بلاک چین‌‌ ، اینترنت اشیا و چالش‌های رایانش غیرمتمرکز

رمز ارزها تثبیت‌‌شده‌‌ترین کاربردهای رایانش غیرمتمرکز هستند، اما کاربردهای زیاد دیگری نیز وجود دارد. بلاک چین‌‌‌‌ها در بیشتر موارد که به عنوان یک جایگزین غیرمتمرکز مبتنی بر اجماع برای اعتماد به یک مسئول متمرکز کار می‌‌کنند، نقشی کلیدی ایفا خواهند کرد. با این حال بلاک چین‌‌‌‌ها به خودی خود بلااستفاده هستند. بلاک چین‌‌‌‌ها برای اینکه رایانش غیرمتمرکز کار کند باید با سرویس‌‌ها و راهکارهای دیگر نیز به صورت متقاطع کار کنند.

0 86

چهار اتومبیل خودران با هم به یک تقاطع می‌‌رسند، چه کسی باید اول برود؟ خب شاید این در ابتدا یک جک بی‌‌مزه به نظر برسد، اما این یک مشکل واقعی و موضوعی چالش برانگیز است. راه حل در رایانش غیرمتمرکز قرار دارد، رشته نوظهوری که بلاک چین‌‌‌‌ها و مجموعه دیگری از فناوری‌‌ها را درگیر خواهد کرد. برای شناخت مسائلی که رایانش غیرمتمرکز سعی در حل آن‌‌ها دارد بیاید نگاه عمیق‌‌تری به این تنگنای شهری داشته باشیم.

اگر فرض کنیم که هیچ زیرساخت ثابتی (مثلا چراغ راهنمایی) برای برقراری نظم در تقاطع وجود ندارد، وسایل نقلیه باید با استفاده از ظرفیت رایانشی داخلی وسیله نقلیه‌‌شان بر سر یک راه‌‌حل مذاکره کنند. دستورات رایانه چه خواهد بود؟ خب قوانین اجتماعی وجود دارد که می‌‌تواند مبتنی بر آنها باشد: هیچ‌‌کس نمی‌‌خواهد تصادف کند؛ همه می‌‌خواهند هر چه سریع‌‌تر از تقاطع عبور کنند و هیچ نشانی از انصاف وجود ندارد (من اول به اینجا رسیدم پس اول من می‌‌روم).

همه این‌‌ها کم و بیش قابل انجام به نظر می‌‌رسد مگر اینکه در خودرو یک دکمه قرمز تعبیه شود که برای اول رفتن در مذاکره تقلب کند (اگر برای رفتن به سر کار دیرتان شده باشد دکمه را می‌‌زنید، درست است؟)

این سناریو از منظر معماری سیستم مشکلات بزرگی دارد، از جمله: هیچ مسئولی وجود ندارد که ترتیب حرکت وسایل نقلیه را تعیین کند. تنها زیرساخت موجود برای رایانش در ماشین‌‌ها وجود دارد؛ یعنی منابع به شکل غیرثابت برای برقراری ارتباط تخصیص داده شده‌‌اند. همه رانندگان اهدافی دارند که رایانش کامپیوترشان بر همان اساس است و در حالی که برخی اهداف (مانند عبور از تقاطع بدون تصادف) را همه دارند، برخی اهداف، مختص یک فرد خواهد بود.

(من دیرم شده، پس بگذارید اول بروم)

همین ویژگی آخر است که رایانش غیرمتمرکز را تا این حد چالش برانگیز می‌‌کند.

کاربردها و چالش‌‌ها

رمز ارزها تثبیت‌‌شده‌‌ترین کاربردهای رایانش غیرمتمرکز هستند. اما کاربردهای زیاد دیگری نیز وجود دارد. بلاک چین‌‌‌‌ها در بیشتر موارد که به عنوان یک جایگزین غیرمتمرکز مبتنی بر اجماع برای اعتماد به یک مسئول متمرکز کار می‌‌کنند، نقشی کلیدی ایفا خواهند کرد. با این حال بلاک چین‌‌‌‌ها به خودی خود بلااستفاده هستند. بلاک چین‌‌‌‌ها برای اینکه رایانش غیرمتمرکز کار کند باید با سرویس‌‌ها و راهکارهای دیگر نیز به صورت متقاطع کار کنند.

