Toepassingsscenario

Gedistribueerde AI voor gegevensanalyse met behoud van privacy
De service-infrastructuur voor deze use case is ontwikkeld door Boundary Intelligence, een technologie-startup gevestigd in Shanghai, en wordt toegepast op het alliantieketenproduct BEAN (BlockchainEdge Analytics Network) om de langdurige uitdaging op te lossen om gegevens te verkrijgen voor lopende analysemodellen. Hoewel homomorfe versleuteling een van de belangrijkste methoden is die computergebruik via versleutelde gegevens mogelijk maken, is het vanwege de lage prestaties praktisch onmogelijk om echte machine learning-problemen op te lossen. Daarom biedt de oprichting van BEAN een andere oplossing: het gebruik van modelparallellisme en SOA-ontwerppatronen in traditioneel gedistribueerd onderzoek naar kunstmatige intelligentie om gedistribueerde analyseservices te ontwikkelen als een extra laag van blockchain.
Om de toegang tot gegevens te beschermen, moet (een deel van) het model dat aan de gegevenszijde draait, openstaan ​​voor de klant en worden beschreven in de servicedefinitie. Aangezien slechts een deel van het model toegankelijk is voor klanten, hoeven modelontwikkelaars zich geen zorgen te maken dat iemand hun ideeën steelt; evenzo hoeven data-eigenaren zich nooit zorgen te maken dat ze de controle over hun datagebruik verliezen, omdat de data hun bron nooit verlaten.
Andere potentiële voordelen kunnen de volgende zijn:
1. Er wordt slechts een kleine hoeveelheid parametergegevens on-chain uitgewisseld, wat de prestaties kan helpen verbeteren.
2. Een meer praktische benadering van auditing van gegevensgebruik, die vaak wordt gebruikt in de gezondheidszorg.
Medische en gezondheidsgegevens hebben een hoge mate van privacy en brengen veel veiligheidseisen met zich mee. Dit stelt uitdagingen voor het gebruik van medische en gezondheidsgegevens voor samenwerking tussen organisaties (zoals het zoeken van ziekenhuisoverstijgende consultatiedossiers voor hulpdiagnose, patiëntidentiteit voor klinische proeven met nieuwe geneesmiddelen, automatische claims voor ziektekostenverzekeringen, enz.). De implementatie van de Minimum Viable Product (MVP)-servicelaag is gebaseerd op Ethermint en probeert veel ziekenhuizen, verzekeringsmaatschappijen en analyseserviceproviders met elkaar te verbinden om privacy-beschermde medische en gezondheidsgegevensanalysemogelijkheden te bieden.
Er zijn slimme contracten geïmplementeerd die on-chain serviceregistratie en -aanroep ondersteunen. Een voorbeeld van off-chain dataverwerking is een groepsanalysedienst die de Diagnosis Related Group (DRG) ondersteunt. Meer specifiek, wanneer een ziekenhuisgebruiker een DRG-service aanroept, worden de onbewerkte medische dossiers off-chain verwerkt, met behulp van de client-side NLP (geïmplementeerd door SQL en Python) code-stubs die door de serviceprovider worden verstrekt om de DRG's te extraheren die via de blockchain zijn ontvangen. gestructureerde gegevens van de dienst zonder zeer vertrouwelijke onbewerkte medische dossiers door te geven.
Het BEAN-scenario illustreert een complexere use-case voor services, inclusief het implementeren van gedistribueerde analyses, het verbinden van serviceproviders en serviceconsumenten, het gebruik van blockchain om een ​​controleerbaar transactieplatform te bieden en een vertrouwde gedistribueerde computerbasis.
Gegevens- en analyse-elektronische markt
Door onderzoek naar verschillende AI+blockchain-projecten lijkt het erop dat de meeste projecten gericht zijn op het bieden van een data-uitwisselingsmarkt en analyse-API-markt. In de voorgestelde IRIS-infrastructuur kunnen deze netwerken eenvoudig worden gebouwd door de IRIS Service Provider SDK te gebruiken om gegevens te publiceren als gegevensservices en API's voor verpakkingsanalyse als analyseservices.
Gedistribueerde e-commerce
Integreer de voorgestelde IRIS-infrastructuur met verouderde systemen zoals ERP voor inventarisinformatie of query's tussen ketens naar vertrouwde gegevensbronnen voor verkeer en voor informatie zoals weergegevens , lijkt deze aanpak erg op wat veel ontwikkelaars van bedrijfsapplicaties al kennen. Door deze services te integreren ter ondersteuning van gedistribueerde e-commerce-applicaties, is het mogelijk om een ​​gebruikerservaring te bieden die vergelijkbaar is met die van gecentraliseerde systemen zoals Amazon of Alibaba.
De combinatie van publieke keten en consortiumketen
Voor veel zakelijke scenario's kan het toepassen van een hybride architectuur die de goede kenmerken van publieke keten en consortiumketen combineert, gunstige resultaten opleveren, vooral in termen van prestaties, veiligheid en economische prikkels.
Ziekenhuizen en verzekeringsmaatschappijen kunnen bijvoorbeeld alliantieketens vormen om hoogwaardige medische verzekeringstransacties te ondersteunen, terwijl ze andere informatie identificeren, zoals statistieken over wereldwijde diensten voor bepaalde ziekten, die kunnen worden opgevraagd vanuit andere openbare ketens. Het ontvangen certificaat van de openbare link kan worden geretourneerd aan de informatieverstrekker in de alliantieketen, waardoor systeemdeelnemers worden gemotiveerd om de servicekwaliteit te verbeteren en te verbeteren. Door gebruik te maken van de infrastructuur die door IRIS wordt geboden, kan grootschalige spontane samenwerking worden bereikt terwijl aan strenge prestatie- en beveiligingseisen wordt voldaan.
De IRIS-service-infrastructuur kan veel gebruiksscenario's ondersteunen, zoals efficiëntere op activa gebaseerde beveiligingssystemen, gedistribueerde regelgevingstechnologieën (zoals strikte evaluatie, markten voor wederzijdse hulp, enz.). Een van de IRIS-projectplannen omvat ook een nauwe samenwerking met dergelijke applicatieprojectteams om hen te ondersteunen en in staat te stellen de blockchain-infrastructuur te hebben die ze nodig hebben, zodat ze zich kunnen concentreren op het efficiënter leveren van de verwachte bedrijfswaarde.

Gerelateerde links:
https://www.qukuaiwang.com.cn/szhb/3238.html###