli ya uainishaji iliyofunzwa tayari (k.m., Msitu wa Nasibu au Mtandao wa Neva wa Grafu).
Upimaji wa Hatari & Utoaji Ripoti: Toa alama ya hatari na ripoti ya kina inayoonyesha sehemu za msimbo zenye udhaifu na kupendekeza marekebisho.

Mfano wa Matokeo (Dhana): Kwa mkataba ulio na mdudu wa uwezekano wa reentrancy, mfumo ungeashiria kitendakazi, kuonyesha taarifa yenye udhaifu ya `call.value()` na kurejelea Kitambulisho kinachohusiana cha Uorodheshaji wa Udhaifu wa Kawaida (CWE), kama vile CWE-841.

7. Matumizi ya Baadaye & Mwelekeo

Usimamizi wa Mtandao Unaojitegemea: Mawakala wa AI ambayo hurekebisha kigezo cha makubaliano (k.m., ada ya gesi, ukubwa wa block) kulingana na msongamano wa mtandao wa wakati halisi.
Uzingatiaji wa Utabiri: Modeli za ML zinazochambua grafu za manunuzi ili kutabiri na kuzuia ukiukaji wa kanuni kama vile kuficha fedha haramu.
Akili ya Vinyororo Vingi:

Akili Bandia ya Kizalishaji kwa Uundaji wa Mkataba: Kutumia modeli kama GPT kusaidia katika kuandaa, kukagua, na kuthibitisha rasmi msimbo wa mkataba mahiri, na kupunguza makosa ya kibinadamu.

Mwelekeo wa Utafiti: Kuchunguza Masomo ya Shirikishi kwenye blockchain ili kufunza modeli za AI kwenye data isiyo na kituo kimoja bila kukiuka faragha, dhana inayolingana na miradi kama vile Mradi wa Open Algorithms (OPAL) wa MIT Media Lab.

8. Marejeo

Zheng, Z., Xie, S., Dai, H. N., Chen, X., & Wang, H. (2018). Changamoto na fursa za Blockchain: Uchunguzi. Gazeti la Kimataifa la Huduma za Wavuti na Gridi, 14(4), 352-375.

Buterin, V. (2014). Mkataba mahiri wa kizazi kijacho na jukwaa la programu isiyo na kituo kimoja. Karatasi Nyeupe ya Ethereum.

Goodfellow, I., Pouget-Abadie, J., Mirza, M., Xu, B., Warde-Farley, D., Ozair, S., ... & Bengio, Y. (2014). Mtandao wa wapinzani wa kizalishaji. Maendeleo katika mifumo ya usindikaji wa habari ya neva, 27. (Marejeo ya mbinu za hali ya juu za AI/ML).

MIT Media Lab. (b.t.). OPAL (Open Algorithms). Imepatikana kutoka https://www.media.mit.edu/projects/opal-open-algorithms/overview/

Zhu, J. Y., Park, T., Isola, P., & Efros, A. A. (2017). Tafsiri ya picha hadi picha isiyo na jozi kwa kutumia mitandao ya wapinzani yenye mzunguko thabiti. Matukio ya mkutano wa kimataifa wa IEEE wa kompyuta ya kuona (ukurasa 2223-2232). (Mfano wa usanifu wa modeli ya hali ya juu ya AI inayohusika na kazi za mabadiliko ya data).

Mtazamo wa Mchambuzi: Kufafanua Nadharia ya Akili ya Blockchain

Ufahamu Mkuu: Hoja yenye mvuto zaidi ya karatasi hii ni mabadiliko yake kutoka kwa hadithi iliyozidi kusisitizwa ya "AI inahitaji blockchain kwa usalama" hadi "blockchain inahitaji AI kwa maisha." Inatambua kwa usahihi kwamba thamani ya msingi ya blockchain—imani isiyobadilika—inaharibiwa na ukatili wa uendeshaji na unyonyaji wa mikataba mahiri. Muunganiko unaopendekezwa, Akili ya Blockchain, sio nyongeza ya anasa; ni hatua muhimu ya mageuzi kwa teknolojia kupanuka zaidi ya matumizi madogo. Hii inalingana na mienendo pana ya tasnia ambapo mifumo yenye data nyingi (kama ile inayoelezewa katika karatasi ya CycleGAN kwa mabadiliko changamano ya data) inategemea zaidi ML kwa ajili ya uboreshaji na uzalishaji wa ufahamu.

Mtiririko wa Mantiki: Waandishi wanaunda kesi thabiti. Wanaanza kwa kutambua magonjwa yanayojulikana ya blockchain (uwezo wa kupanuka, usalama), kisha wanapendekeza AI kama dawa, haswa wakiibainisha kama zana ya uboreshaji badala ya tegemezi. Uchunguzi wa kesi kuhusu utambuzi wa udhaifu wa mkataba mahiri ni uthibitisho wa dhana wenye mantiki na wenye nguvu, ukikabiliana moja kwa moja na moja ya maumivu makubwa katika mfumo, kukumbusha jinsi zana za uchambuzi tuli zilivyobadilika katika uhandisi wa programu za kitamaduni.

Nguvu & Kasoro: Nguvu iko katika wigo wake uliolengwa na mwelekeo wa vitendo. Hata hivyo, uchambuzi hauzingatii vizuizi muhimu. Kwanza, kanuni ya "takataka ndani, takataka nje" inatumika: kufunza modeli za AI zinazotegemewa kunahitaji data kubwa, ya hali ya juu, iliyowekwa alama ya blockchain, ambayo ni nadra na ghali kuzalisha. Pili, haionyeshi vizuri mzigo wa hesabu. Kuendesha utambuzi changamano wa ML kwenye mnyororo au hata kwa uchambuzi wa nje ya mnyororo wa wakati halisi kunaweza kukinzana na malengo ya ufanisi wa blockchain. Karatasi inasomeka kama mradi wa ahadi lakini inakosa majadiliano ya kina juu ya usawazisho kati ya akili na usambazaji wa mamlaka—mvutano unaofafanua nafasi hiyo.

Ufahamu Unaoweza Kutekelezwa: Kwa watendaji, hitimisho la haraka ni kuwekeza katika kujenga na kusafisha seti za data zilizowekwa alama za manunuzi ya blockchain na msimbo wa mikataba—hii itakuwa mafuta mapya. Miradi inapaswa kutoa kipaumbele kwa kuunganisha modeli nyepesi za ML kwa ajili ya utambuzi wa ubaguzi katika kiwango cha nodi au kichunguzi kwanza. Kwa watafiti, uwanja wenye rutuba ni katika kuunda usanifu maalum, wenye ufanisi wa neva (uliochochewa na mafanikio katika nyanja kama vile kuona kompyuta, kama inavyoonekana kwa CycleGAN) kwa ajili ya masomo ya msingi wa grafu kwenye mitandao ya manunuzi. Mshindi wa baadaye katika muunganiko huu hatakuwa yule aliye na AI yenye nguvu zaidi, bali yule atakayeweza kuingiza akili bora bila kuvunja kanuni za msingi za blockchain.