Nedávná studie zveřejněná v časopise Engineering představuje inovativní rámec, který spojuje strojové učení (ML) s technologiemi blockchainu (BT) za účelem zlepšení výpočetní bezpečnosti v inženýrském sektoru. Tento rámec, nazvaný Strojové Učení na Blockchainu (MLOB), se snaží překonat nedostatky současných metod integrace ML-BT, které obvykle upřednostňují bezpečnost dat na úkor výpočetní bezpečnosti. Strojové učení je v inženýrství široce využíváno k řešení složitých problémů a nabízí značnou přesnost a efektivitu. Nicméně, je zranitelné vůči bezpečnostním hrozbám, jako je manipulace s daty a logická korupce. Blockchain, se svou decentralizovanou, transparentní a neměnnou povahou, byl zkoumán jako prostředek na ochranu inženýrských dat. Přesto tradiční procesy ML zůstávají náchylné na rizika mimo blockchain, protože se modely ML často vykonávají mimo prostředí blockchainu. Rámec MLOB umisťuje jak data, tak i výpočetní procesy na blockchain a provádí je jako chytré kontrakty, aby ochránil záznamy o provedení. Skládá se ze čtyř hlavních komponent: získávání ML, které zahrnuje trénink modelu ML pro konkrétní úkol; konverze ML, která přizpůsobuje vytrénovaný model pro nasazení na blockchainu; bezpečné načítání ML, které zajišťuje bezpečnost přenosu dat a modelu; a provádění ML modelu na základě konsensu, které zaručuje bezpečnost a přesnost výpočtů. Pro demonstraci účinnosti rámce MLOB vědci vytvořili prototyp a aplikovali ho na monitoring pokroku stavby uvnitř budovy. Porovnávali rámec MLOB s třemi základními metodami a dvěma nedávnými integrovanými přístupy ML-BT.

Zjistili, že rámec MLOB výrazně posílil bezpečnost a úspěšně se bránil proti šesti konkrétním útokům. Také udržel vysokou úroveň přesnosti, ukazující pouze 0, 001 rozdíl v metrice průměrného průsečíku přes unii (MIoU) oproti nejlepší základní metodě. Ačkoliv došlo k mírnému poklesu efektivity, což vedlo k nárůstu latence o 0, 231 sekundy oproti nejefektivnější základní metodě, celkový výkon byl pro průmyslové aplikace uspokojivý. Kromě toho rámec MLOB přináší manažerské implikace. Povzbuzuje organizace k inovacím integrací nejmodernějších technologií, což může vést k konkurenceschopnějším inženýrským praktikám. Dále pomáhá omezit rizika spojená s bezpečností dat a logikou, čímž optimalizuje alokaci zdrojů a zvyšuje ekonomickou odolnost. Nicméně, rámec má i některá omezení. Nabízí omezenou podporu pro aplikace citlivé na latenci a postrádá uživatelsky přívětivé rozhraní. Budoucí výzkum se zaměří na zlepšení jeho efektivity a vývoj přístupnějšího uživatelského rozhraní za účelem zlepšení použitelnosti a rozšíření jeho aplikace v inženýrském výpočtu.