یکی از کاربردهای رایانش غیرمتمرکز که بسیار بر سر زبان‌‌هاست، ردیابی منبع یا منشا در زنجیره تامین است. والمارت (Walmart) به تازگی اعلام کرده که همه تامین‌‌کنندگان مواد غذایی آن ملزم به آپلود کردن داده‌‌های‌‌یشان در یک سیستم بلاک چین‌‌ هستند تا کاربران بتوانند زنجیره تامین یک غذای آلوده را نظارت کنند. ایده‌‌های مشابهی نیز در بحث ردگیری مواد معدنی به کار گرفته شده‌‌اند.

در این موارد، بلاک چین‌‌ جزئی حیاتی است اما به هیچ‌‌وجه تنها بخش موجود نیست. اگرچه یک بلاک چین‌‌ می‌‌تواند مدیریت، ذخیره‌‌سازی و به‌‌روزرسانی داده تراکنشی مداوم و شفاف ارائه کند، اما توانایی ردگیری منبع تامین به ورودی داده کارآمد و بسیار یکپارچه نیاز دارد. کیفیت نظارت بلاک چین‌‌ به کیفیت داده‌‌های جمع‌‌آوری شده بستگی دارد. بدون وجود بینش مناسب، ورودی داده می‌‌تواند توسط شرکت‌‌کنندگان خراب‌‌کار جهت سوء تفسیر منبع تامین دستکاری شود.

کاربردهای زنجیره تامین نیز اهمیت محرمانگی و حریم خصوصی داده را نشان می‌‌دهند، چرا که به دسترسی بین‌‌‌‌سازمانی به داده‌‌های مشترک ارتباط دارد. مطالعات مربوط به داده از جمله «کاهو از کجا آمده است؟» بحث‌‌برانگیز نیستند و در بیشتر شرایط با اهداف مشترک شرکت‌‌کنندگان منطبق‌‌اند. با این حال مطالعات دیگر بیشتر محل بحث هستند و اینها آن دسته از مطالعات‌‌اند که در مدیریت محرمانگی در سیستم‌‌های غیرمتمرکز، دشواری‌‌هایی به وجود می‌‌آورند.

مثلا آیا یک عرضه‌‌کننده می‌‌تواند ثابت کند که توانایی تحویل مواد لازم بدون افشای جزییات محرمانه عملیات‌‌های داخلی‌‌اش را دارد؟ در اینجا مسئله رایانش غیرمتمرکز وجود دارد: چطور در داده‌‌های محرمانه رایانش شبکه‌‌ای انجام دهیم، بدون اینکه جزییات آن اطلاعات محرمانه را برای گروه افشا کنیم.

مثلا چالش مربوط به داده‌‌های ژنی را در نظر بگیرید. نظر به پژوهش‌‌های محققان برای درمان بیماری‌‌ها، ارزش اجتماعی و کاری عظیمی در اجرای رایانش در گسترده‌‌ترین مجموعه‌‌ی منابع داده ژنی نهفته است، منابعی که اغلب توسط سازمان‌‌های مختلف ساخته و مدیریت شده و تحت تملک آنان قرار دارند. با این حال هر پایگاه داده حاوی داده‌‌هایی است که هم به عنوان دارایی معنوی ارزش دارند و هم توسط مقررات برای حفظ حریم خصوصی کمک‌‌کنندگان به واحد داده‌‌های ژنی محدود شده‌‌اند.

دو راهی

می‌‌‌‌توانیم به مثال خودروهای درون تقاطع برگردیم که احتمالا هنوز در آنجا هستند (اول شما بفرمایید، نه اول شما بفرمایید، نه اصلاً، استدعا دارم شما اول بفرمایید). یکی از جدیدترین الزامات برای خودرو این است که باید یک جعبه سیاه داشته باشد که داده‌‌های مسافت‌‌سنجی را ثبت کند تا بتواند برای تحلیل رفتار گذشته به کار گرفته شود (مثلا تعیین دلیل یک تصادف). این اساساً همان نقش جعبه سیاه در هواپیما را دارد، البته با یک تفاوت کلیدی: هواپیما خودش به تنهایی در آسمان حضور دارد، در حالی که یک اتومبیل دائماً با خودروهای دیگر در تعامل است. جعبه سیاه در یک وسیله نقلیه، چشم‌‌انداز تاریخی واحدی ارائه می‌‌کند.

