1

NeuroChain: Blockchain Thông minh1 Eukléia Consensus

Proof of Involvement and Integrity (PII)

Proof of Workflow

Phòng thí nghiệm NeuroChain

Ngày 03 tháng 12 năm 2017

Email: contact@neurochaintech.io

Tóm tắt: Bài viết mô tả một công nghệ mới dựa trên hệ thống phân tán giống Blockchain và được hỗ

trợ bởi các thuật toán máy học. Công nghệ NeuroChain là sự hợp nhất hoàn hảo giữa Blockchain và

máy học dựa trên ba trụ cột chính sau:

- Đối tượng ra quyết định: Một Chuỗi các Bot

- Bộ các quy tắc: Giao thức Ra quyết định (Proof of Involvement and Integrity & Proof of

Workflow)

- Mạng lưới và phương tiện truyền thông: Pragmatic Communication Channels (giao thức giao

tiếp thích ứng theo hoàn cảnh) và Hệ sinh thái học tập.

Bot là cách gọi tắt của robot. Trong bối cảnh hiện nay, Bot được hiểu như một dạng Trí tuệ nhân tạo

hoạt động độc lập trên một nút cố định trong mạng. Chúng hoạt động nhờ các thuật toán máy học

trên đầu giao thức và mạng. Vai trò quan trọng của chúng được thể hiện qua cách thức làm việc liên

đới: một chuỗi các Bot được phân tán trong mạng. Một khía cạnh quan trọng là mỗi Bot “nằm” tại một

nút. Các Bot đóng vai trò như người xác thực giao dịch và trao đổi với nhau nhằm đảm bảo tính an

toàn, minh bạch cũng như các vấn đề về cơ sở hạ tầng phi tập trung (ví dụ: vấn đề gửi hai lần hay bài

toán các vị tướng Byzantine v.v.). Giao thức ra quyết định dựa trên hai công cụ toán học: the Proof of

Involvement and the Proof of Integrity (PII) (tạm dịch Bằng chứng liên quan và toàn vẹn). Theo đó,

Bằng chứng liên quan (Proof of Involvement) giúp truy cứu nỗ lực làm việc của một Bot nhất định trong

mạng lưới. Nỗ lực này được đo bằng entropy và enthalpy mà Bot đó nắm giữ. Ý tưởng ở đây là Bot

quan trọng đáp ứng các nhu cầu quan trọng, do vậy chúng được trả nhiều hơn. Bằng chứng toàn vẹn

1 Khi Blockchain gặp Trí tuệ nhân tạo F435990C3F9540FA8DC4C8A29F3ACBC990B41E25961934F5FBF9D04C8366733BEEB11894ECC054736A6C380B1F7C061541523EEC7FE0E3D2776658EAE5DCC8B3

2

(Proof of Integrity) cho thấy Bot này đáng tin cậy như thế nào. Các giao thức giao tiếp thực dụng giúp

cá nhân cũng như tổ chức có thể dễ dàng tiếp cận.

Cùng với nhau hệ thống các Bot hoạt động độc lập đóng vai trò như các thành viên của một hệ sinh

thái ra quyết định phi tập trung. Nhờ vậy, hệ thống này có được lợi ích từ những ưu thế của trí tuệ

nhân tạo tập thể và sự hợp tác. Quá trình chia sẻ trí tuệ này được bảo đảm bởi giao thức Bằng chứng

luồng công việc (Proof Of Workflow). Hệ thống năng động này khi được đặt đúng chỗ, nhờ Giao thức

ra quyết định, sẽ nhanh chóng và tự động khoanh vùng các Bot độc hại (theo điểm số Integrity) để

ngăn chặn các hành động xấu.

Công nghệ NeuroChain giúp các ứng dụng phân tán phức tạp trở nên khả thi (các vấn đề về truy xuất

nguồn gốc, Crypto-Value, các ứng dụng thông minh, tính năng thông minh, mạng xã hội hay các nền

tảng phân tán đáng tin cậy). NeuroChain tạo ra một làn sóng Blockchain mới và dẫn đến một sự bùng

nổ thực sự của nền kinh tế phi tập trung và phi trung gian.

Giải thích ngữ nghĩa: Bot là từ viết tắt của "Robot", và là một phần mềm ứng dụng chạy các

tác vụ tự động. NeuroChain chỉ định một chuỗi các Bot (còn gọi là Bot-Chain) nhằm hoàn thành

các tác vụ cụ thể và phức tạp. Cấu hình này tạo thành một hệ sinh thái của trí tuệ nhân tạo tập

thể.

NeuroChain: là từ mô tả cấu trúc tương tự như các kết nối nơ-ron thần kinh trong não bộ.

NeuroChain là một chuỗi các nơ-ron hay một chuỗi các Bot.

CLAUSIUS: tiêu chuẩn cơ bản của phép đo lường Giá trị.

Từ khóa: NeuroChain, Bot-Chain, Blockchain 2.0, Vật lý hạt, Blockchain thông minh, Lớp truyền

thông thích ứng, Máy học, Bots, các thuật toán phân tán, Entropy, Enthalpy, toàn vẹn và sự

đồng thuận.

Sự tiến hóa của công nghệ:

Bitcoin Ethereum NeuroChain

3

Lưu ý: NeuroChain vẫn đang trong quá trình triển khai thực hiện. Nghiên cứu sâu rộng và thử nghiệm

sản phẩm có giá trị tối thiểu (MVP) vẫn đang được tiến hành. Do vậy, phiên bản mới của bài viết này

cũng như các kết quả mới sẽ xuất hiện trên trang https://neurochaintech.io. Nếu có bất kỳ câu hỏi nào,

xin vui lòng liên hệ với chúng tôi theo địa chỉ contact@neurochaintech.io.

Sơ đồ tóm tắt:

Chú thích: Information – thông tin, Distributed Algorithms – Các thuật toán phân tán, Machine

Learning – Máy học, Consensus – Sự đồng thuận, Trust, Smart Applications – Các ứng dụng

thông minh, đáng tin cậy, Transparency – Độ minh bạch, Value Creation – Tạo giá trị, Smart

Blockchain – Blockchain thông minh

Sơ đồ trên mô tả quá trình phân tích và đưa ra quyết định của Bot từ lúc nhận thông tin đầu

vào đến khi tạo ra giá trị.

4

Sự ra đời của dự án: Dự án NeuroChain được khởi xướng sau một thời gian dài lắng nghe các ý kiến trái chiều về

tiềm năng của công nghệ Blockchain cũng như các giới hạn của các Blockchain hiện nay. Sự

phản ánh này được tư liệu hóa trong cuốn sách đầu tiên ra đời vào năm 2016, nhờ sự giúp đỡ

và cống hiến của "ENI Editions". Đây là kết quả đầu tiên khi tổng hợp các ý kiến đan xen trái

chiều về công nghệ Blockchain, về trạng thái hiện tại (dưới dạng Bitcoin và Ethereum), về

những giới hạn của nó, nhưng trên tất cả, là về tiềm năng tuyệt vời không thể phủ nhận của

Blockchain. Dự án này là sự kết hợp của các nguyên tắc định lượng hội tụ khác nhau, vật lý

hạt, Máy học (Machine Learning), các thuật toán phân tán và các quy trình ra quyết định. Tầm

nhìn vật lý hạt cho phép mô tả chính xác các đặc tính thuộc về bản chất của mạng lưới. Các

Thuật toán máy học giúp tăng cường khả năng phân tích của các nút ( Bots). Sự đồng thuận

hiệu suất cao tạo ra từ các tham số nhiệt động lực học, được phân tán một cách tài tình, có

thể giúp hệ thống đối mặt với các thách thức về khối lượng giao dịch theo thời gian thực (tốc

độ giao dịch). Tài chính được định lượng giúp tạo cơ chế phân phối công bằng hơn.

Sự kết hợp cân bằng những quy chuẩn khác nhau này dẫn đến sự xuất hiện của hệ thống phân tán thông minh. Và từ đó NeuroChain ra đời.

摘要：本文介绍一种基于例如区块链的分布式系统， 由机器学习算法驱动。机器链技术（The

NeuroChain technology）革命性的新型概念使得大规模分布式应用成为可能（可追溯性问题，

数字化价值， 智能应用， 社交网络或者值得信任的分布式市场平台）。机器链新型的协议和

实用的沟通渠道让合作者和领导者能广泛采用。由一条链分布式机器人组成的机器链构成了由

集体和合作智慧为基础的决策和沟通生态环境。因此，机器链是一种智能或者说是智能区块链

。

词源定义： Bot是机器人“Robot”的简写，是一种自动运行的软件应用。NeuroChain指派

一条链的机器人来完成指定的合作任务。这种构造组成来一个集体智慧的生态结

构。

Résumé: le document suivant décrit une nouvelle Blockchain basée sur de nouveaux protocoles de

consensus et alimenté par du machine Learning et de l’intelligence artificielle. Cette technologie

NeuroChain introduit de nouveaux concepts augmentés qui permettent la mise en place d’applications

intelligentes complexes à grande échelle tels que la traçabilité, les crypto-Valeur, les applications

autonome ou smart applications, les réseaux sociaux distribués et les applications métiers

(réglementés et institutionnels). Les nouveaux protocoles de décision (Proof of Involvement and

Integrity & Proof of Workflow) ainsi que la communication adaptative en fonction des performances

vont permettre une adoption plus importante de NeuroChain par les entreprises et les particuliers. La

NeuroChain est constituée par une chaine de Bots distribués (Bot-Chain) qui se sont accordés à

5

structurer un écosystème de décision et de communication basé sur le concept d’intelligence

artificielle collective.

Краткое содержание: в нижеследующей статье описывается новая технология, основанная на распределенной системе типа блокчейн и усиленная алгоритмами машинного обучения. Технология Ботчейн включает новые революционные концепции, которые делают возможным масштабирование распределенных систем (проблемы трассировки, криптоцены, умные приложения, социальные сети или надежные распределенные рыночные платформы). Новые протоколы принятия решений и прагматические каналы коммуникации Ботчейна открывают возможности по широкому применение технологии как корпорациями, так и людьми. Ботчейн, состоящий из цепочки распределенных ботов (роботов), позволяет создать экосистему принятия решений и коммуникации на основе коллективного объединенного интеллекта. Поэтому Ботчейн – интеллектуальный, или умный блокчейн.

Zusammenfassung: Das folgende Papier beschreibt eine neue Technologie, die auf einem verteilten

System ähnlich Blockchain basiert und durch Machine Learning und künstliche Intelligenz angetrieben

wird. Diese NeuroChain-Technologie stellt neue revolutionäre Konzepte vor, die den Einsatz von

großformatigen intelligenten Anwendungen wie Rückverfolgbarkeit, Krypto-Währungen, intelligente

Anwendungen oder Smart Application, verteilte soziale Netzwerke und Geschäftsanwendungen

ermöglichen. Das neue Entscheidungsprotokoll sowie eine adaptive Kommunikation nach den

Performances ermöglichen eine stärkere Annahme der NeuroChain durch die Unternehmen und die

Einzelpersonen. Die NeuroChain besteht aus einer Kette von verteilten Bots (Robots), die vereinbart

haben, ein Entscheidungs- und Kommunikations-Ökosystem auf der Grundlage des Konzepts der

kollektiven Intelligenz zu strukturieren.

6

Mục lục

Sự ra đời của dự án: ................................................................................................................. 4

Giới thiệu ................................................................................................................................ 8

Hoạt động của NeuroChain ....................................................................................................... 8

Các giao dịch ........................................................................................................................... 9

Mô tả NeuroChain ..................................................................................................................11

Giao thức, Sự đồng thuận và Máy học .......................................................................................14

Đồng thuận: Proof of Involvement and Integrity (PII) ...............................................................14

Quá trình bầu cử ..............................................................................................................20

Quá trình phân tán ...........................................................................................................21

Máy học .............................................................................................................................21

- Thuật toán liên kết ....................................................................................................21

- Thuật toán mạng Bayes: ............................................................................................21

- Phân tích ngữ nghĩa ..................................................................................................22

- Hệ thống dựa trên các quy tắc ....................................................................................23

- Thuật toán phát hiện xu hướng ..................................................................................23

Proof of Workflow ...........................................................................................................23

So sánh với các Blockchain chính hiện có ...............................................................................24

Các ứng dụng của NeuroChain ..................................................................................................25

CryptoValue (Giá trị có thể trao đổi) ......................................................................................25

Chuỗi truy xuất nguồn gốc ....................................................................................................25

Các ứng dụng thông minh ....................................................................................................26

Mạng xã hội hay các Bot xã hội .............................................................................................26

Kho dữ liệu đạt chứng nhận: .................................................................................................27

IoT thông minh: ...................................................................................................................27

Các ứng dụng kinh doanh: ....................................................................................................27

Quản trị .................................................................................................................................28

Bot trong trường hợp bị cách ly ............................................................................................29

Sửa đổi [forks] ....................................................................................................................29

Đền bù cho Bot ...................................................................................................................29

NeuroChain Hệ sinh thái tương tác ...........................................................................................30

Độ trễ của truyền thông .......................................................................................................30

Kết quả và hiệu suất bước đầu của PoC .................................................................................30

Kết luận .................................................................................................................................31

Phụ lục ..................................................................................................................................32

Phụ lục 1: Chuỗi truy xuất nguồn gốc .....................................................................................32

7

Phụ lục 2: Trích xuất các giao thức truyền thông ....................................................................33

Phụ lục 3: Sơ đồ cấu trúc của NeuroChain. .............................................................................35

Phụ lục 4: Phân tích thống kê entropy trọng số .......................................................................36

Phụ lục 5: Các quy trình ngẫu nhiên và hỗn loạn .....................................................................48

Tài liệu tham khảo ..................................................................................................................50

Word Cloud sau đây của bài viết này giúp ta có một cái nhìn tổng quan về công nghệ NeuroChain và

các đặc tính của nó.

8

Giới thiệu

Trong thập kỷ qua, sự ra đời của các hệ thống phân tán và sự thành công của Bitcoin dựa trên công

nghệ Blockchain đã chứng minh tiềm năng và mối quan tâm đến phương thức tương tác và trao đổi

mới này. Việc xóa bỏ các bên trung gian và kết nối trực tiếp giữa các bên liên quan bằng cách nhân

rộng thông tin và các quá trình xác nhận giao dịch trong mạng cho phép tăng cường sự tin tưởng lẫn

nhau. Tuy nhiên, những công nghệ phi tập trung này, đặc biệt là Blockchain Bitcoin cũng tồn tại một

số nhược điểm thuộc về bản chất, khiến cho chúng khó có được các đặc tính phổ quát rộng khắp toàn

cầu. Nói cách khác, mỗi Blockchain có ứng dụng riêng tùy thuộc vào giao thức và cách thức hoạt động

của chúng (chủ yếu là tiền tệ mã hóa). Blockchain nổi tiếng nhất và đã được chứng minh là Bitcoin -

một nền tảng tiền tệ mã hóa (cryptocurrency) - với một hệ thống không đồng nhất của các vai trò tách

biệt rõ ràng: người tạo giao dịch và những người xác nhận giao dịch. Bitcoin dựa trên một giao thức

mạnh để đảm bảo mức độ tin tưởng cao giữa các bên, điều này là không phù hợp đối với các ứng dụng

khác như truy xuất nguồn gốc, các mạng xã hội tin cậy hay các ứng dụng thương mại thông minh. Việc

truy xuất nguồn gốc giúp đảm bảo tính minh bạch trong chuỗi giá trị và trong các quy trình, chúng được

áp dụng cho nhiều lĩnh vực khác nhau như: công nghiệp thực phẩm, các ứng dụng thương mại trong

lĩnh vực tìm kiếm nhân sự, thuê mướn và các giao dịch thương mại. NeuroChain được phát triển không

chỉ để đáp ứng các thách thức liên quan đến tính minh bạch, chứng nhận và tính đạo đức, mà nó còn

cung cấp một sự linh hoạt tuyệt vời để hỗ trợ các ứng dụng phân tán thông minh. NeuroChain là một

giao thức Blockchain mới bao gồm một chuỗi các Bot (viết tắt của robot) có khả năng giao tiếp thông

qua một kênh an toàn và phối hợp với nhau thông qua thuật toán. Giao thức này sử dụng các kênh

truyền thông khác nhau được điều chỉnh nhờ thuật toán. Việc sử dụng lớp truyền thông thích ứng này,

cùng với các thuật toán thống nhất nhanh và có tính tương tác, sẽ tạo thuận lợi cho việc áp dụng

NeuroChain, đồng thời đảm bảo tất cả các mặt khác như tính bảo mật, hiệu suất và tính nhất quán.

