Công nghệ blockchain đã trở thành một giải pháp mạnh mẽ để nâng cao an ninh và quyền riêng tư trong các hệ thống Internet of Things (IoT) bằng cách phi tập trung hóa lưu trữ dữ liệu và bảo vệ các giao dịch thông qua mã hóa, đảm bảo tính bất biến của dữ liệu và bảo vệ khỏi truy cập trái phép. Các công trình ban đầu đề xuất các khung blockchain nhẹ dành cho nhà thông minh nhằm bảo vệ dữ liệu người dùng khỏi các cuộc tấn công từ bên ngoài. Các hợp đồng thông minh còn tự động hóa các hành động của thiết bị dựa trên các kích hoạt đã định nghĩa. Tuy nhiên, yêu cầu tính toán cao của blockchain và cơ chế đồng thuận có thể gây ra độ trễ làm giảm hiệu quả trong các ứng dụng thời gian thực. Việc tích hợp blockchain với trí tuệ nhân tạo (AI) đang được nghiên cứu nhằm nâng cao quản lý an ninh trong mạng 6G và tối ưu hóa hạ tầng thành phố thông minh, nâng cao tính minh bạch, an toàn và hiệu quả trong các lĩnh vực như năng lượng và vận chuyển. Các ứng dụng của blockchain cũng tăng cường an ninh và quyền riêng tư cho các thiết bị IoT thông minh. Ứng dụng của trí tuệ nhân tạo trong điều khiển nhiệt độ dự đoán đã thu hút nhiều sự chú ý nhờ khả năng nâng cao khả năng phản ứng của hệ thống và tiết kiệm năng lượng. Các thuật toán ML phân tích dữ liệu lịch sử về nhiệt độ trong nhà, mức occupancy và thời tiết để dự báo nhu cầu sưởi hoặc làm mát, từ đó cho phép điều chỉnh hệ thống một cách chủ động. Các nghiên cứu cho thấy điều khiển dựa trên ML có thể giảm tiêu thụ năng lượng lên tới 18% so với hệ thống phản ứng tức thì. Các hệ thống dự báo như vậy đòi hỏi xử lý dữ liệu an toàn, vững chắc để xử lý dữ liệu thời gian thực và dữ liệu lịch sử. Computing biên (edge computing) được đưa vào nhằm giảm độ trễ xử lý đám mây và giảm băng thông bằng cách xử lý dữ liệu tại chỗ, qua đó cải thiện khả năng ra quyết định trong thời gian thực, đặc biệt trong điều khiển nhiệt độ thông minh. Sự phối hợp giữa trí tuệ nhân tạo (AI) và công nghệ blockchain rõ ràng nâng cao năng suất công nghiệp, độ tin cậy vận hành và bảo mật dữ liệu. Kết hợp AI có thể giải thích với blockchain giúp cải thiện quyết định tài chính thông qua tăng cường tính minh bạch và tin cậy. Các khung nhà thông minh tận dụng blockchain và mô hình học sâu thể hiện những tiến bộ về hiệu quả năng lượng, an toàn và tự động hóa. Các mô hình bảo mật riêng biệt (differential privacy) tích hợp blockchain bảo vệ dữ liệu người dùng một cách hiệu quả. Các hệ thống như BEDS tối ưu hóa quản lý dữ liệu trong nhà thông minh và xe cộ bằng cách lập lịch cảm biến một cách hiệu quả. Các phương pháp hợp tác kết hợp blockchain với mạng cảm biến không dây (WSNs) nâng cao toàn vẹn và độ tin cậy của dữ liệu, trong khi các phương pháp dựa trên trí tuệ tập thể (swarm intelligence) mới giúp tăng cường bảo mật và hiệu quả của WSN. Các nghiên cứu khác tối ưu hóa hoạt động của lưới microgrid, hệ thống truyền tải năng lượng không dây và tích hợp năng lượng tái tạo trong nhà thông minh thông qua dự báo và lập lịch nâng cao, thường kết hợp các thuật toán ML để dự đoán tiêu thụ năng lượng tốt hơn. Niềm tin của người dùng đóng vai trò then chốt ảnh hưởng đến việc chấp nhận các thiết bị nhà thông minh dựa trên AI, hình thành thái độ sẵn sàng tích hợp công nghệ này. Các bài đánh giá đề cập đến quản lý năng lượng dựa trên AI tối ưu hóa kiểm soát nhiệt độ và hiệu quả, trong khi các phân tích về blockchain tập trung vào việc bảo vệ dữ liệu trao đổi trong nhà thông minh. Mạng cảm biến không dây (WSNs) đóng vai trò trung tâm trong việc thu thập dữ liệu thời gian thực trong các khung điều khiển nhiệt độ dự đoán, với nhiều chiến lược ML giúp nâng cao hiệu quả năng lượng bằng cách dự báo và điều chỉnh hệ thống sưởi. Trò chơi năng lượng phi tập trung dựa trên blockchain phù hợp với mục tiêu quản lý năng lượng trong nhà thông minh. Các kỹ thuật tổng hợp dữ liệu tối ưu hóa hiệu suất WSN bằng cách giảm tiêu thụ năng lượng và nâng cao độ chính xác. Các tác nhân trí tuệ (cognitive agents) giúp khả năng thích ứng theo ngữ cảnh của IoT.

