区块链上的机器学习：一种新的工程计算安全方法|新闻
作者：by Engineering Fronts
一项发表在 工程``提出了一个新颖的框架，该框架结合了机器学习（ML）和区块链技术（BT），以增强工程的计算安全性。该框架（MLOB）命名为机器学习，旨在解决现有的ML-BT集成解决方案的局限性，这些解决方案主要关注数据安全性，同时忽略计算安全性。
ML已被广泛用于工程中，以解决复杂的问题，提供高精度和效率。但是，它面临安全威胁，例如篡改数据和逻辑损坏。BT具有权力下放，透明度和不变性的特征，已探索以保护工程数据。但是，传统的ML过程仍然容易受到链链风险的影响，因为ML模型经常在区块链之外执行。
MLOB框架将数据和计算过程都放在区块链上，将其执行为智能合约并保护执行记录。它由四个核心组成部分组成：ML获取，其中ML模型经过特定任务的培训；ML转换，该转换适用于训练有素的模型进行区块链部署；ML安全加载，确保数据和模型传输的安全性；以及基于共识的ML模型执行，保证计算的安全性和正确性。
为了说明MLOB框架的有效性，研究人员开发了一个原型，并将其应用于室内施工进度监控任务。他们将MLOB框架与三个基线和最近的两种ML-BT集成方法进行了比较。结果表明，MLOB框架显着增强了安全性，成功地防御了六个设计的攻击场景。它保持了高度的准确性，与最佳基线方法相比，平均交点与联合（MIOU）度量的平均值差异为0.001。尽管它的效率略有损害，但与最有效的基线相比，效率增加了0.231秒，但总体绩效满足了工业实践的要求。
MLOB框架还具有管理含义。它鼓励组织通过整合高级技术来创新，这可能会导致更具竞争力的工程运营。它还有助于减轻与数据和逻辑安全相关的风险，优化资源分配并增强经济弹性。
但是，该框架有一些局限性。它对对延迟敏感的方案的支持有限，并且缺乏用户友好的界面。未来的研究将着重于优化其效率并设计更容易访问的用户界面，以进一步提高其可用性并扩展其在工程计算中的应用。
该论文“区块链（MLOB）上的机器学习：工程学计算安全的新范式，由Zhiming Dong，Weisheng Lu撰写。开放访问纸的全文：†https://doi.org/10.1016/j.eng.2024.11.026。有关此信息的更多信息 工程，在x上关注我们（https://twitter.com/engineeringjrnl）和在Facebook上喜欢我们（https://www.facebook.com/engineeringjrnl）。
关于《区块链上的机器学习：一种新的工程计算安全方法|新闻》的评论
暂无评论