Tehnologija blockchain postala je snažno rešenje za poboljšanje bezbednosti i privatnosti u sistemima Interneta stvari (IoT) decentralizovanjem skladištenja podataka i osiguranjem transakcija putem kriptografije, čime se garantuje nemutabilnost podataka i zaštita od neovlašćenog pristupa. Rani radovi su predlagali lagane okvire za blockchain za pametne domove radi zaštite korisničkih podataka od spoljašnjih napada. Pametni ugovori dodatno automatizuju rad uređaja na osnovu definisanih okidača. Međutim, zahtevi za računarskom snagom blockchain tehnologije i mehanizmi konsenzusa mogu uvoditi kašnjenja, smanjujući efikasnost u aplikacijama u realnom vremenu. Istražuje se integracija blockchain tehnologije s mašinskim učenjem (ML) radi poboljšanja bezbednosnog upravljanja u 6G mrežama i optimizacije infrastrukture pametnih gradova, povećavajući transparentnost, sigurnost i efikasnost u oblastima poput energetike i saobraćaja. Primene blockchaina takođe doprinose jačanju bezbednosti i privatnosti IoT pametnih uređaja. Primena ML u prediktivnom upravljanju temperaturom dobila je na značaju zahvaljujući svojoj sposobnosti da poboljša odziv sistema i energetsku efikasnost. Algoritmi ML analiziraju istorijske podatke o unutrašnjoj temperaturi, zasićenosti i vremenskim uslovima za predviđanje potreba za grejanjem ili hlađenjem, omogućavajući preemptivne prilagodbe sistema. Studije pokazuju da kontrola zasnovana na ML može smanjiti potrošnju energije do 18% u poređenju s reaktivnim sistemima. Takvi prediktivni sistemi zahtevaju čvrsto i sigurno rukovanje podacima za obradu podataka u realnom vremenu i istorijskih unosa. Uveden je obrada na ivici (edge computing) kako bi se ublažili problemi latencije i propusnosti u oblaku, tako što se podaci obrađuju lokalno, čime se poboljšava donošenje odluka u realnom vremenu, posebno za pametan sistem temperature. Sinergija između veštačke inteligencije (AI) i blockchain tehnologija značajno povećava produktivnost u industriji, pouzdanost operacija i sigurnost podataka. Kombinovanje objašnjive AI s blockchainom unapređuje finansijsko odlučivanje putem povećane transparentnosti i poverenja. Okviri za pametne domove koji koriste blockchain i modele dubokog učenja pokazuju napredak u energetskoj efikasnosti, sigurnosti i automatizaciji. Modeli diferencijalne privatnosti integrišu se sa blockchainom radi značajne zaštite privatnosti korisničkih podataka. Sustavi poput BEDS poboljšavaju upravljanje podacima unutar pametnih domova i vozila kroz efikasno zakazivanje senzorskih podataka. Kolaborativni pristupi koji kombinuju blockchain s bežičnim senzorima (WSN) unapređuju integritet i pouzdanost podataka, dok nove metode rojeva inteligencije povećavaju sigurnost i efikasnost WSN-a.