Giao thức phân tán cung cấp các thuộc tính sống động và bảo mật bằng thuật toán dung sai mặc định,

có thể so sánh với thuật toán Paxos (Leslie Lamport, 2004) (Marshall Pease, 1980). Kiến trúc

NeuroChain [Phụ lục] đảm bảo sự minh bạch trong giao dịch cho nhiều mục đích khác nhau như: quá

trình truy xuất nguồn gốc, crypto-value (crypto-troc), các ứng dụng thông minh (thành phố thông minh,

phương tiện thông minh v.v.), các mạng xã hội (các Bot xã hội) và các nền tảng phân tán (các ứng dụng

thương mại v.v). NeuroChain được thiết kế để dễ dàng tương tác với các Blockchain khác như Bitcoin

hay Ethereum nhằm tích hợp vào môi trường toàn cầu của nó.

Bài viết sau đây nhằm mục đích mô tả Blockchain NeuroChain cùng một số kết quả Proof of Concept

(Chứng minh khái niệm) đã phát triển. Mở đầu là phần giới thiệu hoạt động của NeuroChain, được

trình bày cùng khái niệm đồng thuận mới, sau đó sẽ trình bày chi tiết về một số ứng dụng khác nhau

có thể áp dụng. Ở bước tiếp theo, phần mô tả kỹ thuật sẽ nhấn mạnh các tiềm năng của nó. Sau đó sẽ

là phần mô tả về các khối khác nhau xây dựng nên Blockchain này như: sự đồng thuận, phương thức

truyền thông và máy học. Cuối cùng, vấn đề quản trị cũng như các kết quả thử nghiệm đầu tiên sẽ

được đề cập, sau đó là phần kết luận.

Hoạt động của NeuroChain

Nhìn chung, NeuroChain hoạt động như sau: Các Bot là một khối kết hợp của các thuật toán và công

cụ để thực hiện và xác nhận các giao dịch hoặc truyền thông nhằm xây dựng các ứng dụng thông minh

và có giá trị. Nói một cách khác, nó giống trò chơi Lego nơi việc tập hợp các mảnh ghép khác nhau là

một khái niệm dễ hiểu. Cấu trúc tối ưu của NeuroChain cho phép Blockchain này có các hoạt động

thích ứng phù hợp. Các giao dịch gồm các khối gạch mật mã thông thường (chữ ký mật mã), thông tin

9

thành viên theo tiêu chuẩn và một trình thông dịch (interpreter) để chỉ ra các thuật toán xác nhận thích

hợp (xác định điều gì làm giao dịch trở nên hợp lệ). Tất cả các giao dịch được tập hợp trong một bể

chứa (pool) [sau khi xác nhận và mỗi Bot cấu thành các khối giao dịch được xác nhận trong một khoảng

thời gian nhất định]2. Sau đó, quá trình tuyển chọn có thể bắt đầu: đầu tiên một ủy ban hoặc một hội

đồng được chỉ định để xác nhận N khối dựa trên: entropy trọng số (weighted entropy) (CE Shannon,

1948, AN Kolmogorov, 1965), sự toàn vẹn và uy tín (integrity and reputation) (Myers, Zhu, và J.

Leskovec, 2012, Yang, Chen, và D. Agarwal, 2013) của các Bot. Mỗi Bot trong hội đồng sẽ được gán một

con số Đại cử tri (Big electors) cụ thể dựa trên số điểm của chúng (điểm entropy trọng số và integrity).

Sau đó, đại cử tri này sẽ được lựa chọn ngẫu nhiên [Phụ lục 5: Các quy trình ngẫu nhiên và hỗn loạn]

và do đó máy chứa Bot tương ứng được chọn để xác nhận khối. Các Bot khác trung thành với Bot đứng

đầu (leader) đã được chọn bằng cách xác nhận khối liên quan và tích hợp nó vào blockchain. Để đảm

bảo tính nhất quán trong NeuroChain, entropy trọng số tích lũy và integrity tích lũy tối đa của

Blockchain (là một hàm trạng thái tăng) sẽ được tính đến. Từng Bot do đó sẽ có lịch sử giao dịch riêng

(Nakamoto, 2009). Thông tin chi tiết về sự đồng thuận được đề cập trong các phần sau.

Tuy nhiên, đối với một ứng dụng cụ thể về truy xuất nguồn gốc, quá trình tuyển chọn dựa trên sự tham

gia vào chuỗi và leader được bầu chọn theo thuật toán tất định. Điều này có nghĩa là leader được chỉ

định trước trong quá trình tạo ra ứng dụng truy xuất nguồn gốc thông minh. Nói chung, leader dễ bị

nhầm lẫn với đối tượng khởi tạo (originator) của ứng dụng truy xuất nguồn gốc. Kết quả là, quá trình

xác thực không phải trả tiền vì chuỗi hành trình sản phẩm (chain of custody) tạo ra giá trị và minh bạch,

đây cũng chính là những tiêu chí cơ bản cho hoạt động của NeuroChain (việc xác nhận giao dịch vẫn

giữ nguyên).

Việc tạo ra giá trị này trong mạng lưới cho phép có một cơ sở vững chắc đáng tin cậy và sự kết nối với

nền kinh tế thực, do vậy Blockchain này cũng nên được cho phép để giúp tao ra giá trị thực trong đời

sống. Nguồn gốc của Giá trị được định lượng bởi tiêu chuẩn "Clausius" trong NeuroChain, chủ yếu dựa

vào thông tin, cơ chế xác nhận và tính minh bạch đã được cài đặt vào hệ thống.

Mức độ an toàn và nhất quán của Blockchain được cải tiến từng ngày bằng các thuật toán máy học

(Machine Learning) để phát hiện các điểm bất thường và các giao dịch không nhất quán (Vandervort

D) ở các cấp độ khác nhau: từ cấp độ Bot đến cấp độ mạng. Các phản hồi này có ảnh hưởng trực tiếp

đến điểm số của từng Bot, do vậy sẽ ảnh hưởng đến việc chọn leader.

Ý tưởng đằng sau là hệ thống này giúp tạo động lực và thúc đẩy các Bot tiến tới mức độ thông tin, toàn

vẹn và minh bạch cao hơn. Trên thực tế thì trong NeuroChain, các giá trị này được thể hiện bằng thông

tin và có thể được trình bày theo vài dạng khác nhau như crypto-Value hay thường được gọi là

cryptoBarter (Clausius). Các giá trị được tạo ra từ NeuroChain, trong vô vàn các thứ khác, giúp đáp ứng

nhu cầu truy xuất nguồn gốc và sự minh bạch do toàn cầu hóa.

Các giao dịch

Các quy trình mã hoá bất đối xứng (asymmetrical cryptography) đảm bảo an toàn cho các giao dịch

giữa các Bot. Xử lý các giao dịch theo dây chuyền như sau: Mỗi Bot sẽ truyền một giá trị bằng cách sử

dụng khoá công khai (public key) của Bot kế tiếp, ghi chữ ký số cho giao dịch trước đó (hash) và tổng

hợp thông tin này vào giao dịch hay giá trị hiện tại. Do vậy, người nhận có thể xác minh chuỗi quyền

2 Thay đổi tiềm năng tùy thuộc vào thử nghiệm

10

sở hữu giá trị thông qua chữ ký số. Sẽ có một ký hiệu nhận dạng duy nhất theo dấu vết mỗi đơn vị giá

trị “tiêu chuẩn” được tạo ra từ NeuroChain (Clausius) trong suốt quãng đời của nó. Cơ chế hoạt động

này rất phù hợp với các giá trị crypto (crypto-value).

Trong cấu hình này, một trình thông dịch được thêm vào để hỗ trợ tất cả các ứng dụng thông minh.

Siêu dữ liệu có cấu trúc cụ thể được cung cấp cho Bot để đảm bảo sự nhất quán trong quá trình xác

thực. Nói cách khác, trình thông dịch xác định điều gì làm giao dịch trở nên hợp lệ. Trình thông dịch

cũng được sử dụng để phân bổ việc thi hành dựa trên các thông tin đầu vào và để thích ứng với lớp

truyền thông.

Kiến trúc của quá trình giao dịch này gồm một kiến trúc cụ thể của Bot và đại diện cho phần đầu tiên

của chuỗi thông minh. Biểu đồ 1 mô tả quá trình giao dịch trong NeuroChain. Quá trình xác thực tương

tự như Bitcoin nhưng được bổ sung thêm trình thông dịch.

Một khía cạnh quan trọng của các giao dịch là chúng phải chịu phí động lực học (dynamic fees), loại

phí này phụ thuộc chủ yếu vào mức độ phức tạp của ứng dụng thông minh cũng như mức độ phức tạp

của các thuật toán (A.N. Kolmogorov, 1965; Goldreich Oded, 2008). Mục tiêu chính của kích thước khối

và phí NeuroChain là để ngăn chặn các cuộc tấn công trực tiếp trong mạng, chẳng hạn như các cuộc

tấn công từ chối dịch vụ.

Chú thích: Interpreter – trình thông dịch, Transaction – Giao dịch, Hash – Băm, Signature – chữ ký, Verify – xác nhận, sign – ký

Hình 1: sơ đồ cấu trúc quá trình giao dịch trong NeuroChain. Theo dòng xử lý giao dịch tiêu chuẩn, một trình thông dịch sẽ được thêm vào để hỗ trợ các ứng dụng thông minh phức tạp (Nakamoto, 2009). Nói cách khác, trình thông dịch xác định điều gì làm giao dịch trở nên hợp lệ.

11

Mô tả NeuroChain

Hình 4 mô tả cấu trúc liên kết của một Bot với các tính năng khác nhau. Mỗi Bot được đại diện bởi một

hình ngũ giác và mỗi mặt hoặc cạnh của hình ngũ giác đại diện cho một tác vụ cụ thể của Bot. Quyết

định và sự đồng thuận là yếu tố cốt lõi của Bot để đảm bảo tính bền vững, chính xác và sống động của

giao thức phân tán. Khối truyền thông gồm các giao thức khác nhau tạo nên tính linh hoạt và di động

cho Blockchain. Phía học thuật của hình ngũ giác bao gồm các thuật toán cho phép phản hồi sau đó về

hoạt động của Blockchain cũng như thực hiện phân tích thông minh cụ thể như roBots xã hội với khả

năng phân tích ngữ nghĩa hay ứng dụng thành phố thông minh để trao đổi và diễn dịch thông tin trong

thời gian thực cho các thuật toán bên ngoài. Bot được kết nối với thế giới xung quanh thông qua các

API để sẵn sàng cho các phương tiện truyền thông khác nhau (web, điện thoại di động v.v.) và cũng có

thể kết nối với các Blockchain và Exotic Orphan Bot (chatbot đơn lẻ bên ngoài) hiện có để nâng cao sự

hiểu biết và khả năng phản hồi của chúng. Khối kết hợp được thiết lập này sẽ hỗ trợ rất nhiều cho các

ứng dụng thông minh và người dùng khác nhau, đa dạng các tính năng, hạn chế duy nhất là trí tưởng

tượng. Trong trường hợp này, NeuroChain là một Blockchain thông minh.

Chú thích: Consensus – Sự đồng thuận, Fair decisions – Các quyết định công bằng, Orphan Bots – Bot đơn lẻ, Algorithms –

Thuận toán, Bayesian Network – Mạng Bayes, Recommendation Engines – Các công cụ gợi ý, Semantic Analysis – Phân tích

ngữ nghĩa, Neuronal Networks – Mạng lưới nơ-ron, Jobs – Công việc, Smart Applications – Các ứng dụng thông minh,

Traceability/ Charity – Truy xuất nguồn gốc/ Từ thiện, Social Networks – Mạng xã hội, Monitoring App - Ứng dụng giám sát,

Communication – Truyền thông

Hình 2: Sơ đồ cấu trúc của NeuroChain. Mô tả các tác vụ khác nhau của Bot và tương tác với các hệ thống hiện có. Ta có thể thấy các giao thức truyền thông thích ứng, các công việc khác nhau và trí thông minh nhờ thuật toán.

12

Để hiểu về NeuroChain, có hai khái niệm trung tâm cần phải được giải thích chi tiết: các Bot phân tán

và lớp truyền thông.

1. Các Bot: các Bot đại diện cho các nút trong hệ thống phân tán. Chúng được tạo thành từ hai

cấp độ trừu tượng (tương tự như tiểu não và não bộ): cấp độ đầu tiên được thể hiện bằng sự

giao tiếp cơ bản giữa các Bots với nhau còn các thuật toán phức tạp như thuật toán gắn kết

cho mục đích truy xuất nguồn gốc tạo thành cấp độ thứ hai, ngoài ra còn nhiều thuật toán khác

nữa. Thật vậy, các thuật toán khác nhau có thể được sử dụng cho các tác vụ khác nhau trong

bối cảnh ứng dụng thông minh, tương tác xã hội hoặc các ứng dụng kinh doanh thông minh.

Trong trường hợp này, mỗi Bot hoạt động như một đại lý thông minh trong mạng lưới, phụ

thuộc vào vai trò và sự tương tác của nó với các đầu mối ngang hàng khác. Các thuật toán sẽ

do Máy học và Trí tuệ nhân tạo phát hành. Thuật toán thích hợp để phân tích và diễn dịch

được xác định rõ ràng trong giao dịch thông qua trình thông dịch (Hình 1).

2. Lớp truyền thông: đây là một đổi mới sáng tạo trong NeuroChain liên quan đến hệ thống

truyền thông thích ứng của Bot (dựa trên công cụ gợi ý). Thực vậy, khả năng giao tiếp (truyền

thông) linh hoạt và có thể mở rộng/ phát triển là có sẵn tùy thuộc vào tác vụ, nguồn lực cần

thiết về mặt thời gian và nguồn lực cần cho công việc. Ba kênh truyền thông theo tiêu chuẩn

(có thể phát triển thêm nếu cần) dựa trên mô hình TCP/ IP gồm bảy lớp mà Lớp truyền thông

NeuroChain sẽ kết nối là:

A. SMTP (Simple Mail Transfer Protocol - Giao thức truyền thư đơn giản) (SMTP Service

Extension for Message Size Declaration, 1995): là một giao thức truyền thông tiêu chuẩn

để gửi tin nhắn trên mạng lưới kinh doanh và Internet. SMTP được phát triển từ đầu thập

niên tám mươi và đến nay vẫn là một trong những giao thức phổ biến nhất được sử dụng

trên toàn thế giới.

