Nedavna studija objavljena u časopisu Engineering uvodi inovativni okvir koji integriše mašinsko učenje (ML) i tehnologiju blockchain-a (BT) radi poboljšanja računarske sigurnosti u inženjerskim primenama. Ovaj okvir, nazvan Mašinsko učenje na blockchain-u (MLOB), ima za cilj da prevaziđe nedostatke trenutnih metoda integracije ML i BT, koje se uglavnom fokusiraju na sigurnost podataka, dok zanemaruju računarsku sigurnost. ML se često koristi u inženjerstvu za rešavanje složenih problema, pružajući visoku tačnost i efikasnost. Međutim, podložan je sigurnosnim pretnjama poput falsifikovanja podataka i korupcije logike. BT, poznat po svojoj decentralizovanosti, transparentnosti i nepromenljivosti, istraživan je kao sredstvo za zaštitu inženjerskih podataka. Uprkos tome, tradicionalni tokovi rada sa ML i dalje su izloženi van-lančanim ranjivostima, jer ML modeli uglavnom budu izvedeni izvan okruženja blockchaina. Okvir MLOB adresira ovo tako što ugrađuje i podatke i računarske procese unutar blockchaina, pokreće ih kao pametne ugovore i štiti evidenciju izvršenja. Sastoji se od četiri ključne komponente: prikupljanje ML podataka, gde se trenira ML model za određeni zadatak; konverzija ML modela, koja menja trenirani model za deploy na blockchain; sigurno učitavanje ML modela, koje štiti sigurnost prenosa podataka i modela; i izvođenje ML modela zasnovano na konsenzusu, koje osigurava tačnost i sigurnost računarskih procesa. Da bi demonstrirali efikasnost MLOB-a, istraživači su napravili prototip i primenili ga za praćenje napretka unutrašnjih građevinskih radova. Ocijenili su okvir u poređenju sa tri osnovne metode i dva najnovija pristupa integraciji ML i BT.

Utvrđeno je da MLOB značajno poboljšava sigurnost, uspešno odolevajući šest unapred definisanih scenarija napada. Održao je visoku tačnost, sa minimalnom razlikom od 0, 001 u prosečnoj preseku preko unije (MIoU) u poređenju sa najboljom osnovnom metodom. Iako je efikasnost blago smanjena, sa povećanjem latencije od 0, 231 sekundi u odnosu na najbržu osnovnu metodu, ukupni učinak i dalje zadovoljava industrijske standarde. Pored toga, okvir MLOB ima i menadžerski značaj. Podstiče organizacije na inovacije prihvatanjem savremenih tehnologija, čime podstiče konkurentnost u inženjerskim procesima. Takođe, smanjuje rizike povezane sa sigurnošću podataka i logike, što pomaže u optimizaciji resursa i jačanju ekonomske otpornosti. Ipak, okvir ima i ograničenja, uključujući podršku za aplikacije osetljive na latenciju i nedostatak intuitivnog interfejsa. Budući radovi će se fokusirati na poboljšanje efikasnosti i razvoj pristupačnijeg sučelja radi povećanja upotrebljivosti i širenja primene MLOB-a u inženjerskim računarskim procesima.