Các kiến trúc lai sáng tạo và thuật toán dựa trên tác nhân nâng cao khả năng khám phá tài nguyên và định vị nút, cải thiện khả năng mở rộng và bảo mật của mạng IoT. Các công trình này đóng góp đáng kể bằng cách (1) tích hợp AI và blockchain cho quản lý nhiệt độ dự đoán và xử lý dữ liệu an toàn; (2) xây dựng khung làm việc kết hợp lập lịch dự đoán với phát hiện sự kiện động; và (3) đánh giá hiệu suất về năng lượng, an toàn và khả năng mở rộng. Tuy nhiên, vẫn còn các khoảng trống: việc tích hợp blockchain với ML dự đoán cho kiểm soát nhiệt độ còn hạn chế, hạn chế các giải pháp an toàn và thích ứng; nhiều hệ thống thiếu kiểm soát dự báo kết hợp với bảo vệ dữ liệu chặt chẽ; việc xử lý dựa trên đám mây gây độ trễ và tắc nghẽn tính toán cản trở phản hồi trong thời gian thực; đồng thời, các phương pháp quản lý năng lượng thường bỏ qua các tiềm năng về giá cả linh hoạt và giao dịch phi tập trung. Bài báo này giải quyết các vấn đề trên qua khung làm việc blockchain tích hợp AI hỗ trợ phân tích dự đoán, xử lý dữ liệu thời gian-shifted dựa trên WSN, ML. Các đổi mới chủ chốt bao gồm dự báo nhiệt độ và năng lượng an toàn dựa trên blockchain; sử dụng computing biên để giảm độ trễ bằng cách xử lý dữ liệu tại chỗ và phân tích theo thời gian-shift; phát hiện sự kiện chính xác qua cảm biến WSN tiên tiến kết hợp với lập lịch dự đoán nhằm giảm tiêu thụ năng lượng; giao dịch năng lượng ngang hàng (peer-to-peer) qua blockchain cùng với giá cả linh hoạt để tối ưu sử dụng và giảm chi phí; và khả năng mở rộng với hiệu quả năng lượng nâng cao và quản lý phi tập trung an toàn. Các mô hình AI/ML áp dụng trong lĩnh vực này gồm: Mạng Nơ-ron Nhân tạo (ANNs) và mạng nơ-ron sâu để mô hình hóa các chuỗi thời gian phi tuyến phức tạp cho dự đoán nhiệt độ và năng lượng; Support Vector Machines (SVMs) thực hiện hồi quy trên dữ liệu có chiều cao; Rừng Ngẫu nhiên (RF) cung cấp dự đoán theo nhóm chắc chắn; Mạng Recurrent Neural Networks (RNNs) và Long Short-Term Memory (LSTM) xuất sắc trong dự báo theo thời gian; cây quyết định (DT) giúp mô hình hóa ra quyết định dễ hiểu cho kiểm soát nhiệt độ. Các mô hình này nâng cao độ chính xác dự báo tối ưu hệ thống HVAC. Việc mô hình hóa gồm: mô hình hóa động thái nhiệt dựa trên truyền nhiệt, sử dụng ML để dự báo nhiệt độ và năng lượng tiêu thụ trong tương lai, và áp dụng luật điều khiển nhằm giữ nhiệt độ trong nhà phù hợp với sở thích người dùng. Tiêu thụ năng lượng được giảm thiểu trong khi vẫn đảm bảo tiêu chuẩn thoải mái. Phân tích theo thời gian-shift giúp giảm tải tính toán không cấp bách trong các thời điểm thấp điểm rồi tối ưu hóa tổng thể. Blockchain bảo vệ dữ liệu cảm biến và tín hiệu điều khiển bằng cách lưu trữ các khối băm và bất biến nhằm đảm bảo tính toàn vẹn và minh bạch của dữ liệu. Các sự kiện sưởi/làm mát chính được phát hiện dựa trên tốc độ biến đổi nhiệt độ, và ngưỡng được thích nghi qua ML để phù hợp với biến đổi môi trường. Lập lịch dự đoán dựa trên mô hình dữ liệu lịch sử để dự báo nhu cầu sưởi ấm, cho phép vận hành tiền bối và tiết kiệm năng lượng. Một đổi mới quan trọng là giao dịch năng lượng phi tập trung giữa các nhà thông minh