B. HTTPS (Hypertext Transfer Protocol 1.0): là một giao thức truyền thông an toàn qua mạng

máy tính, được sử dụng rộng rãi trên Internet. HTTPS bao gồm truyền thông qua Hypertext

Transfer Protocol (HTTP - Giao thức truyền tải siêu văn bản) trong một kết nối được mã

hóa bởi Transport Layer Security (TLS - Bảo mật tầng truyền tải), hoặc hình thức tiền nhiệm

của nó, Secure Sockets Layer (SSL - Tầng Socket bảo mật). Động lực chính cho HTTPS là xác

thực trang web đã truy cập và bảo vệ sự riêng tư cũng như sự toàn vẹn của dữ liệu được

trao đổi.

C. IPFS: (Benet, 2016) IPFS là một hệ thống tập tin phân tán ngang hàng nhằm kết nối tất cả

các thiết bị máy tính với cùng một hệ thống các tập tin. Trong một số trường hợp, IPFS

tương tự như World Wide Web, nhưng IPFS có thể được xem như một hệ BitTorrent đơn

lẻ, trao đổi các đối tượng trong cùng một kho mã nguồn Git (Git repository). Nói cách khác,

IPFS cung cấp mô hình lưu trữ thông lượng lớn theo khối nội dung có địa chỉ (CAS) với các

siêu liên kết nội dung kèm địa chỉ. Hình thức này tạo ra một đồ thị không có chu trình

Merkle tổng quát (DAG - directed acyclic graph). IPFS kết hợp một bảng Hash (băm) phân

tán, một sàn giao dịch khối khuyến khích và một không gian tên tự xác nhận. IPFS không

có điểm hư hỏng cục bộ (SPOF) và các Bot không cần phải tin tưởng lẫn nhau. Mạng lưới

Cung cấp Nội dung Phân tán (DSD - Distributed Content Delivery) giúp tiết kiệm băng thông

và ngăn chặn các cuộc tấn công DDoS mà HTTP đang phải vật lộn. Các tập tin được xác định

bởi các băm của chúng. Chúng được phân tán bằng cách sử dụng một giao thức dựa trên

BitTorrent. Người dùng khác khi xem nội dung sẽ phụ dữ trữ và cung cấp nội dung cho

13

những người khác trong mạng. IPFS có một dịch vụ tên gọi là IPNS, một không gian tên

toàn cầu dựa trên PKI, phục vụ xây dựng các chuỗi đáng tin cậy, tương thích với các NS

khác và có thể xác nhận DNS, ONION, .bit, vv cho IPNS.

Ba kênh truyền thông được trình bày ở đây chỉ là một ví dụ về cách phối hợp, bổ sung cho nhau để đạt

được ba đặc trưng chính của mạng NeuroChain: bảo mật, linh hoạt, có khả năng mở rộng và truy xuất

nguồn gốc. Bảng 1 phía dưới cho thấy sự phân bố của các đặc trưng này theo các giao thức truyền

thông. Về phương diện truyền thông, đặc thù của NeuroChain là khả năng thích ứng, theo hiệu suất và

yêu cầu bảo mật, để thực hiện một tác vụ cụ thể. Ví dụ, kênh truyền thông trong chuỗi truy xuất nguồn

gốc sẽ phát triển tùy theo cơ sở hạ tầng và thông tin đầu vào (khối lượng và tốc độ). Giao thức nhắn

tin như SMTP sẽ liên quan nhiều đến doanh nghiệp (vì lý do an ninh và tính linh hoạt) trong khi “cổng

thông tin” chuyên dụng được sử dụng khi cần lưu lượng cao để tạo giá trị trong Blockchain. Kiến trúc

của Bot được tối ưu hóa để giảm thiểu hư hỏng cục bộ (SPoF - Single point of failure). Các bộ phận

khác nhau cũng được phát triển để đảm bảo sự độc lập tối đa.

Một trục cải tiến quan trọng trong lớp truyền thông là việc sử dụng giao thức Li-Fi để truyền thông tin.

Công nghệ này dựa trên ánh sáng nên an toàn và có hiệu suất cao hơn so với Wi-Fi (khi có phá hoại an

ninh). Trục nghiên cứu này rất quan trọng đối với NeuroChain để có thể áp dụng rộng rãi nhưng vẫn

đảm bảo an ninh và hiệu suất hoạt động.

Dung lượng

Tốc độ Bảo mật Thích nghi

HTTP X

HTTPS X X

SMTP X

SMTP với TLS

X X

IPFS X X

FTP X X

FTPS X X X

Bảng 1 : Đặc trưng nội tại của các giao thức truyền thông khác nhau.

Như đã đề cập ở trên, các Bot sẽ thực hiện các thuật toán khác nhau để đạt mức độ tự trị nhất

định nhằm thực hiện các hoạt động phức tạp như các ứng dụng thông minh hoặc tạo ra giá trị (như

crypto-value, xác minh hay chứng nhận) trong mạng. Các Bot có thể được hỗ trợ bởi các nền tảng

khác nhau: Web, Mobile hay Hybrid nhờ giao thức truyền thông thích ứng. Các Bot cũng có thể

tương tác với các Blockchain hiện có khác như Bitcoin và Ethereum. Hình 6 tóm tắt các giao thức

truyền thông khác nhau của NeuroChain tùy thuộc các platform. Độ dày liên kết giữa các nền tảng

liên quan đến hiệu suất cần thiết.

Sau phần mô tả NeuroChain này, điều quan trọng là cần hiểu nó như mô hình các nơron thần kinh,

trong đó Bot là vùng nhân và lớp truyền thông là sợi trục axon. NeuroChain Lab đang tích cực

nghiên cứu để tạo mạng lưới thần kinh nhân tạo từ các Bot. Ý tưởng là có các kết nối thích ứng

giữa các Bot tùy thuộc yêu cầu cần phân tích. Đây là hệ thống học sâu phân tán (distributed deep

learning).

14

Hình 3: Các Bot có thể thay đổi tự động (công cụ gợi ý) giao thức truyền thông để tối ưu hóa băng thông (khối lượng, vận tốc và bảo mật). Não của Bot được phát triển để tự chọn kênh tối ưu.

Giao thức, Sự đồng thuận và Máy học

Cũng cần nhấn mạnh rằng các công nghệ đằng sau NeuroChain là các giao thức truyền thông thích ứng,

đồng thuận cải tiến và có độ trễ thấp cùng các thuật toán máy học có liên quan. Các giao thức truyền

thông thích ứng tạo ra sự linh hoạt cho NeuroChain và tăng cường an ninh mạng cũng như nâng cao

hiệu suất hoạt động. Chúng cũng giúp các giao thức quy mô lớn dễ thích ứng, phù hợp cho mọi doanh

nghiệp và người dân (thị trường đại chúng). Thật vậy, lớp truyền thông thích ứng không những giúp

đơn giản hóa cách các công ty sử dụng NeuroChain mà còn đơn giản hóa sự tương tác với các Bot. Các

giao thức khác nhau cho phép tiếp cận nhiều platforms cũng như nền tảng hỗ trợ khác nhau (điện

thoại thông minh, máy tính để bàn, IoT v.v.).

Sự đồng thuận tiếp cận từng bước có độ trễ thấp của NeuroChain giúp nó có khả năng áp dụng thuật

toán đồng thuận tương ứng tùy thuộc vào mục đích của ứng dụng chức năng (truy xuất nguồn gốc hay

ứng dụng thông minh) để tối ưu hóa hiệu suất hoạt động. Các yếu tố quyết định cho việc truy xuất

nguồn gốc và đồng thuận entropy trọng số cực đại sẽ có sẵn cho các Bot nhằm đạt được mục tiêu của

chúng. Sự đồng thuận khác nhau sẽ được nêu chi tiết trong phần tiếp theo.

Cuối cùng, các thuật toán Máy học (Machine Learning) đại diện cho bộ não của các Bot giúp chúng có

thể giải quyết nhiều vấn đề khác nhau để định lượng và định tính các giao dịch cũng như truyền thông

giữa các Bot. Những thuật toán này cũng cho phép dự đoán, lên kế hoạch và phát hiện các bất thường.

Đặc tính này của các Bot sẽ cho phép phân tích mạng như là một thực thể duy nhất và sẽ khai thác

được trí tuệ nhân tạo tập thể của các Bot để đảm bảo tính toàn vẹn của Blockchain. Vấn đề này của

NeuroChain sẽ được giải thích chi tiết hơn trong các phần sau.

Đồng thuận: Proof of Involvement and Integrity (PII)

Trong NeuroChain, tính minh bạch do xác nhận giao dịch và các ứng dụng truy xuất nguồn gốc sẽ tạo

ra Giá trị thực (tài sản có giá trị), chúng được xây dựng dựa trên thông tin lưu thông trong mạng và

nhờ các tài liệu chứng nhận phân tán (IPFS).

Giá trị được tạo ra trực tiếp bằng cách thưởng cho quá trình xác nhận và tích hợp vào Blockchain, đây

là một cách tích hợp tính minh bạch vào mạng lưới vì nó làm tăng sự tin tưởng giữa các Bot. Chính vì

thế để đạt được sự đồng thuận và đưa ra các quyết định công bằng, điều quan trọng là phải đo lường

Glo

bal

mes

sage

exc

han

ges

15

thông tin đi qua các Bot và trọng lượng của chúng. Việc đưa thêm công cụ phản hồi về tính toàn vẹn

(integrity) của Bot vào quá trình đồng thuận cũng rất quan trọng. Phương pháp đo này dựa trên việc

phát hiện bất thường, quy trình xử lý theo dây chuyền và các thuật toán gắn kết, chúng sẽ đánh giá sự

gắn kết cũng như tình trạng sức khỏe của Bot hay sàn giao dịch. Sự đồng thuận này được gọi là Proof

of Involvement and Integrity (PII - tạm dịch Bằng chứng liên quan và toàn vẹn).

Câu chuyện về sự đồng thuận như sau:

Cuộc bầu cử Bot đứng đầu dựa trên sự tham gia của các Bot trong mạng và tính toàn vẹn của chúng.

Phạm vi liên quan và tính toàn vẹn của Bot có liên quan đến, một mặt là thông tin và các giao dịch

được trao đổi trong mạng lưới, mặt khác là điểm số minh bạch mỗi Bot có được, điểm số này được tự

động phân bổ theo độ tin cậy và sự đóng góp thực sự của chúng (các chứng nhận). Điểm số được tiêu

chuẩn hóa trên mạng để có thang phân loại trực tiếp.

Cơ sở của sự đồng thuận này là thông tin và sự đo lường. Một trong những công cụ đo lường thông tin

liên quan là "entropy". Claude E. Shannon đã giới thiệu hàm trạng thái này cho lý thuyết thông tin trong

bài báo của mình mang tên: "A Mathematical Theory of Communication” xuất bản năm 1948. Theo

Shannon (CE Shannon, 1948), thông tin thể hiện sự ngẫu nhiên và mô tả mức độ không thể dự đoán

của hệ thống. Sự không chắc chắn của sự kiện do vậy được xem là một thang đo lường thông tin. Để

minh họa sự liên quan của entropy, hãy tưởng tượng một lượng hạt (electron và proton) và mỗi hạt

được xác định nhờ vị trí và mức năng lượng của nó. Entropy là một thước đo "sự rối loạn" (sự chuyển

động hỗn độn do nhiệt) của hệ thống và nó liên quan đến số lượng các trạng thái hoặc các cấu hình vi

mô của hệ thống.

Với một nguồn 𝐵 có 𝑛 thành phần, xác suất thực hiện 𝑝𝑖, entropy 𝐻 của nguồn 𝐵 được xác định như

sau (C.E. Shannon, 1948):

𝐻𝑏(𝐵) = − ∑ 𝑝𝑖 𝑙𝑜𝑔𝑏 (𝑝𝑖)

𝑛

𝑖

Thông thường hàm logarit sẽ có cơ số hai (b=2) vì nó tương ứng với thông tin tính bằng bits. Trong các

trường hợp khác logarit tự nhiên nên được sử dụng. Xét Entropy cực đại sẽ thuận tiện nếu sử dụng

Suy luận Bayes (Bayesian inference) để xác định các phân bố trước. Cũng cần ghi chú rõ là các công

thức ước lượng entropy Shannon khác nhau có sẵn tùy thuộc tình huống. Sau đây là một số ví dụ cụ

thể về công thức ước lượng thực nghiệm entropy. Hai công thức ước lượng có thể có liên quan đến

NeuroChain: “Dirichlet”, “Bayesian” và “MillerMadow” [http://strimmerlab.org/software/entropy/]

(một thư viện chức năng). Ngoài ra, các tham số khác nhau cũng có thể ảnh hưởng đến quá trình ra

quyết định trong NeuroChain như: khoảng cách Kullback-Leibler (Kullback-Leibler divergence), kiểm

định chi bình phương (chi-squared), thông tin tương hỗ (mutual information) và thống kê chi bình

phương về tính độc lập. Ví dụ, công thức ước lượng entropy "ChaoShen” (A. Chao and T-J. Shen, 2003)

thích hợp khi một Bot thử nghiệm hoạt động thấp với các giao dịch hiếm.

Bây giờ, tưởng tượng rằng mỗi hạt đại diện cho một Bot và các trạng thái khác nhau của hạt đại diện

cho trạng thái giao dịch của Bot. Lúc này, entropy sẽ đo mức độ tương tác và tham gia của Bot. Ưu

điểm chính của entropy là nó đo sự tương tác giữa Bot này với các Bot khác và nó cũng đo cách các

Bot khác tương tác với Bot này (hay cách Bot được xem xét bởi mạng lưới).

Entropy tính toán được tiêu chuẩn hóa theo cường độ (strength) hoặc giá trị (Value) của các giao dịch.

Nói cách khác, cường độ giao dịch phản ánh sự bình ổn giá trị nội tại của Bot theo mạng. Ví dụ: trong

tiền tệ mã hóa, cường độ cho biết tổng số tiền giao dịch (tổng số tiền crypto mà Bot nắm giữ) được

tiêu chuẩn hóa bởi tất cả các sàn giao dịch trong mạng lưới trên mỗi Bot. Nó phản ánh cường độ nội

tại của mỗi giao dịch Bot hoặc Enthalpy của Bot (P. W. Atkins, 1998), đây là hàm trạng thái của mức

Năng lượng bên trong Bot (chính yếu). Quay trở lại với nhóm các hạt của chúng ta, năng lượng nội tại

16

của proton hoàn toàn khác với của electron (cao hơn ~1836 lần). Do vậy tác động của chúng lên môi

trường đang được xem xét là hoàn toàn khác nhau.

Enthalpy của Bot 𝐵𝑖 𝑊𝐵 là một hàm tích lũy của tất cả các giá trị trao đổi trong hệ thống. Đây là thước

đo sự giàu có được sở hữu trong quá trình giao dịch.

Suy ra, Entropy trọng số 𝐻𝑤,𝐵 là:

𝐻𝑤,𝐵𝑖 = 𝑊𝐵𝑖 ∙ 𝐻𝐵𝑖

Do vậy:

𝐻𝑏(𝐵) = − ∑ 𝑤𝑖 ∙ 𝑝𝑖 𝑙𝑜𝑔𝑏 (𝑝𝑖)

𝑛

𝑖

Entropy trọng số trong mạng NeuroChain phản ánh trạng thái vi mô của các Bot. Nó đo mức độ và

cường độ tương tác của từng Bot với những Bot khác. Nó liên quan đến khái niệm được tiêu chuẩn

hóa bởi di sản (legacy) hay tài sản kế thừa (heritage) (cổ phần) của Bot.