Druga istraživanja optimizuju operacije mikrogradova, sisteme bežičnog prenosa energije i integraciju obnovljivih izvora energije u pametnim domovima putem naprednih prognoza i zakazivanja, često koristeći kombinovane ML algoritme radi boljih predviđanja potrošnje energije. Poverenje korisnika ključno utiče na prihvatanje IoT uređaja zasnovanih na veštačkoj inteligenciji u pametnim domovima, oblikujući voljnost za integraciju takvih tehnologija. Pregledi pokrivaju AI-vođeno upravljanje energijom koje optimizuje temperaturu i efikasnost, dok se analize blockchaina fokusiraju na sigurnost razmena podataka u pametnim domovima. WSN-ovi su ključni za prikupljanje podataka u realnom vremenu u okvirima za prediktivno upravljanje temperaturom, uz primenu različitih ML strategija za poboljšanje energetske efikasnosti putem predviđanja i prilagođavanja sistema grejanja. Decentralizovana trgovina energijom putem blockchaina usklađena je s ciljevima upravljanja energijom u pametnim domovima. Tehnike agregacije podataka optimizuju performanse WSN-a smanjenjem potrošnje energije i poboljšanjem tačnosti. Kognitivni agenti omogućavaju IoT-u kontekstualno prilagođavanje. Inovativne hibridne arhitekture i algoritmi zasnovani na agentima unapređuju pronalaženje resursa i lokalizaciju čvorova, poboljšavajući skalabilnost i sigurnost u IoT mrežama. Predstavljeni rad značajno doprinosi kroz (1) integraciju AI i blockchaina za prediktivno upravljanje temperaturom i sigurno rukovanje podacima; (2) razvoj okvira koji kombinuje prediktivno zakazivanje s detekcijom događaja u realnom vremenu; i (3) procenu performansi u pogledu energetske efikasnosti, sigurnosti i skalabilnosti. Iako su ostvareni pomaci, postoje i nedostaci: ograničena integracija blockchaina s prediktivnim ML za kontrolu temperature uskraćava sigurna i adaptivna rešenja; mnogi sistemi nemaju kombinaciju prediktivne kontrole i jake zaštite podataka; obrada u oblaku izaziva latenciju i računske blokade koje ometaju reakcije u realnom vremenu; a pristupi upravljanju energijom često zanemaruju dinamičke cene i mogućnosti decentralizovane trgovine. Ovaj rad rešava te nedostatke kroz AI-om podržan blockchain okvir koji integriše WSN, ML-bazirane prediktivne analitike i obradu na ivici (edge computing) sa vremenski odlaganom obradom podataka. Ključne inovacije uključuju sigurnu prediktivnu ML podržanu blockchainom za optimizovano grejanje/hlađenje; korišćenje edge computing-a za smanjenje latencije lokalnom obradom i analitičkom obradom s vremenskim odlaganjem radi smanjenja vršnih opterećenja; preciznu detekciju događaja putem naprednih WSN-ova uz prediktivno zakazivanje za minimizaciju potrošnje energije; blockchain-om podržanu peer-to-peer trgovinu energijom sa dinamičkim cenama radi optimizacije korišćenja i smanjenja troškova; i skalabilnost sa poboljšanom energetskom efikasnošću i sigurnim decentralizovanim upravljanjem. Različiti AI/ML modeli primenjuju se u ovoj oblasti: Veštačke neuralne mreže (ANN) i duboke neuronske mreže modeluju složene nelinearne vremenske nizove za predviđanje temperature i energije; SVM (support vector machines) vrše regresiju nad visokodimenzionalnim podacima; Random Forests pružaju robusno ansambl predviđanje; RNN i LSTM (Long Short-Term Memory) modeli briljantno predviđaju vremenski zavisne promene; drveće odluka (DT) omogućava interpretabilne odluke za kontrolu temperature. Ovi modeli doprinose povećanju tačnosti u optimizaciji HVAC sistema. Problem formulacije obuhvata modeliranje dinamike temperature na osnovu prenosa toplote, primenu ML za predviđanje buduće temperature i potrošnje energije, kao i primenu kontrolnih zakona za održavanje unutrašnje temperature unutar korisničkih preferencija. Potrošnja energije se minimizira uz zadržavanje komfora. Analiza s vremenskim odlaganjem izbegava neprioritetne računarske zahteve van vršnih perioda, smanjujući opterećenje. Blockchain osigurava senzorske podatke i kontrolne signale skladištenjem hešovanih, nemutabilnih blokova, garantujući verodostojnost i transparentnost. Dinamični događaji grejanja/hlađenja detektuju se pomoću brzine promene temperature, uz adaptivne pragove da bi se uzelo u obzir promene u okruženju. Prediktivno zakazivanje koristi istorijske obrasce događaja za anticipaciju potreba grejanja, omogućavajući preemptivnu i energetski efikasnu radnju.