dựa trên blockchain, nơi năng lượng tái tạo dư thừa được giao dịch an toàn qua hợp đồng thông minh với giá cả linh hoạt. Mạng cảm biến không dây (WSN) được tối ưu hóa bằng cách quản lý linh hoạt các cảm biến hoạt động để giảm tiêu thụ năng lượng trong khi duy trì vùng phủ sóng. Nhiều nhà thông minh hợp tác như các tác nhân trong một mạng phân cấp để chia sẻ tải năng lượng và giảm đỉnh tiêu thụ. Thuật toán điều khiển thích nghi giúp giảm tiêu thụ năng lượng và chênh lệch nhiệt độ dựa trên phản hồi thời gian thực và tốc độ học. Thuật toán của hệ thống thu thập và xử lý dữ liệu cảm biến lịch sử và thời gian thực; huấn luyện các mô hình ML; dự báo nhiệt độ và tiêu thụ năng lượng; phát hiện sự kiện sưởi/làm mát; tích hợp blockchain cho lưu trữ an toàn, bất biến và đồng thuận; áp dụng lập lịch dự đoán và tối ưu; và thích ứng linh hoạt dựa trên phản hồi. Hiệu quả được đánh giá qua độ chính xác, tiết kiệm năng lượng, khả năng mở rộng và độ trễ. Các mô phỏng sử dụng bộ dữ liệu thực tế từ các thiết bị IoT và WSN giám sát nhiệt độ, mức tiêu thụ năng lượng, trạng thái bơm nhiệt cùng dữ liệu thời tiết bên ngoài từ nhiều phòng trong vòng sáu tháng. Quá trình xử lý dữ liệu gồm nội suy cho dữ liệu thiếu, loại bỏ dị thường qua lọc phạm vi lượng interquartile, chuẩn hóa, trích xuất đặc trưng cho các mẫu thời gian. Các mô hình mạng nơ-ron được huấn luyện và trực quan hóa để học tập thích nghi. Các mô phỏng cho thấy hệ thống có khả năng giữ nhiệt độ trong nhà ổn định giữa các dao động bên ngoài nhờ kiểm soát dự đoán, mang lại khả năng điều chỉnh nhiệt độ mượt mà hơn và giảm đáng kể tiêu thụ năng lượng qua điều chỉnh công suất động và cân bằng tải theo thời gian-shift. Việc tích hợp blockchain đảm bảo quản lý dữ liệu an toàn, hỗ trợ giao dịch năng lượng phân tán và lập lịch. Hệ thống phát hiện nhanh các sự kiện bật/tắt bơm nhiệt và làm mát dựa trên ngưỡng ML cho phép kiểm soát tiền bối tiết kiệm năng lượng. Các phân tích so sánh cho thấy hệ thống có nhiều lợi thế rõ rệt so với điều khiển thermostat truyền thống và PID về tiết kiệm năng lượng, thời gian phản hồi, độ chính xác, phát hiện sự kiện và bảo mật dữ liệu. Phân tích độ phức tạp thuật toán cho thấy khả năng thu thập dữ liệu thời gian thực hiệu quả (O(n)), suy luận ML (O(d)), xử lý giao dịch blockchain (O(1) đến O(log n)), và phát hiện sự kiện (O(n)). Tăng số lượng cảm biến và kích thước blockchain cũng làm tăng yêu cầu lưu trữ. Khung này cân bằng giữa yêu cầu tính toán và tối ưu hóa tiêu thụ năng lượng đồng thời duy trì tính toàn vẹn dữ liệu bằng sự đồng thuận của blockchain. Tổng thể, khung làm việc AI tích hợp blockchain đề xuất cho kiểm soát nhiệt độ dự đoán trong nhà thông minh kết hợp dự báo tiên tiến của ML, quản lý dữ liệu phi tập trung an toàn, xử lý dữ liệu theo dạng thời gian-shift từ edge, và giao dịch năng lượng phi tập trung. Phương pháp tích hợp này nâng cao đáng kể hiệu quả năng lượng, khả năng phản hồi hệ thống, thoải mái cho người dùng và bảo mật dữ liệu, giải quyết các thách thức chính trong môi trường nhà thông minh, đồng thời cho phép mở rộng, đáng tin cậy và thích ứng quy trình kiểm soát nhiệt độ.