Nó cũng phản ánh trạng thái vĩ mô của mạng do đó góp một chữ ký cho phiên bản cuối cùng của

Blockchain. Cùng với Điểm toàn vẹn (SoI - Score of Integrity), nó sẽ là một chữ ký đáng tin cậy trong

lịch sử Blockchain và là một giao thức đồng thuận mạnh mẽ cho các Bot.

Cơ chế đồng thuận này được minh họa trong Chú thích: 1, Bots communicate together – Bot trao đổi

thông tin với nhau, 2, Each bot creates transactions and works on block creation – Mỗi Bot tạo ra các

giao dịch và làm việc để tạo khối, 3, Measurements of entropy and involvement – Đo entropy và sự

tham gia, Bots makes traceability and transparency – Bot tạo truy xuất nguồn gốc và tính minh bạch,

Machine learning confirms that everything is valid – Máy học xác nhận mọi thứ đã được xác nhận hợp

lệ, 4, Assembly constitution eligible bots for N-blocks – Hội đồng cấu thành của các Bot đủ điều kiện

cho N khối, N = dynamic – N – động, 5, Great elector assignation depending on weighted entropy and

integrity – Chỉ định các đại cử tri dựa trên entropy trọng số và integrity, 6, random selection of great

elector – chọn lựa ngẫu nhiên đại cử tri, 7 – leader bot election forging block, bầu cử Bot đứng đầu

cho block đang sửa chữa.

Hình 4.

17

Chú thích: 1, Bots communicate together – Bot trao đổi thông tin với nhau, 2, Each bot creates transactions and works on block creation – Mỗi Bot tạo ra các giao dịch và làm việc để tạo khối, 3, Measurements of entropy and involvement – Đo entropy và sự tham gia, Bots makes traceability and transparency – Bot tạo truy xuất nguồn gốc và tính minh bạch, Machine learning confirms that everything is valid – Máy học xác nhận mọi thứ đã được xác nhận hợp lệ, 4, Assembly constitution eligible bots for N-blocks – Hội đồng cấu thành của các Bot đủ điều kiện cho N khối, N = dynamic – N – động, 5, Great elector assignation depending on weighted entropy and integrity – Chỉ định các đại cử tri dựa trên entropy trọng số và integrity, 6, random selection of great elector – chọn lựa ngẫu nhiên đại cử tri, 7 – leader bot election forging block, bầu cử Bot đứng đầu cho block đang sửa chữa.

Hình 4: Các bước khác nhau để đạt được sự đồng thuận trong NeuroChain. Cách tính toán Entropy và đánh giá điểm số Integrity. Bầu cử leader dựa trên hai chỉ số này và đây cũng là đại diện chữ ký cho phiên bản Blockchain đặc biệt.

18

Ví dụ sau đây minh họa cho cách tiếp cận này.

Chúng ta cùng xem xét một NeuroChain ngẫu nhiên có kích cỡ 𝑁 = 5 theo mô hình đồ thị định hướng

không chu kỳ 𝐺 = (𝐵, 𝐸), trong đó 𝐵 = {1, … ,5} đại diện cho các Bot và 𝐸 ⊑ 𝐵 × 𝐵 chỉ các cạnh nối

trực tiếp giữa các Bot.

Các tương tác giữa các Bots như trong ngoặc:

Bot 1 = { 2, 2, 3, 3, 5, 4, 3, 5, 5, 4, 3, 2, 2, 4,3, 5, 5, 4, 3, 2, 2, 4,3, 5, 5, 4, 3, 2, 2, 4}

Bot 2 = { 3, 4, 3, 3, 5, 4, 3, 5, 5, 4, 3, 3, 5, 4,3, 5, 5, 4, 3, 1, 1, 4,3, 5, 5, 4, 3, 1, 1, 4}

Bot 3 = { 4, 4, 1, 2, 5, 4, 2, 5, 5, 4, 2, 1, 5, 4,4, 5, 5, 4, 5, 1, 1, 4,2, 5, 5, 4, 2, 1, 1, 4}

Bot 4 = { 2, 2, 1, 2, 5, 2, 2, 5, 5, 2, 2, 2, 5, 2,2, 5, 5, 2, 5, 2, 2, 2,2, 5, 5, 2, 2, 5, 5, 1}

Bot 5 = { 1, 1,2 , 1, 1, 2, 2, 1, 1, 2, 2, 2, 1, 2,2, 1, 1, 2, 1, 2, 2, 2,2, 1, 1, 2, 2, 1, 1, 1}

Biểu diễn đồ họa của mạng lưới như trong Hình 5.

Hình 5 : Biểu diễn đồ họa 𝐺 = (𝐵, 𝐸) với kích cỡ 𝑁 = 5.

Chương trình:

library(entropy)

library(igraph)

N <- 5

for (i in 1:N){

freqs = table(Data_noeuds[,i])/length(Data_noeuds[,i])

E = entropy.empirical(freqs, unit = "log2")

#E = info(freqs)

cat( "\n the Entropy of Bot =",i," est ", E)

}

19

Tính toán entropy đo sự phân tán của mỗi Bot cho kết quả như sau:

Entropy của Bot 1 là : 𝐻1 = 1.996792 Entropy của Bot 2 là: 𝐻2 = 1.932915 Entropy của Bot 3 là: 𝐻3 = 1.944623 Entropy của Bot 4 là: 𝐻4 = 1.255537 Entropy của Bot 5 là: 𝐻5 = 1

Entropy cực đại thuộc về Bot 1 vì nó có số giao dịch tối đa với các Bot khác, trong khi Bot 5 cho giá trị

entropy cực tiểu vì nó chỉ bao gồm một giao dịch tối thiểu trong mạng.

Ví dụ này không xét enthalpy. Phân tích thống kê đầy đủ về entropy trọng số có trong [Phụ lục 4: Phân

tích thống kê entropy trọng số].

Tham số thứ hai của Proof of Involvement and Integrity là "Điểm toàn vẹn” (Integrity score hay điểm

số integrity) 𝑆𝑟, đây là động cơ thúc đẩy Bot trở nên hoàn thiện hơn (bản chất của các Bot là trung

thực). Như đã trình bày ở trên, entropy trọng số nhấn mạnh sự tương tác giữa Bot với môi trường

xung quanh trong khi 𝑆𝑟 là sự ghép nối các phép đo thích hợp khác nhau cho các thuộc tính nội tại của

Bot theo mô hình dưới đây.

Mô hình này dựa vào:

- Danh tiếng của Bot: danh tiếng của Bot 𝐵𝑖 là giá trị tin cậy toàn cầu duy nhất phản

ánh kinh nghiệm của mạng lưới với 𝐵𝑖. Nó cũng phản ánh sự toàn vẹn (sự liêm chính)

của 𝐵𝑖 thông qua các thuật toán gắn kết và phát hiện bất thường (Gelman, Carlin,

Stern, & Donald B Rubin, 2003).

Danh tiếng 𝜇𝑖 do vậy biểu thị tỷ lệ bất thường của 𝐵𝑖 trên khắp mạng lưới. Ví dụ,

gian lận dẫn đến bị loại trừ với 𝑆𝑟 = 0. Một thuật toán rất mạnh để tính danh tiếng

là Mạng Bayes (Bayesian network) với ngưỡng động.

- Tạo ra giá trị thực: việc tạo ra giá trị 𝛾𝑖 có liên quan đến thông tin mới được đưa vào

mạng thông qua các giao dịch. Chuỗi truy xuất nguồn gốc của các đối tượng hay khái

niệm và kiến thức thể hiện thông tin mới này.

- Tính minh bạch: trong NeuroChain sự minh bạch được thể hiện bằng các giao dịch

đã được xác nhận và cũng bởi các hỗ trợ và tài liệu chia sẻ đạt chứng nhận. Tính minh

bạch 𝑇𝑟𝑖 phản ánh mức độ thông tin được chứng nhận do 𝐵𝑖 phát hành trên toàn

mạng lưới. Để chứng nhận, NeuroChain sử dụng giao thức IPFS tăng cường.

Điểm toàn vẹn (Integrity) do vậy được mô hình hóa như hồi quy tuyến tính của ba tham

số trước đó (Myers, Zhu, & and J. Leskovec, 2012):

𝑆𝑟𝑖 = 𝛼𝜇𝑖+ 𝛽𝛾𝑖 + 𝜃𝑇𝑟𝑖

Trong đó 𝛼, 𝛽 và 𝜃 là các hệ số được nghiên cứu và điều chỉnh bởi hệ thống và 𝛼 + 𝛽 +

𝜃 = 1. Ở lần chạy đầu tiên, các hệ số phải có trọng số cân bằng.

Sau đó, Proof of Involvement and Integrity (PII) là sự kết hợp tuyến tính của hai tham số:

𝑷𝑰𝑰𝒊 = 𝝎𝑺𝒓𝒊 + ℵ𝑯𝒘,𝒊

Trong đó 𝜔 và ℵ là hai tham số động được lấy từ mạng lưới.

20

Thành lập hội đồng: sau khi xem xét entropy trọng số của các Bot và integrity của chúng, một hội đồng

sẽ được thành lập cho một chu kỳ bao gồm một số lượng nhất định các khối xác nhận (chi tiết của quá

trình này được mô tả bên dưới). Do vậy, mỗi Bot hợp thành một block giao dịch không đồng nhất từ

một bể các giao dịch toàn cầu. Block này thông tin cho Block cuối của Blockchain về các thông tin liên

quan, từ đó tất cả các block giữ lại phiên bản mới nhất của sổ cái (xử lý theo dòng - lineage). Mỗi Bot

với một khối giao dịch hợp lệ hoàn chỉnh là đủ điều kiện để xác định ngẫu nhiên nhằm ghi vào

blockchain.

Quá trình bầu cử Một lần nữa, để giải thích quá trình bầu cử, chúng ta hãy tiếp tục ví dụ về các hạt. Trong vật lý hạt

nhân, bẫy từ được sử dụng để cô lập các hạt siêu nhiệt tích điện (hạt năng lượng cao). Trong

NeuroChain, một bộ lọc động dựa trên entropy trọng số và integrity toàn cầu (PII) được sử dụng để

xác định Bot liên quan và toàn vẹn nhất trong mạng lưới. Ngưỡng động của entropy trọng số và điểm

số integrity (điểm toàn vẹn) được thiết lập để chọn ra tập hợp các Bot đủ điều kiện. Mỗi Bot được

chọn sẽ được gán một con số Đại cử tri (thẻ token động) tỷ lệ thuận với PII của chúng. Bản vẽ ngẫu

nhiên trong bể (pool) bầu cử lớn sẽ chỉ định Bot được bầu cho việc xác nhận. Mỗi xác nhận sẽ được

thanh toán. Quá trình ngẫu nhiên dựa trên việc tạo số ngẫu nhiên thực phân tán (distributed true

random generation) [Phụ lục 5: Các quy trình ngẫu nhiên và hỗn loạn].

Cụ thể, số Bot trong hội đồng cấu thành sẽ bắt đầu với 535 Bot và sẽ phát triển dựa trên hoạt động

của mạng lưới cũng như tổng entropy trọng số và integrity. Số lượng xác nhận của mỗi hội đồng sẽ bắt

đầu với 1638 khối (liên quan đến tỷ lệ "vàng"), và sẽ phát triển dựa trên các tham số mạng (tính toàn

vẹn của mạng, xác suất phân nhánh và tiến triển của entropy trọng số trung bình). Quá trình lựa chọn

các tham số động giúp đảm bảo khả năng xoay vòng tốt hơn của hội đồng cấu thành.

Các tính năng chính của quá trình bầu cử hiện nay là khả năng bảo mật, tính linh hoạt và khả năng mở

rộng. Thực tế, sự phát triển của giao thức phụ thuộc vào các tham số, các tham số này lại phụ thuộc

vào hoạt động của mạng lưới. Mạng lưới nghiên cứu cách nó hoạt động và tự điều chỉnh.

Giao thức thúc đẩy các Bot tham gia vào hội đồng cấu thành thay vì "dựa vào may mắn để xác nhận

các khối", mặc dù ít có khả năng trở thành leader (so với giao thức đồng thuận đang có hiện nay).

Triết lý đồng thuận của NeuroChain là để trở thành một leader, Bot phải có các hoạt động liên quan

trong mạng. Nó cũng phải có mức độ toàn vẹn cao. Sự linh hoạt, khả năng mở rộng và khả năng tự

điều chỉnh giúp giao thức có các đặc tính tiến hóa nhanh và hiệu quả. Sự đồng thuận sẽ tạo ra một

vòng tròn đạo đức và một cuộc đua để tạo ra giá trị và sự minh bạch. Thật vậy, tính minh bạch được

tạo ra nhờ xác nhận giao dịch và các chuỗi truy xuất nguồn gốc là một phần của sự đồng thuận dựa

trên điểm toàn vẹn. Giá trị được tạo ra trong NeuroChain là hồ chứa dấu vết, công cụ tạo cryptoValue,

là cơ sở để hình thành các sàn giao dịch giá trị hoặc các nền tảng cryptoBarter và cũng là nguồn đánh

giá cho các ứng dụng thông minh.

Để hiểu rõ hơn các khái niệm này, đồng thuận theo Proof of Work (Bằng chứng công việc) dựa trên

việc đào (mining) cơ bản, đây là nguồn cho các công việc bên ngoài/ ngoại sinh, trong khi đồng thuận

theo Proof of Involvement and Integrity dựa trên giá trị nội tại của thông tin, tính minh bạch và toàn

vẹn được tạo ra trong Blockchain. Định giá Blockchain theo Proof of Work là tổng công suất máy tính

được sử dụng trong mạng, trong khi định giá trong NeuroChain là tổng entropy trọng số và integrity

được tạo ra trong Blockchain này.

Tiêu chuẩn phục hồi thông tin trong NeuroChain là "Clausius" (theo tên Rudolf Clausius, người đầu tiên

mô tả entropy). Clausius là đơn vị cơ bản của các luồng giao dịch lưu hành trong mạng. Như minh hoạ,

21

đối với ứng dụng cryptoValue, Clausius là giá trị được trao đổi giữa các Bot. Định giá Clausius sẽ phát

triển tùy thuộc mạng lưới.

Quá trình phân tán Các bước trong mạng có thể được tóm tắt như sau:

1. Giao dịch mới được tạo ra và truyền đến tất cả các Bot để xác nhận.

2. Hội đồng cấu thành được chỉ định dựa trên Proof of Involvement and Integrity theo số lượng

cho trước để xác nhận khối.

3. Chỉ định leader của khối cấu thành nhờ lựa chọn ngẫu nhiên phân tán trong số đại cử tri được

giao cho từng Bot.

4. Toàn bộ hội đồng chấp nhận khối chỉ khi tất cả các giao dịch là hợp lệ và được ủy quyền.

5. Hội đồng làm việc để tạo ra khối mới có ID hoặc băm (hash) của khối đã được chấp nhận, cấu

thành bằng chứng chấp nhận cho khối trước đó.

Quá trình xác minh các giao dịch (ngoài xác minh mật mã chuẩn) phụ thuộc vào tính chất của giao dịch

(tính truy xuất nguồn gốc, cryptoValue, ứng dụng thông minh). Tất cả các Bot đều có bộ công cụ

(toolkit) hoặc một hộp các thuật toán để xử lý tất cả các quy trình xác nhận có thể xảy ra. Tất cả các

Bot xem xét lấy chuỗi dài nhất [entropy trọng số và integrity tối đa] để tham khảo và tiếp tục mở rộng

chuỗi này.

