‍Dadoseu histórico como inventor do hashgraph e seu doutorado pela Carnegie Mellon, como você imagina que os algoritmos de aprendizado de máquina revolucionarão a maneira como abordamos a segurança do blockchain?

Acredito que há várias maneiras pelas quais a IA pode ajudar a segurança de software em geral e, portanto, também ajudará a segurança de blockchain ou DLT. Os sistemas de IA podem examinar o código-fonte de contratos inteligentes ou de nós validadores para procurar bugs ou falhas de projeto. Isso pode ser feito em tempo real durante o desenvolvimento (por exemplo, durante cada confirmação) e também pode ser usado para examinar o código existente em busca de possíveis problemas. Os sistemas de IA também podem examinar o tráfego e procurar anomalias e sinais de possíveis ataques. No livro-razão, esse tráfego pode ser as transações que foram processadas na rede. Em um nó específico, pode ser uma varredura de pacotes que chegam por várias portas. Em longo prazo, acredito que o futuro da segurança de software incluirá "métodos formais", em que o código e os protocolos têm provas matemáticas de sua correção, e as provas são verificadas por um computador. Atualmente, é muito difícil e demorado criar uma prova desse tipo. Mas agora há pesquisas para ver se a IA pode criar um assistente de prova que possa tornar isso mais rápido e fácil.

Com sua ampla experiência em defesa nacional e segurança cibernética, como você vê o aprendizado de máquina preenchendo a lacuna entre esses campos e a tecnologia blockchain?

‍Para a defesa nacional e a segurança cibernética, os métodos formais podem se tornar tão importantes que todos os softwares essenciais acabarão tendo provas matemáticas verificadas por computadores. E talvez também compiladores, sistemas operacionais e até mesmo os próprios chips de computador. A pesquisa mostrou bons resultados em todos os níveis dessa pilha. Se a IA puder torná-la prática e econômica, ela poderá acabar sendo usada em toda a pilha.

Quais são algumas das vulnerabilidades mais negligenciadas nos algoritmos criptográficos atuais e como o aprendizado de máquina pode ajudar a identificar esses pontos fracos?

Há uma enorme variedade de maneiras pelas quais um software pode ter problemas de segurança. É por isso que não basta apenas fazer testes e ter várias pessoas analisando o código. Há uma necessidade real de uma análise mais forte e automatizada do código. E o aprendizado de máquina pode nos fornecer sistemas capazes de fazer isso. Esses métodos formais são particularmente adequados para o aprendizado de máquina, pois ele pode se basear no "aprendizado por reforço" (tentativa e erro) em vez de no "aprendizado supervisionado".

O aprendizado de máquina pode ser usado para otimizar a tokenômica de uma forma que aumente a utilidade e a segurança em um ecossistema de blockchain?

As decisões econômicas e de preços podem ser baseadas em modelos da economia e do comportamento do consumidor. A supervisão pode desempenhar um papel na criação automática desses modelos, se houver dados suficientes. Uma vez que os modelos tenham sido criados, o aprendizado por reforço pode ser usado para encontrar as ações ideais para otimizar os resultados.

O que o leva a integrar o aprendizado de máquina ao espaço do blockchain e como você acha que essa integração poderia redefinir o conceito de confiança digital?

‍A confiança no blockchain é fortemente influenciada pelo fato de o livro-razão ter um código seguro. E se os contratos inteligentes e os aplicativos criados sobre ele têm código seguro. E se o software de carteira e outras ferramentas têm código seguro. Garantias fortes de segurança normalmente exigem custos extremos, mas há um verdadeiro potencial para que o aprendizado de máquina permita uma segurança muito maior com esforço e custo razoáveis.

‍