Управление доверием на основе блокчейна и вычисления ИИ для оптимизации сенсорных сетей

Умным городам нужны более надёжные связи

От умных часов и светофоров до промышленных станков — теперь миллиарды миниатюрных устройств обмениваются данными друг с другом. Эта сеть сенсоров, известная как Интернет вещей, обещает более плавную городскую жизнь, лучшее здравоохранение и более эффективную промышленность. Но по мере присоединения новых устройств обеспечивать быстрый, надёжный и защищённый от посторонних взглядов обмен становится сложнее. В статье рассматривается новый способ управления такими цифровыми взаимодействиями, чтобы данные передавались быстро, избегали сбоев и оставались достоверными, даже если некоторые устройства ведут себя недобросовестно.

Обычные устройства — скрытая уязвимость

Современные интеллектуальные системы опираются на огромное количество маленьких батарейных датчиков, разбросанных по домам, дорогам, фабрикам и больницам. Эти устройства постоянно собирают данные и отправляют их на локальные компьютеры на периферии сети, которые затем пересылают важную информацию на удалённые облачные серверы. Когда всё работает, такая архитектура может реагировать в реальном времени — перенаправлять трафик, регулировать потребление энергии или предупреждать врачей. Вместе с тем те же преимущества создают точки уязвимости. Ограниченные аккумуляторы, загруженные радиоканалы и ненадёжные промежуточные узлы могут замедлять поток, приводить к потере сообщений и открывать двери для прослушивания или фальсификации данных. Существующие решения улучшают отдельные аспекты проблемы — например, выбор эффективных маршрутов или обнаружение атак — но часто добавляют значительную вычислительную нагрузку или испытывают трудности при масштабировании сети.

Двойной механизм для более быстрого и справедливого потока данных

Чтобы решить эти проблемы, авторы предлагают лёгкую модель, сочетающую искусственный интеллект и распределённый реестр, часто ассоциируемый с цифровыми валютами. На первом этапе ИИ-модуль наблюдает за поведением каждого устройства: сколько энергии оно потребляет, сколько пакетов теряет и как часто его сообщения доходят до адресата. С помощью метода машинного обучения он предсказывает, насколько можно доверять каждому устройству и какие пути, вероятно, будут эффективны для передачи данных. Затем стратегия интеллектуального поиска путей использует эти прогнозы для выбора маршрутов, которые распределяют нагрузку по сети, избегают перегруженных или ненадёжных каналов и экономят батарею. Это позволяет сети адаптироваться к меняющимся условиям, не требуя больших вычислительных ресурсов от крошечных устройств.

Закрепление доверия с помощью цифрового реестра

Второй этап использует блокчейн, чтобы сделать решения о доверии нечувствительными к подделке. После того как ИИ оценивает надёжность каждого устройства, эти показатели доверия сохраняются в виде записей в общем цифровом реестре, распределённом по нескольким узлам. Поскольку записи в реестре связаны цепочкой и принимаются коллективно, злоумышленнику становится сложно переписать свою историю или подделать лучшую репутацию. Маршрутизация, вдохновлённая поведением роя, отдаёт предпочтение путям из устройств с более высокими зафиксированными показателями доверия, поощряя «хорошее» поведение. По мере работы устройств их записи обновляются в реестре, но прошлые записи остаются доступными, обеспечивая проверяемый след действий, который другие узлы могут проверить перед пересылкой данных.

Проверка модели в деле

Чтобы выяснить, работает ли предложенный подход на практике, исследователи смоделировали среду, похожую на умный город, с числом сенсоров до 500, несколькими периферийными узлами и смешанным составом честных и злонамеренных устройств. Они сравнили свою модель с двумя недавними схемами маршрутизации, разработанными для эффективности и безопасности. В различных условиях новый подход сократил энергопотребление примерно на четверть — треть, значительно уменьшил потерю данных и сократил время, необходимое для установления работоспособных соединений. Даже когда до половины устройств намеренно вели себя плохо, отбрасывая или затапливая сеть пакетами, комбинированная платформа ИИ и блокчейна поддерживала более высокий уровень «поведенческого доверия» на активных путях и обеспечивала более плавную передачу данных. Эти улучшения достигались за счёт постоянного перенаправления трафика от подозрительных или перегруженных каналов и более равномерного распределения нагрузки.

Что это значит для будущих интеллектуальных систем

Проще говоря, исследование показывает: если сети научатся определять, кому можно доверять — а затем фиксировать это доверие в общем, трудно подделываемом журнале — повседневные подключённые системы станут и прочнее, и эффективнее. Вместо того чтобы считать каждый датчик одинаково надёжным или постоянно перепроверять учетные данные, сеть постепенно формирует память о хорошем и плохом поведении и использует её для принятия последующих решений. Для градостроителей, IT‑служб больниц или промышленных операторов такой подход может означать меньше сбоев связи, лучшее время работы батарей и более серьёзную защиту от тихих атак, скрывающихся внутри роя устройств. Авторы указывают, что в дальнейшем можно привлекать более глубокие методы обучения и тестирование на реальных стендах, но основной вывод ясен: сочетание интеллектуального прогнозирования и защищённого учёта записей — многообещающий путь к более безопасным и надёжным сенсорным сетям.

Цитирование: 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

Ключевые слова: Интернет вещей, сенсорные сети, безопасность блокчейна, управление доверием, периферийные вычисления