Máy học Các thuật ngữ Machine Learning (Máy học) hay Artificial Intelligence (Trí tuệ nhân tạo) cho thấy mức

độ trừu tượng cao của các Bot. Chúng bao gồm các loại thuật toán khác nhau. Các thuật toán này sẽ

được Bot sử dụng cho các ứng dụng khác nhau: thuật toán nhất quán (consistency algorithm) để truy

xuất nguồn gốc, thuật toán mạng Bayes (Bayesian network) để phát hiện bất thường trong các giao

dịch và thông tin do Bot phát hành, thuật toán định giá (pricing algorithm) cho mục đích trao đổi thông

tin, và hệ thống dựa trên các quy tắc (rules-based-system) cho các ứng dụng phức tạp. Giao thức IPFS

và chữ ký mật mã sẽ được sử dụng để xác thực thuật toán. Quá trình này sẽ được mô tả bên dưới.

- Thuật toán liên kết: - truy xuất nguồn gốc dựa trên sự liên tục của dây nối đối tượng hoặc

khái niệm được tích hợp trong Blockchain. Người gửi chuỗi truy xuất quy ước thông tin nội tại

về đối tượng và các tương tác của nó với các Bot trong lần giao dịch đầu tiên. Thuật toán xác

minh tính nhất quán của các giao dịch khác nhau, siêu dữ liệu nội tại và các tài liệu được chứng

nhận liên quan để xác nhận các hoạt động. Thuật toán cũng kiểm tra sự nhất quán về mặt thời

gian cũng như trình tự giao dịch. Ví dụ, nếu một đối tượng bỏ qua một bước trong chuỗi hành

trình sản phẩm (chain of custody) hoặc dừng lại ở một bước cụ thể của quy trình, thuật toán

sẽ nhận dạng chúng như đối tượng đáng nghi.

- Thuật toán mạng Bayes: (Darwiche Adnan, 2009; Gelman, Carlin, Stern, & Donald B Rubin,

2003) là mô hình đồ thị xác suất thích ứng với dữ liệu có kích thước lớn và không đồng nhất,

dựa trên cách tính xác suất có điều kiện.

Trong mô hình đồ thị xác suất, mỗi nút đại diện cho một biến (hoặc có thể quan sát được) và

liên kết giữa các nút đại diện cho mối quan hệ nhân quả có thể xảy ra và tương quan giữa

chúng. Áp dụng điều này cho NeuroChain, các nút đại diện cho các Bot và các liên kết đại diện

cho các giao dịch khác nhau giữa chúng. Đồ thị tạo ra được định hướng và do vậy mạng Bayes

22

(Bayesian network) là đồ thị định hướng không chu kỳ (DAG). Ngưỡng cho thuật toán phát hiện

bất thường sẽ tự động được thiết lập theo mạng.

Xem xét ví dụ sau: giả sử có hai sự kiện A, B có thể dẫn đến sự kiện C. Cũng giả sử sự kiện B có

thể ảnh hưởng đến sự kiện A. Tình huống này có thể được mô hình hóa bằng mạng Bayes

(Bayesian network) như Hình 6.

Hình 6 : Đồ thị định hướng không chu kỳ mô tả sự tương tác giữa các Bot.

Ta có hàm xác suất chung như sau:

𝑃𝑟(𝐴, 𝐵, 𝐶) = 𝑃𝑟(𝐶/𝐴, 𝐵) ∙ 𝑃𝑟(𝐴/𝐵) ∙ 𝑃𝑟(𝐵)

Với mạng Bayes, có ba ứng dụng suy luận chính gồm: suy luận các biến không quan sát được,

học tham số và học cấu trúc. Các ứng dụng này phản ánh phân tích cơ bản Bayes cho các dữ

liệu và các tham số đã cung cấp với xác suất cho trước và khả năng xảy ra. Cách tiếp cận này

hoàn toàn phù hợp với mạng Bot phân tán.

Đối với hoạt động phát hiện bất thường, các cách xác minh khác liên quan đến các giao dịch

nguyên tử của mỗi Bot sẽ được tính đến.

Chương trình:

library(bnlearn)

bn.hc <- hc(data_N)

plot(bn.hc, main = "Hill-Climbing", highlight = c("flowtype"))

fittedbn <- bn.fit(bn.hc, data = data_N)

loglikhood <- logLik(fittedbn, clust_CFL, by.sample = TRUE)

plot(loglikhood)

Ý tưởng đằng sau là thuật toán học hỏi từ các giao dịch giữa Bot để tính toán các tham số của

mô hình. Sau đó, đối với từng giao dịch, xác suất tương tác mới sẽ được tính. Các giao dịch độc

hại với hành vi bất thường sẽ được phát hiện (phụ thuộc vào ngưỡng cho phép).

- Phân tích ngữ nghĩa: phân tích ngữ nghĩa chủ yếu hoạt động trong các ứng dụng xã hội như

Bot xã hội. Những thuật toán này sẽ giúp người dùng tương tác với nhau thông qua các Bot.

Phân tích tâm lý, nhận dạng thực thể hay xây dựng từ điển là những ví dụ về các quy trình sẽ

được sử dụng để tạo điều kiện giao tiếp giữa người dùng và các Bot cũng như giữa các Bot với

nhau.

A B

C

23

- Hệ thống dựa trên các quy tắc (Giarratano & Gary Riley, 1998): là một công cụ mạnh mẽ

để xử lý các điều kiện và quy tắc. Loại hệ thống này là nền tảng cơ bản của trí tuệ nhân tạo.

Trong NeuroChain, hệ thống dựa trên các quy tắc sẽ được sử dụng cho các ứng dụng kinh

doanh thông minh để lưu giữ và vận dụng kiến thức nhằm diễn dịch thông tin một cách thích

hợp tùy thuộc từng ứng dụng.

- Thuật toán phát hiện xu hướng: trong NeuroChain, các Bot được ủy quyền cho cryptoValue-

Barter trong chuỗi. Để định giá các giá trị này, các thuật toán giao dịch cũng sẽ có sẵn trong

mạng lưới. Thế hệ các nhà địch giá phân tán mới và các thuật toán dự đoán sẽ phát triển. Do

vậy các sàn giao dịch sẽ xuất hiện trong hệ thống.

Các thuật toán trình bày ở trên sẽ được chắt lọc và cung cấp cho các Bot tùy thuộc các mục tiêu khác

nhau.

Proof of Workflow Phần này giải thích cách quá trình thực thi hay các thuật toán máy học về luồng công việc trong hệ

thống phân tán bảo đảm an ninh và tính xác thực. Các thuật toán do các Bot phát hành và được lưu

trữ qua giao thức IPFS (lưu trữ phân tán), trong đó băm của thuật toán đại diện cho địa chỉ của nó.

Luồng công việc được xác định bởi dữ liệu đầu vào, hướng dẫn (các hành động xác định), sự lan truyền,

các trường hợp ngoại lệ và định nghĩa. Proof of workflow (Bằng chứng luồng công việc) xác định luồng

công việc phân tán do Bot phát hành, Bot này có integrity được mạng lưới bảo đảm. Chi tiết hơn, luồng

công việc toàn vẹn là nhờ chữ ký của các Bot và giao thức IPFS. Đối tượng phát hành thuật toán đánh

dấu giao dịch bằng một địa chỉ IPFS, tương ứng với luồng công việc có cấu trúc trong hệ thống. Lợi thế

của proof of workflow là các phương pháp khác nhau và dữ liệu bổ sung sẽ có sẵn cho toàn bộ mạng

lưới, tạo bước đi đầu tiên cho trí tuệ nhân tạo tập thể. Để đạt được mục tiêu này, dần dần, mạng

NeuroChain sẽ ngày càng tham gia sâu hơn vào giao thức IPFS. Từ đó, NeuroChain sẽ có thể tự nhất

quán (tự làm việc với nhau).

Hình 7 sau đây mô tả luồng công việc trong NeuroChain.

Chú thích: Signature – chữ ký, Time stamp – dấu thời gian, Workflow – Luồng công việc, Required information – Thông tin yêu

cầu, Propagation Chain – Chuỗi lan truyền, Cryptographic and workflow verification – Xác minh mật mã và luồng công việc,

Distributed workflow – luồng công việc đã phân tán, Authentication and validation – Xác thực và xác nhận, Transaction – Giao

dịch, Propagation – Sự lan truyền, ID workflow – ID luồng công việc

Hình 7 : Mô tả proof of workflow.

24

So sánh với các Blockchain chính hiện có Bảng 3 dưới đây so sánh NeuroChain với các Blockchain tiêu chuẩn như Bitcoin và Ethereum. Các điểm

chuẩn cho thấy NeuroChain có sự tiến bộ hơn trong một số tính năng và hiệu suất.

Đặc điểm Bitcoin Ethereum: NeuroChain

Tiền mã hóa Bitcoin Ether Clausius

Thuộc tính ứng dụng

Các giao dịch tài

chính

Các hợp đồng thông

minh

Các ứng dụng thông

minh

Ứng dụng có tính trừu

tượng cao

Quá trình ra quyết định Không có hệ thống Không có hệ thống

Hội đồng cấu thành

Các quyết định công

bằng

Thuật toán đồng thuận

Proof of Work

(Bằng chứng công

việc)

Hiện tại: Proof of Work

(Bằng chứng công việc)

Proof of Involvement

and Integrity (PII)

Tương lai: Proof of Stake

(Bằng chứng cổ phần)

Entropy trọng số và

điểm danh tiếng

Hiệu suất giao dịch 7tx/giây ~25tx/giây Vài nghìn tx/sec (tối ưu)

Ngắt quãng khối 10 phút 15 giây ~3 giây (tối ưu)

Kích cỡ khối 1MB/Dyn Động Động

Công nghệ Mạng phân tán Mạng phân tán Mạng phân tán + Máy

học

Ứng dụng Tiền tệ mã hóa Hợp đồng thông minh

cơ bản

Các ứng dụng phức tạp,

Crypto-Value, Truy xuất

nguồn gốc, Ngân hàng

dữ liệu đạt chứng nhận,

Tương tác xã hội, IoT

thông minh, các ứng

dụng kinh doanh

Giao thức truyền thông Tĩnh Tĩnh Động và thích ứng

Bảng 2 : So sánh giữa NeuroChain và các Blockchain khác về tính năng và hiệu suất.

25

Các ứng dụng của NeuroChain

Khi một giá trị thực sự được tạo ra trong Blockchain nhờ xác nhận, truy xuất nguồn gốc, minh bạch và

toàn vẹn thì các ứng dụng khác trong NeuroChain có thể được tung ra.

CryptoValue (Giá trị có thể trao đổi): Ứng dụng trực tiếp đầu tiên là tiền tệ mã hóa (cryptoValue)

mang tên "Clausius". Clausius có liên quan trực tiếp đến giá trị được tạo ra trong NeuroChain nhờ sự

minh bạch và toàn vẹn bằng cách khen thưởng cho việc xác nhận khối và tích hợp thông tin cho các

mục đích truy xuất nguồn gốc. Việc tạo ra giá trị tiêu chuẩn này cũng là một cách để thúc đẩy các Bot

hoạt động minh bạch và khuyến khích chúng giao tiếp với nhau.

Trong NeuroChain, quy trình crypto-barter cho phép trao đổi và giao dịch dựa trên cung cầu của một

loại giá trị (tiền tệ) cụ thể.

Hai biện pháp bình ổn giá Clausius tiêu chuẩn có thể là: bên trong và bên ngoài. Bình ổn giá trị bên

trong được điều hướng bởi các giá trị và khái niệm của cryptoBarter. Bình ổn giá Clausius bên ngoài

tương quan với các tiêu chuẩn ngoại sinh (Bitcoin, Fiats, ...). Trong NeuroChain, quy chiếu chuẩn là

mạng.

Chuỗi truy xuất nguồn gốc: Phần dưới đây sẽ mô tả rõ hơn về quá trình chuỗi truy xuất hoạt động

trong NeuroChain trong bối cảnh logistics. Chuỗi truy xuất có thể được xem là một ứng dụng thông

minh thực hiện theo các điều kiện hoặc quy tắc nhất định và tạo ra một luồng các giao dịch. Blockchain

liên quan gồm các Bot đại diện cho các phần khác nhau của chuỗi truy xuất nguồn gốc. Máy phát

(transmitter) sẽ bắt đầu mỗi chuỗi truy xuất nguồn gốc. Tất cả các chuỗi truy xuất nguồn gốc sẽ cùng

tồn tại trong Blockchain. Sự tương tác giữa các kênh khác nhau sẽ cải tiến quá trình xác nhận trong

Blockchain và do vậy giúp tăng sự tin tưởng và minh bạch giữa các thành viên và người nhận cuối.

Đối với mỗi chuỗi truy xuất nguồn gốc, Bot đứng đầu (leader) cho việc xác nhận khối đang xét theo

cách nhất định. Cũng giả định rằng người phát hành chuỗi quan tâm nhất đến vấn đề duy trì tính toàn

vẹn của chuỗi và do đó được chỉ định như một leader (trong hoạt động theo giao thức đơn giản (Phụ

lục 1: Chuỗi truy xuất nguồn gốc).

Chú thích: Manufacturer. Members who are truly interested by traceability. The issuer – Nhà sản xuất. Những thành viên thực

sự hứng thú với truy xuất nguồn gốc. Nhà phát hành, Logistic. Members can share new resources – Logistic. Các thành viên

có thể chia sẻ nguồn lực mới. International shipping. Member comes to website and shares a source or document – Vận chuyển

26

đường thủy quốc tế. Thành viên vào trang web và chia sẻ nguồn lực hay tài liệu, Local shipping – Giao hàng đến địa phương.

Shop. Object with shared resources – Cửa hàng. Đối tượng có nguồn lực được chia sẻ, Customer. The provenance is checked

and shared with others – Khách hàng, nguồn gốc xuất xứ được kiểm tra và chia sẻ với những người khác.

Hình 8 : Chuỗi truy xuất nguồn gốc với các bộ phận và người tham gia khác nhau (đại diện chức năng của các Bot).

Tất cả các Bot kiểm tra xem các giao dịch có hợp lệ, gắn kết và có phù hợp với các tài liệu đã được

chứng nhận hay không (việc lưu trữ file được bảo đảm bởi giao thức IPFS phân tán). Các phương pháp,

thuật toán gắn kết và theo dõi được leader ban hành. Tất cả các Bot trong chuỗi trung thành với leader

và được tạo động lực tự nhiên để lan truyền các giao dịch trong mạng.

Hình 8 mô tả chuyển động học của chuỗi truy xuất nguồn gốc, giả sử chỉ có một chuỗi duy nhất gồm

sáu Bot. Mỗi Bot có vai trò riêng trong chuỗi (nhà sản xuất, nhà vận chuyển, nhà bán buôn, nhà phân

phối và khách hàng cuối). Để đảm bảo kết nối và sự minh bạch giữa các Bot, giao tiếp tự trị được thiết

lập để trao đổi các vấn đề liên quan đến các đối tượng, khái niệm và mối quan tâm của chuỗi. Khi một

đối tượng hoặc khái niệm "A" được sản xuất và xác nhận bởi nhà sản xuất, một thông báo, giống như

một giao dịch được gửi tới tất cả các Bot của Blockchain. Tất cả các Bot lúc này kích hoạt một quá trình

xác nhận để kiểm tra sự gắn kết (coherence) và hợp lệ của giao dịch (theo phương pháp do leader đưa

ra). Khi các giao dịch đến các Bot, một thuật toán phát hiện bất thường cũng sẽ được thực thi để hợp

thức hóa các giao dịch và phát hiện các đối tượng độc hại hoặc các luồng không nhất quán. Ngoài ra,

một tài liệu chứng nhận thuật toán dựa trên giao thức "IPFS" có sẵn khi các Bot cung cấp tài liệu (chứng

nhận hoặc các tài liệu hỗ trợ). Khi đạt được sự đồng thuận cho giao dịch này, giao dịch sẽ được sát

nhập vào Blockchain. Sau đó, khi đối tượng được nhà cung cấp hỗ trợ, một giao dịch mới được phát

hành và quá trình xác nhận tương tự được kích hoạt lại. Điều này được lặp đi lặp lại cho đến khi đến

được khách hàng cuối.

