Teniendoen cuenta su experiencia como inventor del hashgraph y su doctorado en Carnegie Mellon, ¿cómo prevé que los algoritmos de aprendizaje automático revolucionen la forma en que abordamos la seguridad de las cadenas de bloques?

Creo que hay varias formas en las que la IA puede ayudar a la seguridad del software en general, por lo que también ayudará a la seguridad de blockchain o DLT. Los sistemas de IA pueden examinar el código fuente de los contratos inteligentes o de los nodos validadores en busca de errores o fallos de diseño. Esto puede hacerse en tiempo real durante el desarrollo (por ejemplo, durante cada confirmación), y también puede utilizarse para escanear el código existente en busca de posibles problemas. En el libro mayor, este tráfico pueden ser las transacciones que se han procesado en la red. En un nodo concreto, puede ser un análisis de los paquetes que entran por varios puertos. A largo plazo, creo que el futuro de la seguridad del software incluirá "métodos formales", en los que el código y los protocolos tengan pruebas matemáticas de su corrección, y las pruebas sean comprobadas por un ordenador. En la actualidad, construir una prueba de este tipo es muy difícil y lleva mucho tiempo. Pero se está investigando si la IA puede crear un asistente de pruebas que lo haga más rápido y sencillo.

Con su amplia experiencia tanto en defensa nacional como en ciberseguridad, ¿cómo cree que el aprendizaje automático puede tender puentes entre estos campos y la tecnología blockchain?

‍Para la defensa nacional y la ciberseguridad, los métodos formales pueden llegar a ser tan importantes que todo el software crítico acabe teniendo pruebas matemáticas comprobadas por ordenadores. Y quizá también los compiladores, los sistemas operativos e incluso los propios chips informáticos. La investigación ha dado buenos resultados en todos los niveles de esa pila. Si la IA puede hacerlo práctico y económico, entonces podría acabar utilizándose para toda la pila.

¿Cuáles son algunas de las vulnerabilidades que más se pasan por alto en los algoritmos criptográficos actuales y cómo puede ayudar el aprendizaje automático a identificar estos puntos débiles?

Hay una enorme variedad de formas en que el software puede tener problemas de seguridad. Por eso no basta con hacer pruebas y que varias personas examinen el código. Existe una necesidad real de un análisis más sólido y automatizado del código. Y el aprendizaje automático puede proporcionarnos sistemas capaces de hacerlo. Estos métodos formales encajan especialmente bien con el aprendizaje automático, porque puede basarse en el "aprendizaje por refuerzo" (ensayo y error) más que en el "aprendizaje supervisado".

¿Puede utilizarse el aprendizaje automático para optimizar la tokenómica de forma que mejore tanto la utilidad como la seguridad dentro de un ecosistema de blockchain?

Las decisiones económicas y de fijación de precios pueden basarse en modelos de la economía y del comportamiento de los consumidores. La supervisión puede desempeñar un papel en la construcción automática de esos modelos, si se dispone de datos suficientes. Una vez construidos los modelos, puede utilizarse el aprendizaje por refuerzo para encontrar acciones óptimas que optimicen los resultados.

¿Qué le impulsa a integrar el aprendizaje automático en el espacio de la cadena de bloques y cómo cree que esta integración podría redefinir el concepto de confianza digital?

‍La confianza en blockchain depende en gran medida de si el libro de contabilidad tiene un código seguro. Y si los contratos inteligentes y las aplicaciones construidas sobre él tienen un código seguro. Y si el software de monedero y otras herramientas tienen un código seguro. Las garantías de seguridad sólidas suelen requerir costes muy elevados, pero el aprendizaje automático tiene un gran potencial para ofrecer una seguridad mucho mayor con un esfuerzo y un coste razonables.

‍