Αξιοποίηση αποθηκευμένων δεδομένων σε περιβάλλοντα blockchain από εφαρμογές αλγορίθμων Μηχανικής Μάθησης

Τσιώμος, Κωνσταντίνος

Μεταπτυχιακή διπλωματική εργασία

Author

Τσιώμος, Κωνσταντίνος

Date

2024-11-03

Advisor

Βασιλάκης, Κωνσταντίνος

Tsiomos_2022202102019.pdf (2.165Mb)

Keywords

Blockchain ; Machine Learning ; Κρυπτογραφία ; Μηχανική Μάθηση ; Ομομορφική Κρυπτογραφία

Abstract

Η παρούσα διπλωματική εργασία εξετάζει την αξιοποίηση δεδομένων που έχουν αποθηκευτεί σε περιβάλλοντα blockchain από εφαρμογές αλγορίθμων Μηχανικής Μάθησης. Με την αυξανόμενη σημασία της ασφάλειας των δεδομένων και της ιδιωτικότητας, η διαλειτουργικότητα μεταξύ της τεχνολογίας blockchain και των αλγορίθμων Μηχανικής Μάθησης και ο συνδυασμός τους ανοίγουν νέες προοπτικές για την ανάπτυξη ασφαλών, διαφανών, και αποτελεσματικών εφαρμογών. Στο πλαίσιο αυτό, η εργασία αναλύει τις βασικές έννοιες της Μηχανικής Μάθησης και της κρυπτογραφίας, εξετάζοντας τη χρήση της ομομορφικής κρυπτογραφίας ως έναν τρόπο προστασίας της απορρήτου των δεδομένων. Επιπλέον, παρουσιάζει την τεχνολογία blockchain και τα χαρακτηριστικά της, συμπεριλαμβανομένων των έξυπνων συμβολαίων και των αποκεντρωμένων εφαρμογών. Το κύριο μέρος της εργασίας εξετάζει την αξιοποίηση των ομομορφικών αλγορίθμων σε δεδομένα blockchain για εφαρμογές Μηχανικής Μάθησης. Μέσα από μια ανάλυση του σημερινού τοπίου και των προκλήσεων, εξετάζονται επίσης διάφορα πεδία εφαρμογής, όπως η υγεία, ο χρηματοπιστωτικός τομέας, η εφοδιαστική αλυσίδα, η δημόσια διοίκηση και η ενέργεια. Η εργασία αυτή προσφέρει μια συνεκτική εικόνα του πώς η Μηχανική Μάθηση και η τεχνολογία blockchain μπορούν να συνδυαστούν για την ανάπτυξη πρωτοποριακών λύσεων που αξιοποιούν με ασφαλή τρόπο τα δεδομένα σε διάφορους τομείς. Τέλος, η εργασία παρουσιάζει μια ενδεικτική προοπτική για το μέλλον της έρευνας και της ανάπτυξης σε αυτό τον αναδυόμενο τομέα.

Abstract

This thesis examines the exploitation of data stored in blockchain environments by machine learning algorithms. With the increasing importance of data security and privacy, the interoperability between blockchain technology and machine learning algorithms, as well as their cooperation, create new potential for the development of secure, transparent, and efficient applications. In this context, this thesis analyses the basic concepts of machine learning and cryptography, examining the use of homomorphic cryptography as a means for the protection of data secrecy. Furthermore, it presents the blockchain technology and its characteristics, including smart contracts and decentralized applications. The main part of this thesis examines the exploitation of homomorphic algorithms on blockchain data for machine learning applications. Through an analysis of the current state of the field and the related challenges, different areas of application are also considered including health, finance, logistics, public administration and energy. This thesis presents a concise view on how machine learning and blockchain technology can be combined towards the development of innovative solutions which utilize data in a safe fashion, across different sectors. Finally, the thesis presents an indicative outlook regarding the future of research and development in this emerging field.