Quá trình này đảm bảo khả năng truy xuất nguồn gốc của các đối tượng và khái niệm từ nhà sản xuất

tới khách hàng. Blockchain cung cấp một liên kết cho các bên tham gia chuỗi và bản sao của quá trình

xác nhận được thêm vào các tài liệu được chứng nhận, đảm bảo tính hợp pháp của các giao dịch. Chính

vì vậy, Blockchain tạo ra giá trị minh bạch.

Leader được chỉ định trong việc truy xuất nguồn gốc có hai động lực chính: thứ nhất, tính minh bạch

và khả năng truy xuất nguồn gốc cho các mục đích thương mại. Thứ hai, phí trả cho giao dịch được kích

hoạt bởi chuỗi. Do đó hệ thống là hệ tự nhất quán. Hệ thống cũng hỗ trợ kết nối tới các giao thức IoT

(ví dụ như cho dữ liệu đầu vào).

Các ứng dụng thông minh: NeuroChain là một Blockchain thông minh cung cấp khả năng tạo ra

các ứng dụng thông minh phức hợp. Ứng dụng thông minh là một bước tiến của hợp đồng thông minh

có khả năng chấp nhận các điều khoản và tình huống chi tiết và phức tạp để tạo ra các luồng thông tin

và giao dịch. Nó sử dụng, ngoài các thứ khác, một hệ thống dựa trên các quy tắc (Gupta, Forgy, Newell,

& Wedig, 1986) và các thuật toán để đảm bảo diễn dịch nguyên tắc hiệu quả và tương tác dễ dàng với

các robot. Các ứng dụng thông minh NeuroChain là ngôn ngữ lập trình hoàn chỉnh (Turing complete).

Ứng dụng thông minh được xác định bằng một phương pháp (thuật toán), vùng ứng dụng và dữ liệu

đầu vào chuẩn (cơ chế được giải thích phía dưới).

Một ứng dụng thông minh sáng tạo có thể là ứng dụng thành phố thông minh sử dụng các thuật toán

để đạt được sự đồng thuận về uy tín, an ninh và minh bạch (phát triển sự thông minh nhờ sự hợp tác

của các Bot) [Tòa nhà Thông minh cho Các Thành phố Thông minh].

Mạng xã hội hay các Bot xã hội: Kiến trúc phân tán và truyền thông của NeuroChain cho phép

thiết lập các tương tác xã hội giữa các Bot. Giao thức truyền thông linh hoạt này bao gồm các trao đổi

27

liên tục thích nghi. Các Bot xã hội sẽ tạo ra thông tin hợp lệ và thích hợp trong mạng, trao đổi giữa các

Bot mà không qua trung gian. Các thuật toán máy học như phân tích ngữ nghĩa hay nhận dạng thực

thể sẽ được sử dụng để hiểu các thông tin trao đổi và trích xuất các giá trị cho người dùng cuối. Ví dụ,

ứng dụng Bot xã hội thông minh sẽ được sử dụng để thông báo hoặc giới thiệu các tác vụ hoặc đối

tượng cho toàn bộ mạng hoặc mạng riêng, bắt đầu các giao dịch dựa trên lịch sử trao đổi. Một ứng

dụng khác là một nền tảng tư vấn hợp nhất, nơi các mẹo nhỏ và lời khuyên từ các Bot (chủ sở hữu)

được chứng nhận và được hỗ trợ. Kết quả là các mẹo nhỏ được chia sẻ và phân tán sẽ ngày càng chính

xác.

Kho dữ liệu đạt chứng nhận: Việc xác nhận thêm trong mạng sẽ giúp đạt được mức tin cậy và

chứng thực cao nhờ sử dụng các giao thức cụ thể như IPFS (Phụ lục 2: Trích xuất các giao thức truyền

thông) cung cấp các chữ ký mật mã cho tài liệu. Con dấu của tài liệu sẽ được lưu trong Blockchain để

đảm bảo tính duy nhất và độ bền của chữ ký số. Kho lưu trữ tài liệu này sẽ được sử dụng cho các ứng

dụng khác nhau như truy xuất nguồn gốc, bằng chứng thực hiện, bằng chứng giao hàng ...

IoT thông minh: Bot có thể đóng vai trò của một IoT bằng cách sử dụng smartphones hoặc thiết bị

dò khác. Thông tin được diễn dịch và phân tán nhờ các giao thức bảo mật. NeuroChain hỗ trợ một

lượng lớn giao dịch thông qua các giao thức đồng thuận linh hoạt và bền vững. Chức năng xã hội của

các Bot cũng có thể được sử dụng để đánh giá các thông tin được trao đổi trong mạng. Nó cũng hỗ trợ

phần cứng bên ngoài để thu thập thông tin. Các thuật toán khác nhau do các Bot cung cấp có thể phân

tích các dữ liệu lớn do IoT thu thập.

Trong NeuroChain, IoT đóng vai trò quan trọng bởi vì nó là một phần của một số ứng dụng như truy

xuất nguồn gốc, và nó cũng là một nguồn thông tin trong một hệ sinh thái tương tác.

Các ứng dụng kinh doanh: Các Bot phân tán với thuật toán học máy có thể chạy các ứng dụng đơn

giản, lặp đi lặp lại, theo quy định, không được kiểm soát và các ứng dụng của tổ chức như kế toán,

thuế, phân tích kinh doanh, bảo hiểm, chứng nhận hoặc các chức năng hỗ trợ. Ở đây, các Bot được

xem là đơn vị tự trị tạo ra các luồng thông tin và các hành động. Thuật toán đồng thuận cũng sẽ giúp

quá trình ra quyết định và tránh các sự kiện không thích hợp.

Hình 9 mô tả các chức năng có thể làm được và chưa đầy đủ của NeuroChain.

28

Chú thích: Bots use performant decision process (Weighted Entropy) – Quá trình ra quyết định sử dụng Bot (Entropy trọng số),

NeuroChain is based on it own Crypto-Value – Neurochian có tiền tệ riêng, Bots can use many protocols to keep in touch: Social

Bots – Bot có thể sử dụng nhiều giao thức để giữ liên lạc: Bot xã hội, Business Applications Regulated, unregulated and

Institutional – Các ứng dụng kinh doanh theo quy định, không được kiểm soát và các ứng dụng cho tổ chức, Bots are using

Artificial Intelligent Algorithms – Bot sẽ sử dụng các thuật toán Trí tuệ nhân tạo, Bots for IoT and Traceability chain – Bot cho

các chuỗi truy xuất nguồn gốc và IoT, Bots are able to interact with other Blockchains or orphan Bots – Bot có thể tương tác

với các Blockchain hay Bot đơn lẻ khác, Certified Data Bank – Ngân hàng dữ liệu đạt chứng nhận

Hình 9: các mặt khác biệt của NeuroChain.

Quản trị

Quản trị trong NeuroChain là quá trình dân chủ, quản lý có sự tương tác của các Bot. Chế độ này cho

phép đạt được sự đồng thuận trong mạng lưới và kích hoạt các luồng hoạt động. Proof of Involvement

and Integrity và proof of workflow là những giao thức tự nhất quán dựa trên ba tham số độc lập phản

ánh sự tham gia, giữ gìn giá trị và tính toàn vẹn của mỗi Bot. Kiến trúc đồng thuận bao gồm một liều

lượng cơ hội, do đó không thể dự đoán sự đồng thuận hoàn toàn bằng các thuật toán. Nói cách khác,

về mặt xác suất, các dự đoán là không chắc chắn.

Phản hồi đến mỗi Bot nhờ các thuật toán máy học sẽ đảm bảo đầu tiên là sự toàn vẹn của các Bot. Sự

phản ứng ngược của mạng lưới lên các Bot và do vậy đến sự đồng thuận sẽ phát động việc cách ly hoặc

cô lập các Bot không trung thực.

Sự đồng thuận về quản trị cũng linh hoạt bởi vì có thể thực hiện được các sửa đổi do các tham số tùy

chỉnh khác nhau. Bảng 3 dưới đây minh họa các tham số động và tác động của chúng lên quá trình ra

quyết định.

Tham số Tác động

Lớp truyền thông Hiệu suất hoạt động của mạng

Điểm toàn vẹn Sr 〖α, β, θ〗 Danh tiếng, tạo giá trị và sự minh bạch

29

PII= 〖ω, ℵ〗 Entropy trọng số, Integrity và quá trình bầu cử

Ngưỡng động của PII Hội đồng cấu thành

Số khối/ chu kỳ Hiệu suất và vòng quay

Số đại cử tri Quá trình bầu cử

Bảng 3 Bảng minh hoạ các tham số tùy chỉnh khác nhau và tác động lên mạng lưới cũng như lên quá trình bầu cử.

Các tham số khác được liệt kê ở trên cho thấy sự linh hoạt rất lớn của giao thức trong khi vẫn bảo đảm

sự an toàn, sống động và khả năng hiệu chỉnh (mỗi tham số đều giúp cân bằng các tham số khác). Quá

trình bầu cử dựa trên việc liên kết tạo hội đồng đảm bảo độ ngẫu nhiên cao trong quá trình lựa chọn

leader nhưng cũng giữ hiệu suất cao trong việc thực hiện giao thức từ lúc hội đồng được bầu chọn để

xác nhận các khối với số lượng thay đổi phụ thuộc sự tiến triển của entropy và integrity mạng). Sự tiến

triển của mạng lưới trong một nhiệm vụ cho phép có sự đổi mới nhất định trong hội đồng.

Bot trong trường hợp bị cách ly Trong các tình huống nhất định, sau khi một số Bot nhất định xác thực các giao dịch không mong đợi

hoặc bất thường, mạng lưới có khả năng ngăn chặn các giao dịch này và cô lập các Bot gặp vấn đề

(thông qua điểm toàn vẹn). Quá trình này được kích hoạt trong hệ thống khi đạt tới ngưỡng bất

thường thứ hai (tính toán integrity). Quá trình này tạo ra một luồng giao dịch trong mạng và trạng thái

của Bot sẽ được tích hợp vào sổ đăng ký của Blockchain.

Sửa đổi [forks] Trong hoạt động tiêu chuẩn, NeuroChain không gặp vấn đề nào cần sửa đổi vì trong hội đồng, các Bot

hợp tác chặt chẽ với nhau trong khoảng thời gian xác nhận. Trong trường hợp có phân nhánh (sửa

đổi), Blockchain sẽ chấp nhận chuỗi dài nhất có entropy trọng số và integrity tối đa.

Đền bù cho Bot Trong NeuroChain, việc tạo giá trị và minh bạch được thực hiện nhờ quá trình xác nhận có liên quan

đến việc bầu chọn các Bot. Trong cuộc bầu cử này, hệ thống sẽ xem xét mức độ liên quan của các Bot

thông qua tính toán entropy, enthalpy và integrity của chúng nhờ đánh giá điểm danh tiếng. Nói cách

khác, hệ thống đo lường mức độ minh bạch, mức độ thông tin được chứng nhận có liên quan được

đưa vào mạng để đền bù cho các Bot. Các ứng dụng thông minh cũng tạo ra tiền thù lao tùy thuộc vào

sự phức tạp của các thuật toán hoặc luồng công việc.

Mức thù lao được tính dựa trên chỉ số của nền kinh tế thực và lạm phát. Các chỉ số đầy hứa hẹn là: [chỉ

số mua vào bán ra trong mạng (bid-ask), định giá tiền tệ mã hóa (Bitcoin và Ethereum), hiệu suất nội

tại của mạng và lạm phát kinh tế]. Chúng phản ánh sự tiến triển của một tài sản hoặc giá trị theo thời

gian, có tác động thực tế khác nhau.

Điều quan trọng là liên hệ NeuroChain với nền kinh tế thực để tránh hiện tượng bong bóng đầu cơ.

30

NeuroChain Hệ sinh thái tương tác

NeuroChain được thiết kế để giao tiếp và tương tác với tất cả các hệ sinh thái công nghệ xung quanh.

Đầu tiên, NeuroChain là một Blockchain chuẩn tương thích với Bitcoin, Ethereum hoặc các Blockchain

khác với đường truyền thông tin an toàn (đặc biệt khi liên quan đến hợp đồng thông minh). Nó có thể

trao đổi với trình duyệt web hoặc các ứng dụng thông minh qua giao diện lập trình ứng dụng (APIs) tới

các Bot. Nó cũng có thể tương tác với các Bot đơn lẻ ngoại lai và đưa chúng vào môi trường

NeuroChain.

Độ trễ của truyền thông Phần mềm NeuroChain được thiết kế để nhận sự hỗ trợ của tất cả các nền tảng (phòng thí nghiệm,

thiết bị di động hay thậm chí IoT). Thuật toán đồng thuận có độ trễ thấp nghĩa là nó cho phép một số

lượng lớn các giao dịch diễn ra trong thời gian giả thực (pseudo-real time). Lớp truyền thông thích ứng

đảm bảo giao thức có hiệu suất và khả năng phục hồi cao. Các tác vụ chạy song song trên cùng một

CPU và trên nhiều CPU sẽ giúp cải thiện hiệu suất. Cuối cùng, việc sử dụng các Công nghệ mã nguồn

mở big data (Elastic Search, Neo4J, Spark v.v.) giúp giảm đáng kể độ trễ của các tương tác và các yêu

cầu khác nhau trong mạng lưới. Nói chung, các giải pháp mã nguồn mở Big Data này sẽ giải quyết các

vấn đề về thời gian thực, chạy song song và lưu trữ.

Kết quả và hiệu suất bước đầu của PoC Kiến trúc phân tán với các giao thức truyền thông khác nhau, lớp trừu tượng và các thuật toán đồng

thuận mới được phát triển để kiểm tra các khái niệm được đề xuất và đo lường một vài tham số hiệu

suất liên quan đến Blockchain. Lớp truyền thông thích ứng đang được kiểm tra và cho thấy hiệu suất

đầy hứa hẹn. Các thuật toán máy học khác nhau [phát hiện bất thường, tính mạch lạc, phân tích ngữ

nghĩa v.v.] được kiểm tra riêng lẻ và được tối ưu hóa cho các kiến trúc phân tán. Phân tích chính tập

trung vào thuật toán đồng thuận kèm phân tích thống kê entropy trọng số để tìm hiểu các va chạm và

sự tiến triển theo thời gian. Phân tích thống kê được trình bày trong [Phụ lục 4: Phân tích thống kê

entropy trọng số]. Khi được tích hợp trong mạng lưới, entropy trọng số cho thấy mức độ hiệu suất cao

trong hệ thống với độ trễ thấp. []

Một trong những điểm nổi bật của giao thức đồng thuận mới là sự đối trọng của các tham số có liên

quan. Nói cách khác, entropy, enthalpy và integrity có mối tương quan nghịch trong quá trình hoạt

động của mạng lưới. Điều này có nghĩa là khi entropy tăng do mức độ giao dịch cao của các Bot thì

trạng thái hoạt động này sẽ được đo trọng lượng bằng enthalpy, tham số này sẽ đo cường độ của mỗi

trạng thái giao dịch (trong hoạt động tiêu chuẩn, tăng entropy sẽ tạo ra sự giảm enthalpy). Phân tích

tương tự có thể được áp dụng với integrity, bởi vì Bot hoạt động mạnh (↗ entropy) sẽ tạo ra sự khác

biệt trong điểm số integrity (Δ SoI). Để minh họa cho tính động học cụ thể của các các tham số này, hãy

tưởng tượng một Bot đang cố gắng tương tác với các bot ngang hàng khác để tăng entropy của nó,

điều này sẽ ảnh hưởng đến enthalpy (thường là các giao dịch yếu) và điểm số integrity. Ngược lại, một

Bot có hoạt động thấp (↘ entropy) nhưng đẩy mạnh giao dịch sẽ làm tăng enthalpy và tạo ra sự ổn

định cho điểm số integrity.