با این حال جعبه سیاه بینش خاصی درباره اقدامات یا تصمیمات وسیله نقلیه مستقل در جاده ارائه نمی‌‌کند. همه این‌‌ها توسط یادگیری ماشینی مخالف که می‌‌تواند حمله جدیدی برای خودروهای مستقل به وجود بیاورد، پیچیده و بغرنج می‌‌شود. چطور یک کامپیوتر که بر یک داده مسافتی محلی و ساده مبتنی است، می‌‌تواند بین خطای فاصله‌‌ای مرتکب شده توسط خودرو، حمله خارجی به مسافت‌‌سنجی خودرو یا اقدامات یک شرکت‌‌کننده خراب‌‌کار در پروتکل همکاری تفاوت قائل شود؟

جعبه سیاه برای ارائه یک تاریخچه‌‌ مقاوم در برابر حمله برای رفتار خودرو، داده مسافتی خود را با خودروهای مجاور و همچنین اطلاعات مربوط به تعامل با آن خودروها را تایید می‌‌کند. به عبارت دیگر یک تصویر کامل و عریض از آن. و این کار ما را با مشکل انجام رایانش با اطلاعات محرمانه از جانب منابع غیرمعتمد مواجه می‌کند.

استفاده از بلاک چین‌‌ به عنوان سپر اعتماد

اینترنت اشیا به اپلیکیشن‌‌های غیرمتمرکز نیاز دارد. اما ساخت نسخه‌‌های گسترده تر از آن‌‌ها دشوار است. مشکلات مشخصی مانند تبادل منصفانه بین دو طرف، بدون وجود یک واسط معتمد برای نظم بخشیدن و حکمیت بر تعامل غیرممکن است. در اینجا بلاک چین‌‌ ارزش بالایی دارد چرا که به یک واسط معتمد مبتنی بر فناوری بدل می‌‌‌‌گردد که می‌‌تواند بر پروتکل‌‌های چندجانبه حکمیت کند. با این حال باید پیش از شناخت هدف اصلی و عمومی رایانش غیرمتمرکز، چالش‌‌های متعدد دیگری را پوشش دهیم.

رسیدن به این مرحله، به گذار از تفکر «استفاده از بلاک چین‌‌ به‌‌عنوان تنها راه حل» به «استفاده از بلاک چین‌‌ به عنوان سپر اعتماد» نیاز دارد.

این گذاری است که پیشتر در بیت کوین دیده‌‌ایم. مثلا شبکه لایتنینگ مدیریت تراکنش‌‌های بیت کوین را به سمت یک کانال خارج از زنجیره می‌‌کشاند که توسط دو شرکت‌‌کننده ساخته شده که تنها درصورت وجود اختلاف خارج از زنجیره موجودی‌‌هایشان را می‌‌بندند.

بنابراین بلاک چین‌‌ به عنوان یک سپر اعتماد عمل می‌‌کند و در همان حال شبکه لایتنینگ کاربرد غیرمتمرکز تلقی می‌‌شود.

در این میان، تاندرلا (Thunderella)، الگوریتم اجماعی که در دانشگاه کورنل توسعه داده شده است، با ترکیب یک پروتکل اجماع خوش‌‌بینانه، با عملکرد بالا و خارج از زنجیره با مسیر همگام خود که از پروتکل اجماع سنتی بلاک چین‌‌ به‌‌عنوان یک سپر اعتماد در زمان شکست فرضیات خوش‌‌بینانه استفاده می‌‌کند، بهبود عملکرد بسیار مناسبی به دست می‌‌آورد.

در این مورد، نقش بلاک چین‌‌ بنیادین، انتشار شواهدی در رد فرضیات خوش‌‌بینانه و همچنین برگرداندن نظرات ناهماهنگ است.

