Αξιοπιστία Αλγορίθμων Μηχανικής Μάθησης με Επαλήθευση Αποδείξεων Μηδενικής Γνώσης σε Περιβάλλοντα Αλυσίδων-Κορμού

Abstract

H τεχνητή νοημοσύνη και ειδικότερα η μηχανική μάθηση εμφανίζουν ραγδαία ανάπτυξη σε πληθώρα εφαρμογών. Ο όγκος των δεδομένων που αυτές επεξεργάζονται, σε συνδυασμό με την περίπλοκη διαδικασία εκπαίδευσης και τις ακόμα πιο περίπλοκες αρχιτεκτονικές των νευρωνικών δικτύων που αναπτύσσονται, καθιστούν την εποπτεία τέτοιων συστημάτων πολύ δύσκολη. Προκύπτει λοιπόν η ανάγκη για τον έλεγχο της αξιοπιστίας και της εγκυρότητας των αλγορίθμων μηχανικής μάθησης αλλά και για την εξασφάλιση της αμεταβλητότητάς τους. Η τεχνολογία αιχμής που βρίσκεται στο επίκεντρο της έρευνας τα τελευταία χρόνια και μπορεί να προσφέρει τη λύση στα παραπάνω ζητήματα είναι το περιβάλλον αλυσίδας-κορμού (blockchain). Παράλληλα, η μέθοδος της Απόδειξης Μηδενικής Γνώσης (Zero Knowledge Proof) επιλύει ένα ακόμα επίκαιρο πρόβλημα που συνδέεται με την χρήση τέτοιων δικτύων: την προστασία των ευαίσθητων και ιδιωτικών δεδομένων των κόμβων. Σκοπός της παρούσας διπλωματικής εργασίας είναι η επικύρωση της αξιοπιστίας αλγορίθμων μηχανικής μάθησης με επαλήθευση Αποδείξεων Μηδενικής Γνώσης σε περιβάλλοντα αλυσίδων-κορμού. Η υλοποίηση του δικτύου γίνεται με τη βοήθεια της πλατφόρμας Hyperledger Fabric, η επιβεβαίωση των αποδείξεων γίνεται από το έξυπνο συμβόλαιο (smart contract) γραμμένο σε γλώσσα GO, ενώ η διεπαφή με το δίκτυο επιτυγχάνεται με τον σχεδιασμό ενός API κατασκευασμένου με Node.js. Για τη δημιουργία των αποδείξεων χρησιμοποιούνται διαφορετικοί αλγόριθμοι κατακερματισμού και αξιολογείται η απόδοσή τους.