Các tham số liên quan đến sự đồng thuận cũng là một thước đo cho sự hoạt động trong mạng lưới, và

do vậy, nó đại diện cho bức tranh của Blockchain tại thời điểm t.

31

Kết luận

NeuroChain là một Blockchain tăng cường, khai thác tính bền vững và đặc tính phân tán của Blockchain

cùng với khả năng thích ứng và tính năng dự đoán nhờ Máy học, Trí tuệ nhân tạo và các giải pháp Dữ

liệu lớn. Thuật toán đồng thuận mới dựa trên nhiệt động lực học sẽ cho phép mở rộng khối lượng giao

dịch và do đó chịu được nhiều ứng dụng thông minh.

NeuroChain tạo cơ hội phát triển các ứng dụng xã hội và kinh doanh phức tạp nhờ sự đa dạng trong

các thuật toán được triển khai, trong đó tính toàn vẹn được đảm bảo bởi bằng chứng về luồng công

việc. Ứng dụng phi tập trung có thể dễ dàng được thực hiện trong hệ sinh thái thích ứng có tương tác

với môi trường xung quanh.

Kỷ nguyên của Blockchain thông minh đã bắt đầu.

32

Phụ lục

Phụ lục 1: Chuỗi truy xuất nguồn gốc Trong chuỗi truy xuất nguồn gốc, cần phải phân biệt hai trạng thái hoạt động: trạng thái hoạt động

chuẩn và trường hợp có các giao dịch độc hại.

Đối với hoạt động tiêu chuẩn, cần phải tách ra làm hai trường hợp:

1. NeuroChain trong quy trình truy xuất nguồn gốc đơn lẻ: trong trường hợp này chỉ xem xét

một chuỗi hành trình sản phẩm. Các giao dịch được phát hành bởi các Bot khác nhau và được

coi là sự kiện với mối quan hệ nhân quả giữa chúng. Để đảm bảo tính nhất quán của các giao

dịch, đồng hồ nhân quả tương tự như đồng hồ nhân quả Lamport (Lamport, 1978) được đưa

vào hệ thống. Mỗi roBot sẽ có một bộ các thuật toán bao gồm các thuật toán nhất quán và xác

nhận. Như đã nêu, tất cả các Bot sẽ xác nhận tính hợp lệ của các giao dịch và việc tích hợp nó

vào Blockchain sẽ được thực hiện bởi leader (được ủy quyền tuyệt đối) do người phát hành

chỉ định. Mỗi giao dịch khi đã được xác nhận hợp lệ bằng giao thức đồng thuận thì chúng sẽ

được gỡ khỏi hồ giao dịch (một cơ sở dữ liệu tạm thời). Trong chuỗi hành trình sản phẩm, giao

dịch đầu tiên (giao dịch alpha) theo mối liên quan đến đối tượng được leader hoặc người khởi

tạo đường dây truy xuất nguồn gốc phát hành, điều này tạo ra các giao dịch liên kết giữa các

Bot.

1. NeuroChain trong tương tác truy xuất nguồn gốc: trong trường hợp này, chuỗi truy xuất nguồn

gốc tương tác với các chuỗi khác. Thẩm quyền (quyền xác nhận hợp lệ) của mỗi leader trong

mỗi chuỗi truy xuất nguồn gốc được chia sẻ với các leader khác tùy thuộc vào sự tương quan

giữa các chuỗi. Đo lường mối tương quan là một tham số tinh tế tùy thuộc vào các Bot đang

được sử dụng chung hoặc các đối tượng được chia sẻ giữa các chuỗi. Một khía cạnh khác để

hiểu mối tương quan giữa các chuỗi liên kết có liên quan đến vùng kinh tế của sản phẩm mà

khả năng truy xuất nguồn gốc của nó được nhắc đến (chỉ tương quan dương là thích hợp). Mối

tương quan này cũng liên quan đến khái niệm entropy. Ở một khía cạnh khác, NeuroChain

hoạt động như được mô tả phía trên.

Về khía cạnh kỹ thuật, mỗi đối tượng hoặc khái niệm trong chuỗi sẽ có một ID duy nhất trong suốt

cuộc đời của nó. Tất cả các thông tin thích hợp liên quan đến đối tượng được thêm vào dưới dạng dữ

liệu Meta để gắn dấu nhận dạng cho đối tượng này. Nhằm tổ chức và liên kết tốt hơn các luồng thông

tin trong mạng lưới, một tiêu chuẩn về cấu trúc dữ liệu cho các đối tượng và giao dịch sẽ được làm rõ.

33

Phụ lục 2: Trích xuất các giao thức truyền thông

1. Phần mềm Email thường sử dụng SMTP để gửi thư và dùng giao thức Post Office Protocol 3

(POP3) hoặc Internet Message Access Protocol (IMAP) để nhận thư.

2. Mặc dù đã được sử dụng khá lâu, tuy nhiên vẫn chưa có bất kỳ sự thay thế thực sự nào cho SMTP

kể cả ở giai đoạn này; việc mô tả hoạt động của nó trong vài dòng có thể khá thú vị. Tất cả các

chương trình email khách hàng hiện đại đều hỗ trợ SMTP. Các cấu hình SMTP được lưu trữ trong

email khách hàng bao gồm địa chỉ IP của máy chủ SMTP (cùng với địa chỉ của máy chủ POP hoặc

IMAP để nhận email). Các Website khách hàng có địa chỉ của một máy chủ SMTP trong cấu hình

của chúng, trong khi các máy tính của khách hàng cho phép cài đặt cấu hình SMTP để người dùng

tự xác định máy chủ mà họ lựa chọn.

3. Một máy chủ SMTP vật lý có thể được dành riêng cho việc xử lý lưu lượng email, nhưng chúng

thường kết hợp ít nhất là POP3 và đôi khi là các chức năng máy chủ proxy khác.

SMTP chạy trên TCP/ IP và sử dụng cổng TCP 25 cho truyền thông tiêu chuẩn. Để cải thiện SMTP

và chống spam trên Internet, các nhóm tiêu chuẩn cũng đã thiết kế cổng TCP 587 để hỗ trợ các

khía cạnh nhất định của giao thức. Một số dịch vụ webmail, chẳng hạn như Gmail, sử dụng cổng

TCP 465 không chính thức cho SMTP. SMTP di chuyển email của bạn trên mạng lưới và qua lại

giữa các mạng lưới bằng cách sử dụng một quy trình được gọi là "lưu trữ và chuyển tiếp". Nó hoạt

động rất giống với Mail Transfer Agent (MTA) để gửi tin của bạn đến đúng máy tính và hộp thư

email tốt trên Internet.

SMTP thường được tích hợp trong ứng dụng email của khách hàng và nó bao gồm bốn thành phần

chính:

- Tiện ích quản lý thư đầu cuối hay còn được gọi là mail user agent (MUA)

- Một máy chủ được gọi là đại lý gửi thư (mail submission agent - MSA)

- Đại lý giao thư (Mail delivery agent - MDA)

- Đại lý chuyển thư (Mail transfer agent - MTA)

SMTP cung cấp một bộ mã giúp đơn giản hóa việc truyền nhận email giữa các máy chủ thư, điều

này giúp quản lý luồng e-mail. Nói đơn giản, nó phân chia các phần khác nhau của một tin nhắn

ra thành các loại khác nhau mà máy chủ khác có thể hiểu được. Khi bạn gửi một tin nhắn, nó sẽ

được chuyển thành các chuỗi văn bản được phân tách bằng các từ theo code, các từ theo code

này giúp xác định mục đích của từng phần.

Bằng cách đặt cạnh NeuroChain, giao thức SMTP sẽ được Bot dùng để trao đổi thông tin cụ thể

trong các ngữ cảnh cụ thể. Nó thích hợp để trao đổi thông tin trong kinh doanh và các tổ chức vì

sự đơn giản và dễ thực hiện. Giao thức này cũng giải quyết vấn đề bảo mật quan trọng trong kinh

doanh vì nó không đòi hỏi mở một cổng truyền thông mới - là nơi có thể dễ dàng bị tấn công.

4. HTTP: Cổng mặc định là TCP 80, nhưng các cổng khác cũng có thể được sử dụng. HTTP cung cấp

một con đường chuẩn hóa để các máy tính giao tiếp với nhau.

Máy khách và máy chủ giao tiếp bằng cách trao đổi các tin nhắn cá nhân (trái ngược với một luồng

dữ liệu). Tin nhắn được gửi bởi máy khách, thường là từ một trình duyệt Web, được gọi là yêu

cầu và tin nhắn được gửi bởi máy chủ là câu trả lời và được gọi là phản hồi. Giao tiếp thể hiện

trong hình xxx.

34

HTTPS là một giao thức truyền thông an toàn qua mạng máy tính, được sử dụng rộng rãi trên

Internet. HTTPS bao gồm truyền thông qua Hypertext Transfer Protocol (HTTP - Giao thức truyền

tải siêu văn bản) trong một kết nối được mã hóa bởi Transport Layer Security (TLS - Bảo mật tầng

truyền tải), hoặc hình thức tiền nhiệm của nó, Secure Sockets Layer (SSL - Tầng Socket bảo mật).

Động lực chính cho HTTPS là xác thực trang web đã truy cập và bảo vệ sự riêng tư cũng như sự

toàn vẹn của các dữ liệu được trao đổi.

HTTPS chứng thực cho các web và các server Web liên quan mà nó trao đổi thông tin, điều này

giúp bảo vệ chống lại các cuộc tấn công man-in-the-middle (tấn công nghe trộm). Ngoài ra, nó

cung cấp mã hóa hai chiều cho thông tin trao đổi giữa khách hàng và máy chủ, điều này bảo vệ

chống nghe trộm và giả mạo hoặc thay đổi nội dung truyền thông.

Tóm lại, giao thức này phù hợp cho việc trao đổi thông tin của Bot khi cần mức độ bảo mật và tốc

độ trao đổi cao.

5. Ngày nay, Internet dựa trên Giao thức Truyền siêu văn bản (HyperText Transfer Protocol - HTTP).

HTTP dựa vào định vị địa chỉ, theo đó sử dụng địa chỉ IP để xác định máy chủ cụ thể đang lưu trữ

thông tin được yêu cầu. Điều này có nghĩa là thông tin phải được tìm nạp từ máy chủ nguồn hoặc

một máy chủ trong CDN mỗi khi có yêu cầu. Hình 10 mô tả cấu trúc phân tán của IPFS.

Hình 10: sơ đồ cấu trúc IPFS. Đây là cơ sở dữ liệu phân tán của các tài liệu chữ ký mật mã.

35

Phụ lục 3: Sơ đồ cấu trúc của NeuroChain.

Chú thích: Communication layer – Lớp truyền thông, Decryption layer – Lớp giải mã, Validation layer – Lớp xác nhận, Switch

layer – Lớp chuyển, Encryption layer – Lớp mã hóa, Internet Protocol – Giao thức Internet, Crypted transaction – Giao dịch đã

được mã hóa, Adaptive communication – Truyền thông thích ứng, Decrypted message – Tin nhắn đã được giải mã, Content –

Nội dung, Validated message – Tin nhắn đã được xác nhận hợp lệ, Intelligence – Sự thông minh, Consensus – sự đồng thuận,

Transaction – Giao dịch, Machine Learning – Máy học, Diffusion – Phân tán,

36

Phụ lục 4: Phân tích thống kê entropy trọng số

Phần sau đây được dùng để phát triển một phân tích thống kê về tính toán Entropy tùy thuộc

vào đặc tính mạng. Phân tích này cho phép xây dựng một trực giác liên quan đến sự tiến triển entropy

trọng số trong hệ thống.

library(entropy) # Pour calculer l'entropie

library(igraph)

##

## Attaching package: 'igraph'

## The following objects are masked from 'package:states ':

##

## decompose, spectrum

## The following object is masked from 'package:base':

##

## union

library(ggplot2)

Chức năng tính toán entropy

info <- function(CLASS.FREQ){

freq.class <- CLASS.FREQ

info <- 0

for(i in 1:length(freq.class)){

if(freq.class[[i]] != 0){ # zero check in class

entropy <- -(freq.class[[i]] * log2(freq.class[[i]])) #I calculate the entropy for each class i here

}else{

entropy <- 0

}

info <- info + entropy # sum up entropy from all classes

}

return(info)

}

37

Dưới đây là phân tích giao dịch giữa N Bot được tạo ngẫu nhiên:

- Xây dựng N vector ngẫu nhiên chứa id của các Bot đang trao đổi với một Bot cụ thể. - Ảnh hưởng của một con số ngẫu nhiên đến mỗi trao đổi để mô phỏng số lượng giao dịch. - Số lượng Bot ở mỗi vòng phải mang tính xác suất.

N = 10000 # nombre du noeud dans le système

list.of.samples = lapply(1:N, function(x) {

Subsize = sample(80:120) # choisir la taille du subgroupe aléatoirement

Size = sample(200:300) # Choisir aléatoirement Le nombre d'échanges pour chaque noeud

subgroupe <- sample(1:N, size = Subsize ) # construire le subgroupe de taille Subsize

sample(subgroupe,size=Size, replace = TRUE)}) # construire le vecteur d'échanges

echange_length <- lapply(list.of.samples, function(x) length(x)) # vecteur contenant le volume d'échanges pour chaque noeuds dans le système

echange_tot <- sum(unlist(echange_length)) # Le volume d'échange totale dans le système

echange_fraq <- unlist(echange_length)/echange_tot # la fraction d'échanges pour chaque noeuds

Sau đây là ví dụ về vector trao đổi cho Bot 5.

list.of.samples[5]

## [[1]]

## [1] 9997 6113 2355 3864 9555 2356 9948 7630 8077 1023 5955 9541 5141 9555

## [15] 4593 2884 8077 5623 2373 9105 7654 5231 5717 952 2017 6113 6109 9247

## [29] 4783 2884 9986 7691 7691 8077 2884 950 7635 7691 2634 7206 2017 3518

## [43] 952 9613 7206 4571 3473 9105 9247 5973 6250 8192 3144 1742 9971 5717

## [57] 6652 3864 9986 5993 5353 9189 7955 8077 3823 2373 2884 2355 2884 9971

## [71] 1023 756 5231 2884 2373 2355 5231 2356 7117 8116 5165 4200 952 3144

## [85] 3376 1742 1473 5567 4526 5353 1798 4783 4282 1968 3970 407 6336 4323

## [99] 2017 9541 6336 4200 9971 189 2355 5567 2758 6113 1023 2634 3376 7630

## [113] 7206 3970 3473 5623 9541 6349 5353 6349 2777 952 1742 952 2467 8116

## [127] 2956 5973 3518 3144 2884 6336 4323 3823 7654 6250 7117 4930 5165 7206

## [141] 7955 3144 4571 2017 6113 5993 3376 6128 9613 9559 6250 2777 5229 1817

## [155] 5955 4575 5973 6128 1023 5567 7630 1798 5165 189 9971 6109 4200 3093

## [169] 2373 3864 5353 3376 2017 9559 5231 5229 4571 9948 8681 1473 4282 4571

## [183] 7691 4783 4561 9555 8116 7117 952 9849 2758 1798 2634 8592 5623 952

## [197] 5141 9971 5955 3473 952 8681 5973 407 5955 5717 5623 5567 7117 1968

38

## [211] 3093 5973 4602 9971 5353 5231 8681 6652 7955 950 9541 6250 3186 952

## [225] 3144 8357 5850 9189 5353 2758 5231 8116 4593 5567 1968 1798 1798 3093

## [239] 5229 8681 3376 1023 1473 6336 6113 1473 2017 8192 7117 9105 3864 6109

## [253] 3473 3861 3864 952 6109 5850 5993 5231 4200 950 7630 9948 4602 4783

## [267] 1817 9555 4593 6109 3823 9189 2467 5993 6652 3186 7117 2467 7206 2355

## [281] 9541 3093 3140 3861 1742 1798 4526 9189 7206 5231 6652 1742 1023 3823

## [295] 1968 2634

Lúc này entropy E = - ∑Pi*log(Pi) của mỗi Bot trong phân nhóm được tính toán. Entropy này sau đó được đo trọng lượng từ các mảnh trao đổi.

