‍Dadaa sua experiência como inventor do hashgraph e o seu doutoramento da Carnegie Mellon, como vê os algoritmos de aprendizagem automática a revolucionar a forma como abordamos a segurança da cadeia de blocos?

Penso que há várias formas de a IA poder ajudar a segurança do software em geral, o que também ajudará a segurança das cadeias de blocos ou dos DLT. Os sistemas de IA podem analisar o código-fonte dos contratos inteligentes ou dos nós de validação para procurar erros ou falhas de conceção. Os sistemas de IA também podem analisar o tráfego e procurar anomalias e sinais de potenciais ataques. No livro-razão, este tráfego pode ser constituído pelas transacções que foram processadas na rede. Num determinado nó, pode ser uma análise dos pacotes que entram através de várias portas. A longo prazo, penso que o futuro da segurança do software incluirá "métodos formais", em que o código e os protocolos têm provas matemáticas da sua correção, e as provas são verificadas por um computador. Atualmente, é muito difícil e demorado construir uma prova deste tipo. Mas há atualmente investigação para ver se a IA pode criar um assistente de prova que torne este processo mais rápido e fácil.

Com a sua vasta experiência nos domínios da defesa nacional e da cibersegurança, como vê a aprendizagem automática a fazer a ponte entre estes domínios e a tecnologia de cadeias de blocos?

‍Para a defesa nacional e a cibersegurança, os métodos formais podem tornar-se tão importantes que todo o software crítico acabará por ter provas matemáticas verificadas por computadores. E talvez também compiladores, sistemas operativos e até os próprios chips de computador. A investigação tem mostrado bons resultados a todos os níveis desta pilha. Se a IA conseguir torná-la prática e económica, poderá acabar por ser utilizada em toda a pilha.

Quais são algumas das vulnerabilidades mais negligenciadas nos algoritmos criptográficos actuais e como é que a aprendizagem automática 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 é suficiente fazer apenas testes e ter várias pessoas a analisar o código. Há uma necessidade real de uma análise mais forte e automatizada do código. E a aprendizagem automática pode dar-nos sistemas capazes de o fazer. Estes métodos formais são particularmente adequados para a aprendizagem automática, porque podem basear-se na "aprendizagem por reforço" (tentativa e erro) em vez da "aprendizagem supervisionada".

Poderá a aprendizagem automática ser utilizada para otimizar a tokenomics de forma a aumentar a utilidade e a segurança num ecossistema de cadeias de blocos?

As decisões económicas e de preços podem basear-se em modelos da economia e do comportamento dos consumidores. A aprendizagem supervisionada pode desempenhar um papel na construção automática desses modelos, se houver dados suficientes. Uma vez construídos os modelos, a aprendizagem por reforço pode ser utilizada para encontrar as acções ideais para otimizar os resultados.

O que o leva a integrar a aprendizagem automática no espaço da cadeia de blocos e como pensa que esta integração pode redefinir o conceito de confiança digital?

‍A confiança na cadeia de blocos é fortemente influenciada pelo facto de o livro-razão ter um código seguro. E se os contratos inteligentes e aplicativos construídos em cima dele têm código seguro. E se o software de carteira e outras ferramentas têm código seguro. As fortes garantias de segurança exigem normalmente custos extremos, mas existe um verdadeiro potencial para que a aprendizagem automática permita uma segurança muito maior com um esforço e um custo razoáveis.

‍