区块链的5大挑战以及AI带来的4大机遇

人类仍然处于人工智能的早期阶段，目前成功的AI应用主要集中在图像和语音识别领域的监督式学习以及针对确定性环境的增强式学习。其中，监督式学习普遍存在需要大样本量、高质量标注的问题，而增强式学习对计算量的要求又过高。相比人脑智能，，AI首先缺乏非监督或半监督学习能力，其次泛化能力较差，无法形成举一反三的效果。不仅如此，AI的常识和推理能力不足，缺乏「learning to learn」(自我学习解决问题)的能力，难以进行高层次认知活动。

• 缺乏隐私

机器学习对于数据隐私具有双刃剑的作用，一方面机器学习技术也带来了盗取隐私的新手段，另一方面针对机器学习模型的隐私窃取技术(例如窃取模型参数和训练数据)也在快速出现。

上一部分介绍了区块链目前面临的主要挑战，人工智能确实能够为应对其中一些挑战提供新的思路，特别是在智能合约处理和挖矿函数设计上潜力极大，也有人认为AI能够为区块链提供自动治理能力。在本文这一部分，笔者讨论人工智能为区块链提供的机会。

1.安全验证

区块链的安全需要对各个网络和应用层次进行综合保护才能实现，本文主要关注智能合约的安全性。由于智能合约属于软件代码，因此传统式软件缺陷和安全漏洞可以通过形式验证(Formal Verification)的方法处理，近年来基于机器学习的漏洞模式检测手段已经出现，一些工作证明了可以把抽象语法树作为递归神经网络的输入进行有无漏洞的检测。

同时，智能合约在分布式网络上以并发方式执行，因此需要在沙箱网络上引入动态攻防手段，验证动态安全性。在动态攻击过程中，除了使用已知攻击方式外，当前的生成式网络也运行自行产生攻击方式。实际上，目前正在蓬勃发展的对抗式生成网络提供了将合约和攻击放在统一框架之内进行全面优化的可能性。

图2.是智能合约安全验证的理想工具流程，其核心思想是智能合约代码要经过静态和动态验证才能上线并在虚拟机上运行

静态验证是对源代码或字节码(Byte Code)直接进行分析(不需要执行代码)，分析工具目前以形式验证(Formal Verification)为主，但基于深度神经网络的机器学习方法也在快速出现。形式验证是在硬件验证的基础上发展起来的，目前已被广泛用于软件安全验证。其手段是把程序表示为一定的形式化模型(即基于时序逻辑的数学模型)，然后用数学方法证明其正确性。

（编辑：PHP编程网 - 湛江站长网）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!