Engineering dergisinde yayımlanan yakın tarihli bir çalışma, mühendislik uygulamalarında hesaplamalı güvenliği artırmak amacıyla makine öğrenimi (ML) ve blockchain teknolojisini (BT) entegre eden yenilikçi bir çerçeve tanıttı. MLOB (Blockchain Üzerinde Makine Öğrenimi) adını taşıyan bu çerçeve, esasen veri güvenliğine odaklanan ve hesaplamalı güvenliği ihmal eden mevcut ML-BT entegrasyon yöntemlerinin eksikliklerini aşmayı amaçlamaktadır. ML, mühendislikte karmaşık problemlerin çözümünde geniş çapta kullanılır; yüksek doğruluk ve verimlilik sağlar. Ancak, veri sahtekarlığı ve mantık bozulması gibi güvenlik tehditlerine açıktır. Merkeziyetsizlik, şeffaflık ve değiştirilemezlik ilkeleriyle bilininen BT, mühendislik verilerini koruma amacıyla araştırılmıştır. Buna rağmen, geleneksel ML iş akışları, genellikle ML modellerinin blok zinciri ortamı dışında çalışması nedeniyle zincir dışı açıklar taşımaktadır. MLOB çerçevesi, hem veri hem de hesaplamanın blok zincirine gömülmesini sağlar; bunları akıllı sözleşmeler olarak çalıştırır ve yürütme kayıtlarını güvence altına alır. Dört temel bileşeni bulunur: belirli bir görev için ML modeli eğitimi (ML edinimi), eğitilen modelin blok zincirinde kullanılmak üzere uyarlanması (ML dönüştürme), veri ve model transferinin güvenliğinin sağlanması (ML güvenli yükleme) ve hesaplama süreçlerinin doğruluğunu ve güvenliğini sağlayan fikir birliği tabanlı ML modeli yürütmesi. Çalışmanın etkinliğini göstermek amacıyla araştırmacılar bir prototip geliştirdi ve iç mekan inşaat ilerlemesini izleme uygulamasına uyarladılar. Çerçeveyi, üç temel yönteme ve iki yeni ML-BT entegrasyonuna karşı değerlendirdiler.

Sonuçlar, MLOB’un güvenliği önemli ölçüde artırdığını ve altı önceden tanımlanmış saldırı senaryosunu başarıyla engellediğini gösterdi. Yüksek doğruluğu koruyarak, en iyi temel yöntemle karşılaştırıldığında ortalama ortak kesişim oranında (MIoU) sadece 0. 001 fark yaşandı. Verimlilik açısından ise, en hızlı temel yönteme göre gecikmede 0. 231 saniyelik bir artış görüldü; ancak, genel performansı endüstri uygulama gereksinimleriyle uyumludur. Ayrıca, MLOB çerçevesi yönetsel açıdan da önemlidir. Kuruluşların ileri teknolojileri benimseyerek inovasyonu teşvik etmelerini sağlar, daha rekabetçi mühendislik süreçleri geliştirilmesine katkıda bulunur. Veri ve mantık güvenliğiyle ilgili riskleri azaltarak, kaynak tahsisini optimize eder ve ekonomik dirençliliği güçlendirir. Bununla birlikte, çerçevenin bazı kısıtlamaları mevcuttur; özellikle gecikmeye duyarlı uygulamalarda sınırlı desteğe sahip ve kullanıcı dostu bir arayüze sahip değildir. Gelecekteki çalışmalar, verimliliği artırmaya ve kullanım kolaylığı sağlayacak daha erişilebilir bir arayüz geliştirmeye odaklanarak MLOB’un mühendislik hesaplamalarındaki uygulamasını genişletmeyi amaçlamaktadır.