کار خود ما بر داده‌‌های خصوصی به نام پروژه هایپرلجر لبز (Hyperledger Labs) با هدف بررسی مدل‌‌های رایانش غیرمتمرکز، اجرای قرارداد را به دو جزء تقسیم می‌‌کند؛ یک جزء خارج از زنجیره که کار رایانش را انجام می‌‌دهد و یک جز درون زنجیره که ترتیب به‌‌روزرسانی‌‌های مابین قراردادها را تضمین می‌‌کند. بنابراین بلاک چین‌‌‌‌ها به عنوان یک فهرست هماهنگی/اقدام غیرمتمرکز برای به‌‌روزرسانی‌‌های پایگاه داده عمل می‌‌کنند.

رویارویی با چالش محرمانگی

چطور باید به محرمانگی پایبند بود و از آن محافظت کرد؟

خب یکی از رویکردها از ما می‌‌خواهد که بدانیم تعادل بخشیدن به تنش بین اهداف مشترک و فردی در صورت وسعت بخشیدن به مفهوم رایانش موفق، ساده است. تحت اصل حریم خصوصی افتراقی، ما می‌‌توانیم دقت مورد نیاز یک پایگاه داده برای حفظ محرمانگی را کاهش دهیم. مثلا می‌‌توانیم یک نتیجه دقیق مانند «ماشین تحویل در خیابان چهارم ویلشر است» را به چیز دیگری مانند «ماشین تحویل بار حدود 10 دقیقه دیگر خواهد رسید» تبدیل کنیم.

دقت کنید که چطور این مفهوم (که در آن باید برای موفق شدن برخی اهداف محقق شوند و برخی دیگر برای تکمیل رایانش حذف شوند) می‌‌تواند در خودروهای خودکار کاربرد داشته باشد. شاید لازم نباشد که اولین خودروی حاضر در تقاطع، اولین خودرویی باشد که عبور می‌‌کند. انصاف و «اول رسیدن اول رفتن» اهداف هستند، اما شاید برای موفقیت لازم نباشند.

پیشرفت‌‌های دیگر در علوم کامپیوتر نیز می‌‌توانند کمک‌‌کننده باشند. رمز ارزهایی مانند زی کش و مونرو که حریم خصوصی را با استفاده از اثبات دانش صفر (ZKP) حفظ می‌‌کنند، توان رمزنگاری برای رایانش بر مجموعه حفظ شده داده را نشان می‌‌دهند. با این حال توسعه‌‌دهندگان تاکنون بر رساندن این فناوری پیچیده رایانشی به حدی که برای هدف اصلی رایانش غیرمتمرکز نیاز است کار می‌‌کنند و به آن دست پیدا نکرده‌‌اند.

در اینجا محیط‌‌های اجرایی مبتنی بر سخت افزار (TEE) گزینه‌‌ی بالقوه‌‌ای ارائه می‌‌کنند. بسیاری از پردازندگان مدرن با تکنولوژی می‌‌آیند تا رایانشی را اجرا کنند که یکپارچگی و محرمانگی رایانش تحت شرایط خاص را تضمین کند.

نمونه‌‌های ارسال محموله شامل تراست‌‌زون (TrustZone) از شرکت ARM، SGX از شرکت اینتل و SEV شرکت AMD هستند. برای کسانی که تمایل بیشتری به سخت‌‌افزارهای باز دارند، پروژه کی‌‌استون (Keystone) از پژوهشگران دانشگاه برکلی و MIT به دنبال توسعه یک TEE متن باز برای پردازنده RISC-V هستند.

یک TEE مبتنی بر سخت‌‌افزار محیط رایانشی عمومی ارائه می‌‌کند که الزامات عملکرد و انعطاف‌‌پذیری محدودکننده کاربرد فناوری‌‌های ZKP یا دانش صفر را پوشش می‌‌دهد. با این حال اعتماد مبتنی بر سخت‌‌افزار نباید به عنوان یک علاج یا نوش‌‌دارو دیده شود. وقتی این اعتماد به شکل مناسبی در زمینه طراحی امنیتی بزرگ‌‌تر واقع شود، باید به شکل بهینه و موثری رایانش محرمانه را اجرا کند.

به عبارت دیگر، رایانش غیرمتمرکز نیازمند ترکیبی از راهکارهاست. خب خبر بد برای خودروهایی که در تقاطع گیر کرده‌‌اند این است که باید چند کار را به شکل همزمان انجام دهند.

 

منبع

شاید از این مطالب هم خوشتان بیاید.

ارسال پاسخ

آدرس ایمیل شما منتشر نخواهد شد.