Nedavno istraživanje objavljeno u časopisu Engineering uvodi inovativni okvir koji integriše mašinsko učenje (ML) i blockchain tehnologiju (BT) kako bi poboljšao računarsku sigurnost u inženjerskim primjenama. Ovaj okvir, nazvan Mašinsko učenje na blockchainu (MLOB), nastoji prevazići nedostatke trenutnih metoda integracije ML-BT, koje se uglavnom fokusiraju na sigurnost podataka, zanemarući računarsku sigurnost. ML se široko koristi u inženjerstvu za rješavanje složenih problema, pružajući visoku tačnost i efikasnost. Međutim, podložan je sigurnosnim prijetnjama poput manipulacije podacima i korupcije logike. BT, poznat po decentralizaciji, transparentnosti i nepromjenjivosti, istraživan je kao sredstvo za zaštitu inženjerskih podataka. Uprkos tome, tradicionalni tokovi rada s ML ostaju izloženi sigurnosnim prijetnjama izvan blockchain okruženja, jer se ML modeli obično izvode van okvira blockchaina. Okvir MLOB rješava to tako što integrira i podatke i računanje unutar blockchaina, pokrećući ih kao pametne ugovore i osiguravajući zapise o izvršenju. Sadrži četiri ključne komponente: prikupljanje ML podataka, gdje se trenira ML model za određeni zadatak; konverziju ML modela, koja modificira obučen model za implementaciju na blockchainu; sigurnu učitavanje ML modela, koja štiti sigurnost prenosa podataka i modela; te izvršavanje ML modela na temelju konsenzusa, osiguravajući ispravnost i sigurnost računarskih procesa. Kako bi demonstrirali učinkovitost MLOB-a, istraživači su izgradili prototip i primijenili ga za praćenje napretka u unutrašnjoj gradnji. Ocijenili su okvir u poređenju sa tri osnovne metode i dvije najnovije pristupe integraciji ML-BT.

Rezultati su pokazali da MLOB znatno poboljšava sigurnost, uspješno sprječavajući šest unaprijed definisanih scenarija napada. Održava visoku tačnost, s minimalnom razlikom od 0, 001 u prosječnom preklapanju (MIoU) u odnosu na najuspješniji osnovni metod. Iako je efikasnost blago smanjena, s povećanjem latencije od 0, 231 sekundu u odnosu na najsličniji osnovni metod, ukupni učinak još uvijek zadovoljava industrijske zahtjeve. Dodatno, okvir MLOB ima i menadžerski značaj. Potiče organizacije na inovacije usvajanjem najmodernijih tehnologija, čime promoviše konkurentnije inženjerske procese. Također, smanjuje rizike povezane sa sigurnošću podataka i logike, što pomaže u optimizaciji raspodjele resursa i jačanju ekonomske otpornosti. Međutim, okvir ima i ograničenja, uključujući ograničenu podršku za aplikacije osjetljive na latenciju i nedostatak korisnički prilagođenog sučelja. U budućem radu, planira se unapređenje efikasnosti i razvoj pristupačnijeg sučelja radi poboljšanja upotrebljivosti i širenja primjene MLOB-a u računarskim inženjerskim zadacima.