إدارة الثقة المدفوعة بالبلوكشين والحوسبة بالذكاء الاصطناعي لتحسين شبكات المستشعرات

تحتاج المدن الأذكى إلى اتصالات أكثر أمانًا

من الساعات الذكية وإشارات المرور إلى ماكينات المصانع، تتبادل الآن مليارات الأجهزة الصغيرة المعلومات فيما بينها. هذه الشبكة من المستشعرات، المعروفة باسم إنترنت الأشياء، تعد بحياة مدينية أكثر سلاسة، ورعاية صحية أفضل، وصناعة أكثر كفاءة. لكن مع انضمام المزيد من الأجهزة، يصبح الحفاظ على سرعة المحادثات وموثوقيتها وسريتها أمام المتطفلين أصعب. تستعرض هذه الورقة نهجًا جديدًا لإدارة تلك المحادثات الرقمية بحيث تتحرك البيانات بسرعة، وتتجنب الانقطاعات، وتظل موثوقة حتى عندما تتصرف بعض الأجهزة بشكل سيئ.

أجهزة يومية، وهشاشة مخفية

تعتمد الأنظمة الذكية الحديثة على أعداد هائلة من المستشعرات الصغيرة العاملة على البطاريات المنتشرة في المنازل والطرق والمصانع والمستشفيات. تجمع هذه الأجهزة المعلومات باستمرار وترسلها نحو حواسب محلية عند حافة الشبكة، والتي تمرّر بعد ذلك البيانات المهمة إلى خوادم سحابية بعيدة. عندما يعمل كل شيء بشكل جيد، يمكن لهذا الإعداد الاستجابة في الزمن الحقيقي—إعادة توجيه المرور، وضبط استهلاك الطاقة، أو تنبيه الأطباء. ومع ذلك، تخلق نفس نقاط القوة نقاط ضعف. فالبطاريات المحدودة، والقنوات اللاسلكية المزدحمة، والأجهزة الوسيطة غير الموثوقة قد تُبطئ المرور، وتتسبب في فقدان الرسائل، وتفتح الباب للتنصت أو التلاعب بالبيانات. تحسّن الحلول الحالية أجزاءً من المشكلة—مثل اختيار مسارات فعالة أو اكتشاف الهجمات—لكن كثيرًا منها يضيف تكاليف معالجة ثقيلة أو يواجه صعوبة عند نمو الشبكات.

محركان لتدفق بيانات أسرع وأكثر عدلاً

لمواجهة هذه القضايا، يقترح المؤلفون نموذجًا خفيفًا يجمع بين الذكاء الاصطناعي وتقنية دفتر الأستاذ الموزّع المرتبطة غالبًا بالعملات الرقمية. في المرحلة الأولى، يراقب محرك الذكاء الاصطناعي سلوك كل جهاز: مقدار الطاقة التي يستهلكها، وعدد الحزم المفقودة، ومدى نجاح رسائله. باستخدام طريقة تعلم آلي، يتنبأ بمدى موثوقية كل جهاز وبالمسارات المرجحة لحمل البيانات بكفاءة. ثم تستخدم استراتيجية ذكية لاكتشاف المسارات هذه التنبؤات لاختيار طرق بيانات توازن الحمولة عبر الشبكة، وتتجنب الروابط المزدحمة أو غير الموثوقة، وتحافظ على طاقة البطاريات. يسمح هذا للشبكة بالتكيّف مع الظروف المتغيرة دون أن يثقّل الأجهزة الصغيرة بمجهود حوسبي كبير.

تثبيت الثقة عبر دفتر رقمي

تستخدم المرحلة الثانية البلوكشين لجعل قرارات الثقة هذه مقاومة للتلاعب. بمجرد أن يقدّر محرك الذكاء الاصطناعي مدى موثوقية كل جهاز، تُخزن درجات الثقة تلك كسجلات في دفتر رقمي مشترك موزّع عبر عدة عقد. وبما أن مدخلات الدفتر مترابطة ومتفق عليها جماعيًا، يصبح من الصعب جدًا على جهاز خبيث إعادة كتابة تاريخه أو تزوير سمعة أفضل. ثم تفضّل طريقة توجيه مستوحاة من السرب المسارات المكوّنة من أجهزة ذات سجلات ثقة أقوى، معززة بذلك السلوك الجيد. ومع تصرف الأجهزة مع مرور الوقت، تُحدث سجلاتها في الدفتر، لكن تبقى المدخلات السابقة مرئية، مما يوفر أثرًا قابلًا للتحقق عن السلوك يمكن للآخرين مراجعته قبل تمرير البيانات.

اختبار النموذج

للتحقق من جدوى نهجهم عمليًا، بنى الباحثون بيئة محاكاة شبيهة بمدين ذكية تضم حتى 500 مستشعر، وعددًا من عقد الحافة، ومزيجًا من الأجهزة الصادقة والخبيثة. قارنوا نموذجهم مع مخططين حديثين للتوجيه مصممين ليكونا فعالين وآمنين. عبر مجموعة من الظروف، خفّض النهج الجديد استهلاك الطاقة بنحو ربع إلى ثلث، وقلل فقدان البيانات بشكل ملحوظ، وقلص الزمن اللازم لإقامة اتصالات عاملة. حتى عندما جرى ضبط ما يصل إلى نصف الأجهزة للتصرف بشكل سيء عبر إسقاط الحزم أو إغراق الشبكة، حافظ إطار العمل المدمج بين الذكاء الاصطناعي والبلوكشين على مستويات أعلى من «الثقة السلوكية» في المسارات النشطة وحافظ على تدفق البيانات بسلاسة أكبر. جاءت هذه المكاسب من توجيه المرور باستمرار بعيدًا عن الروابط المشبوهة أو المزدحمة وتوزيع عبء العمل بشكل أكثر توازنًا.

ماذا يعني هذا لأنظمة ذكية مستقبلية

بعبارات بسيطة، تُظهر الدراسة أن تزويد الشبكات بآلية لتعلّم من يمكن الوثوق به—ثم تسجيل هذه الثقة في سجل مشترك يصعب تزييفه—يمكن أن يجعل الأنظمة المتصلة اليومية أكثر متانة وكفاءة. بدلاً من اعتبار كل مستشعر نزيهًا على قدم المساواة أو إعادة التحقق من الصلاحيات بلا نهاية، تبني الشبكة تدريجيًا ذاكرة عن السلوك الجيد والسيئ وتستخدمها لتوجيه القرارات المستقبلية. بالنسبة لمخططي المدن، وفرق تكنولوجيا المعلومات بالمستشفيات، أو مشغلي المصانع، قد يعني هذا نهجًا يقلل من حالات فشل الاتصالات، ويحسن عمر البطارية، ويعزز الحماية ضد الهجمات الخفية داخل سرب الأجهزة. يقترح المؤلفون أن العمل المستقبلي قد يضم طرق تعلم أعمق ومنصات اختبار واقعية، لكن الرسالة المركزية واضحة: ربط التنبؤ الذكي بحفظ السجلات الآمن هو طريق واعد نحو شبكات مستشعرات أكثر أمانًا واعتمادًا.

الاستشهاد: Alharbi, M., Haseeb, K., Jhanjhi, N.Z. et al. Blockchain-driven trust management and AI computing for sensor networks optimization. Sci Rep 16, 13817 (2026). https://doi.org/10.1038/s41598-026-41302-y

الكلمات المفتاحية: إنترنت الأشياء, شبكات المستشعرات, أمن البلوكشين, إدارة الثقة, حوسبة الحافة