Zarządzanie zaufaniem oparte na blockchain i obliczenia AI dla optymalizacji sieci czujników

Mądrzejsze miasta potrzebują bezpieczniejszych połączeń

Od inteligentnych zegarków i sygnalizacji świetlnej po maszyny fabryczne — miliardy drobnych urządzeń komunikują się ze sobą. Ta sieć czujników, znana jako Internet rzeczy, obiecuje płynniejsze życie w mieście, lepszą opiekę zdrowotną i bardziej efektywny przemysł. Jednak w miarę dołączania kolejnych urządzeń utrzymanie szybkich, niezawodnych i bezpiecznych komunikatów staje się trudniejsze. W artykule omówiono nowe podejście do zarządzania tymi cyfrowymi rozmowami, które ma zapewnić szybki przepływ danych, unikać awarii i utrzymywać wiarygodność informacji, nawet gdy niektóre urządzenia działają wadliwie.

Codzienne urządzenia, ukryta kruchość

Współczesne systemy inteligentne opierają się na ogromnej liczbie małych, zasilanych bateriami czujników rozmieszczonych w domach, przy drogach, w zakładach i szpitalach. Urządzenia te ciągle zbierają informacje i przesyłają je do lokalnych komputerów na krawędzi sieci, które następnie przekazują istotne dane do zdalnych serwerów w chmurze. Gdy wszystko działa poprawnie, konfiguracja ta pozwala reagować w czasie rzeczywistym — przekierowywać ruch, regulować zużycie energii czy powiadamiać lekarzy. Jednak te same zalety tworzą też punkty wrażliwe. Ograniczone baterie, zatłoczone pasma radiowe i nienajbardziej zaufane urządzenia pośredniczące mogą spowalniać transmisję, powodować utratę komunikatów i otwierać drzwi do podsłuchu lub manipulacji danymi. Istniejące rozwiązania poprawiają poszczególne aspekty problemu — na przykład wybór efektywnych tras czy wykrywanie ataków — ale często wiążą się z dużym kosztem obliczeniowym lub zawodzą przy wzroście sieci.

Podwójny mechanizm dla szybszego i bardziej sprawiedliwego przepływu danych

Aby sprostać tym wyzwaniom, autorzy proponują lekkie rozwiązanie łączące sztuczną inteligencję z technologią rozproszonego rejestru często kojarzoną z walutami cyfrowymi. W pierwszej fazie silnik AI obserwuje zachowanie każdego urządzenia: zużycie energii, liczbę utraconych pakietów i częstotliwość sukcesów transmisji. Wykorzystując metodę uczenia maszynowego, przewiduje, które urządzenia są godne zaufania i które ścieżki będą efektywnie przesyłać dane. Inteligentna strategia wyznaczania tras korzysta z tych prognoz, wybierając ścieżki równoważące obciążenie w sieci, unikające przeciążonych lub zawodnych łączy oraz oszczędzające baterię. Dzięki temu sieć może dostosowywać się do zmieniających się warunków bez nadmiernego obciążania obliczeniowego drobnych urządzeń.

Utrwalanie zaufania za pomocą cyfrowego rejestru

Druga faza wykorzystuje blockchain do zabezpieczenia tych decyzji dotyczących zaufania przed manipulacją. Gdy silnik AI oceni niezawodność urządzeń, wyniki tych ocen są przechowywane jako wpisy w współdzielonym rejestrze cyfrowym rozproszonym po wielu węzłach. Ponieważ wpisy w rejestrze są łańcuchowo powiązane i potwierdzane wspólnie, staje się bardzo trudne dla złośliwego urządzenia przepisanie swojej historii lub sfałszowanie lepszej reputacji. Metoda routingu inspirowana rojami faworyzuje ścieżki złożone z urządzeń o silniejszych, zapisanych ocenach zaufania, wzmacniając pożądane zachowania. W miarę działania urządzeń ich wpisy są aktualizowane w rejestrze, ale przeszłe zapisy pozostają widoczne, tworząc weryfikowalny ślad działań, który inni mogą sprawdzić przed przekazaniem danych.

Testy modelu

Aby sprawdzić praktyczną skuteczność podejścia, badacze zbudowali symulowane środowisko przypominające inteligentne miasto z maksymalnie 500 czujnikami, kilkoma węzłami edge i mieszanką uczciwych oraz złośliwych urządzeń. Porównali swój model z dwoma niedawnymi schematami routingu zaprojektowanymi pod kątem efektywności i bezpieczeństwa. W różnych warunkach nowe podejście zmniejszyło zużycie energii o około jedną czwartą do jednej trzeciej, znacznie ograniczyło utratę danych i skróciło czas potrzebny na ustanowienie działających połączeń. Nawet gdy do połowy urządzeń zachowywało się źle, odrzucając lub zalewając pakietami, połączony system AI i blockchain utrzymywał wyższy poziom „zaufania behawioralnego” w aktywnych ścieżkach i zapewniał płynniejszy przepływ danych. Zyski te wynikały z ciągłego kierowania ruchu z dala od podejrzanych lub przeciążonych łączy oraz bardziej równomiernego rozkładu obciążenia.

Co to oznacza dla przyszłych systemów inteligentnych

Mówiąc prościej, badanie pokazuje, że umożliwienie sieciom uczenia się, komu można ufać — a następnie zapisywanie tego zaufania we wspólnym, trudnym do podrobienia rejestrze — może uczynić codzienne systemy połączone zarówno bardziej odpornymi, jak i wydajniejszymi. Zamiast traktować każdy czujnik jako równie uczciwy lub nieustannie weryfikować poświadczenia, sieć stopniowo buduje pamięć dobrego i złego zachowania i wykorzystuje ją do kierowania przyszłymi decyzjami. Dla planistów miejskich, zespołów IT w szpitalach czy operatorów przemysłowych takie podejście może oznaczać mniej awarii komunikacji, dłuższy czas pracy baterii i silniejszą ochronę przed cichymi atakami ukrytymi wśród urządzeń. Autorzy sugerują, że przyszłe prace mogłyby wykorzystać głębsze metody uczenia i testy w rzeczywistych środowiskach, ale główny wniosek jest jasny: łączenie inteligentnych prognoz z bezpiecznym rejestrowaniem to obiecująca droga do bezpieczniejszych, bardziej niezawodnych sieci czujników.

Cytowanie: 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

Słowa kluczowe: Internet rzeczy, sieci czujników, bezpieczeństwo blockchain, zarządzanie zaufaniem, edge computing