E_vect <- vector("numeric", N)

E_pondere <- vector("numeric", N)

for (i in 1:N){

freqs = table(list.of.samples[i])/length(list.of.samples[i])

E_vect[i] <- entropy.empirical(freqs, unit = "log2")

E_pondere[i] <- E_vect[i]*echange_fraq[i]

}

Minh họa hệ thống

plot(E_vect,main = "Bots Entropies", ylab = "Entropy", xlab = "Bots", col = "blue")

#title(main = "Bots Entropies", ylab = "Entropy", xlab = "Bots")

39

Để tính đến khối lượng trao đổi hoặc giao dịch, entropy trọng số được chia nhỏ như trong hình.

plot(E_pondere, main = "Bots weighted Entropies", ylab = "Weighted Entropy", xlab = "Bots", col = "blue")

40

Chú thích: weighted entropy – entropy trọng số

Trong trạng thái tĩnh (không có sự tiến triển), ảnh hưởng của số Bot trong mạng lưới, kích cỡ phân nhóm của mỗi Bot và khối lượng giao dịch ảnh hưởng đến mức độ nhạy cảm của mạng lưới với các va chạm entropy.

1. Độ nhạy tùy thuộc vào kích cỡ của các phân nhóm

N = 5000

M = 100

collisions.count = vector("numeric", M)

for (i in 1:M){

collisions.mean = vector("numeric", 30)

for (j in 1:30) {

list.of.samples = lapply(1:N, function(x) {

Subsize = sample((110 - i) : (220 - i)) # choisir la taille du subgroupe aléatoirement

Size = sample(200:300) # Choisir aléatoirement Le nombre d'échanges pour chaque noeud

41

subgroupe <- sample(1:N, size = Subsize ) # construire le subgroupe de taille Subsize

sample(subgroupe,size=Size, replace = TRUE)}) # construire le vecteur d'échanges

echange_length <- lapply(list.of.samples, function(x) length(x)) # vecteur contenant le volume d'échanges pour chaque noeuds dans le système

echange_tot <- sum(unlist(echange_length)) # Le volume d'échange totale dans le système

echange_fraq <- unlist(echange_length)/echange_tot # la fraction d'échanges pour chaque noeuds

E_vect <- vector("numeric", N)

E_pondere <- vector("numeric", N)

for (k in 1:N){

freqs = table(list.of.samples[k])/length(list.of.samples[k])

E_vect[k] <- entropy.empirical(freqs, unit = "log2")

E_pondere[k] <- E_vect[k]*echange_fraq[k] }

collisions.mean[j] = N - length(unique(E_pondere))

}

collisions.count[i] = N - round(mean(collisions.mean))

}

print("Le nombre de collisions obtenue en dimiuant la taille du subgroupe\n")

collisions.count

## [1] 4974 4974 4976 4974 4976 4976 4977 4978 4978 4978 4980 4979 4982 4980

## [15] 4979 4981 4982 4981 4983 4983 4983 4985 4984 4984 4985 4985 4986 4987

## [29] 4987 4987 4986 4988 4988 4988 4989 4988 4989 4989 4989 4990 4991 4991

## [43] 4991 4992 4991 4992 4991 4992 4992 4992 4993 4993 4994 4993 4993 4994

## [57] 4994 4994 4994 4994 4995 4994 4995 4995 4995 4995 4995 4996 4996 4996

42

## [71] 4996 4997 4996 4996 4997 4997 4997 4997 4998 4998 4997 4997 4997 4998

## [85] 4998 4998 4998 4998 4998 4998 4998 4998 4998 4998 4999 4998 4998 4998

## [99] 4998 4999

# vecteur taille moyenne des subgroupe

mean_size = vector("numeric", length(collisions.count))

for (i in 1:length(collisions.count)){

mean_size[i] = mean(sample((110 - i):(220 -i)))}

plot(mean_size,N - collisions.count, main = "l'évolution des collisions en fonction de la taille du subgroupe ", ylab = "nobmre de collisions", xlab = "taille du subgroupe", col = "blue")

Chú thích: Collisions sensibility as function of subgroup length – Độ nhạy với va chạm như hàm của chiều dài phân nhóm, Collisions – Các va chạm, Subgroup length – chiều dài phân nhóm

Có thể nhận thấy mức độ nhạy cảm đối với va chạm tăng lên theo chiều dài phân nhóm (nhóm các Bot hướng quanh một Bot cụ thể).

2. Độ nhạy đối với va chạm tùy thuộc khối lượng giao dịch

N = 5000

43

M = 75

collisions.count1 = vector("numeric", M)

for (i in 1:M){

collisions.mean = vector("numeric", 30)

for (j in 1:30) {

list.of.samples = lapply(1:N, function(x) {

Subsize = sample(100 : 200) # choisir la taille du subgroupe aléatoirement

Size = sample((200 - 2*i):(300 - 2*i)) # Choisir aléatoirement Le nombre d'échanges pour chaque noeud

subgroupe <- sample(1:N, size = Subsize ) # construire le subgroupe de taille Subsize

sample(subgroupe,size=Size, replace = TRUE)}) # construire le vecteur d'échanges

echange_length <- lapply(list.of.samples, function(x) length(x)) # vecteur contenant le volume d'échanges pour chaque noeuds dans le système

echange_tot <- sum(unlist(echange_length)) # Le volume d'échange totale dans le système

echange_fraq <- unlist(echange_length)/echange_tot # la fraction d'échanges pour chaque noeuds

E_vect <- vector("numeric", N)

E_pondere <- vector("numeric", N)

for (k in 1:N){

freqs = table(list.of.samples[k])/length(list.of.samples[k])

E_vect[k] <- entropy.empirical(freqs, unit = "log2")

E_pondere[k] <- E_vect[k]*echange_fraq[k] }

collisions.mean[j] = N - length(unique(E_pondere))

}

collisions.count1[i] = round(mean(collisions.mean))

44

}

print("Le nombre de collisions obtenue en dimiuant le volume d'échanges par noeuds\n")

## [1] "Le nombre de collisions obtenue en dimiuant le volume d'échanges par noeuds\n"

collisions.count1

## [1] 20 23 22 26 26 26 28 31 30 30 34 34 37 36 40 43 44

## [18] 47 49 51 55 57 60 63 66 68 75 76 79 87 89 96 101 106

## [35] 116 120 122 130 136 146 155 167 176 183 193 209 221 229 246 253 271

## [52] 281 306 321 339 356 375 393 419 442 463 494 519 547 578 608 645 676

## [69] 727 759 808 845 888 939 991

# vecteur taille moyenne des subgroupe

volume_echange = vector("numeric", length(collisions.count1))

for (i in 1:length(collisions.count1)){

volume_echange[i] = mean(sample((200 - 2*i):(300 - 2*i)))}

plot(volume_echange,collisions.count1, main = "l'évolution des collisions en fonction du volume d'échange par noeud ", ylab = "nobmre de collisions", xlab = "volume d'échange moyen par noeuds", col = "blue")

Chú thích: Collision sensibility as function of volume of transactions - Độ nhạy đối với va chạm như một hàm của khối lượng giao dịch, Collisions – Va chạm, volume of transactions – khối lượng giao dịch

Số lượng va chạm giảm mạnh theo khối lượng giao dịch.

45

3. Độ nhạy đối với va chạm tùy thuộc kích thước mạng lưới

N = 7000

collisions.count2 = vector("numeric", 30)

n = 0

for (i in seq(1000,N,200)){

collisions.mean = vector("numeric", 20)

for (j in 1:20) {

list.of.samples = lapply(1:i, function(x) {

Subsize = sample(100 : 200) # choisir la taille du subgroupe aléatoirement

Size = sample(200:300) # Choisir aléatoirement Le nombre d'échanges pour chaque noeud

subgroupe <- sample(1:i, size = Subsize ) # construire le subgroupe de taille Subsize

sample(subgroupe,size=Size, replace = TRUE)}) # construire le vecteur d'échanges

echange_length <- lapply(list.of.samples, function(x) length(x)) # vecteur contenant le volume d'échanges pour chaque noeuds dans le système

echange_tot <- sum(unlist(echange_length)) # Le volume d'échange totale dans le système

echange_fraq <- unlist(echange_length)/echange_tot # la fraction d'échanges pour chaque noeuds

E_vect <- vector("numeric", i)

E_pondere <- vector("numeric", i)

for (k in 1:i){

freqs = table(list.of.samples[k])/length(list.of.samples[k])

E_vect[k] <- entropy.empirical(freqs, unit = "log2")

E_pondere[k] <- E_vect[k]*echange_fraq[k] }

46

collisions.mean[j] = i - length(unique(E_pondere))

}

collisions.count2[n] = round(mean(collisions.mean))

n = n + 1 }

print("Le nombre de collisions obtenue en augmentant le nombre de noeuds dans le système \n")

## [1] "Le nombre de collisions obtenue en augmentant le nombre de noeuds dans le système \n"

collisions.count2

## [1] 1 1 2 2 3 4 5 6 6 6 8 10 10 12 13 13 15 17 18 20 22 24 27

## [24] 26 29 31 32 34 37 42

# vecteur taille moyenne des subgroupe

Taille_Systeme = vector("numeric", length(collisions.count2))

for (i in 1:length(collisions.count2)){

Taille_Systeme[i] = 1000 + i*200}

plot(Taille_Systeme,collisions.count2, main = "l'évolution des collisions en fonction de la Taille du Système ", ylab = "nobmre de collisions", xlab = "La taille du Système", col = "blue")

47

Chú thích: Collision sensibility as function of network size – Độ nhạy cảm đối với va chạm như hàm của kích thước mạng lưới,

Collisions – Các va chạm, Network size – kích thước mạng lưới.

Có thể thấy rằng va chạm tăng khi kích cỡ của mạng lưới tăng (tăng tổng số roBots trong hệ thống).

Tuy nhiên, đường cong của sự tăng trưởng nhỏ hơn so với mức tăng do kích cỡ của phân nhóm.

Kết luận: Phân tích thống kê trong bài viết này dựa trên hai giả định chính: sự ổn định của hệ thống và

sự ngẫu nhiên của các giao dịch. Trong thực tế, khi mạng lưới phân tán hoạt động, hệ thống không ở

trạng thái tĩnh và các giao dịch là ngẫu nhiên nhưng tất định và trong một số trường hợp phi tuyến

tính. Tuy nhiên, phân tích giả định phi thực tế này cho thấy một số kết quả về sự tiến triển của entropy

trọng số như một hàm của các tham số mạng như kích cỡ mạng, khối lượng giao dịch hay kích cỡ phân

nhóm.

Phân tích cho thấy các va chạm entropy trọng số tăng tỷ lệ thuận với kích cỡ mạng lưới và cũng tăng

nhưng nhanh hơn với kích thước phân nhóm. Liên quan đến khối lượng giao dịch, tham số va chạm

giảm khi khối lượng giao dịch tăng.

48

Phụ lục 5: Các quy trình ngẫu nhiên và hỗn loạn Một câu hỏi chính đáng khi đọc bài viết này là mối quan hệ giữa NeuroChain và quá trình ngẫu nhiên

là gì? Câu trả lời rất đơn giản: trong thuật toán đồng thuận của NeuroChain, cuộc bầu cử leader trong

hội đồng cấu thành là một quá trình xác suất dựa trên việc lấy mẫu ngẫu nhiên. Đặc tính ngẫu nhiên

này là nguyên tắc cơ bản để đảm bảo sự tin tưởng và tính không thể dự đoán trong hệ thống.

Trong khoa học máy tính, ngẫu nhiên (Prof. Gregory. J. Chaitin) rất khó đạt được vì tất cả các chương

trình đều được xác định (một chuỗi các hướng dẫn). Để tạo ra các con số ngẫu nhiên, có hai cách tiếp

cận, sử dụng bộ tạo số ngẫu nhiên giả và bộ tạo số ngẫu nhiên thực. Các phương pháp tiếp cận này có

đặc điểm khác nhau (Dr Christopher Wetze).

Bộ tạo số ngẫu nhiên giả: nói đúng ra, giả có nghĩa là quá trình này không phải là ngẫu nhiên như tung

xúc sắc. Bộ tạo số ngẫu nhiên giả là các thuật toán dựa trên toán học hoặc bảng tính trước để tạo ra

một dãy số xuất hiện ngẫu nhiên. Một ví dụ của thuật toán này là phương pháp đồng dư tuyến tính.

Nghiên cứu sâu rộng về các thuật toán hiện đại đã được bắt đầu trong vài năm qua vì tầm quan trọng

của nó đối với nhiều mục đích khác nhau như mã hóa khi tạo các private key và public key.

Bộ tạo số ngẫu nhiên thực: trong trường hợp này sự ngẫu nhiên được lấy từ các hiện tượng vật lý và

kết nối nó với môi trường máy tính. Điều này cũng giống như một quả xúc sắc kết nối với máy tính. Các

nhà khoa học sử dụng các hiện tượng vật lý thực tế dễ kết nối với máy tính. Trong thực tế, các hiện

tượng vật lý đơn giản như các biến thể nhỏ của các chuyển động chuột hoặc khoảng thời gian giữa các

lần nhấn phím. Tuy nhiên, những nguồn này có hạn chế riêng. Một trong những hiện tượng vật lý tốt

là nguồn phóng xạ vì các điểm trong không gian thời gian mà tại đó một nguồn phóng xạ bị phân rã là

hoàn toàn không thể đoán trước. Ngoài ra chúng cũng có thể dễ dàng được kết nối với máy tính. Một

hiện tượng khác là tín hiệu nhiễu trong môi trường truyền lan, có thể dễ dàng bắt tín hiệu này bằng

một đài phát thanh bình thường. Ngoài ra còn có phương pháp dựa trên entropy, ví dụ thu thập từ

nhiều nguồn khác nhau như số lần truy cập web nhận được từ các bể entropy trong máy chủ web.

Bảng dưới đây cung cấp cái nhìn tổng quan về sự khác nhau giữa hai cách tiếp cận.

Đặc điểm Bộ tạo số ngẫu nhiên giả Bộ tạo số ngẫu nhiên thực

Hiệu quả Xuất sắc Kém

Tính xác định Xác định Không xác định

Tính chu kỳ Có chu kỳ Không chu kỳ

Quá trình hỗn loạn và Sự kiện lượng tử

Có những quá trình khác trông giống như ngẫu nhiên nhưng không phải vậy. Một trong những quá

trình phổ biến nhất là quá trình hỗn loạn. Quá trình hỗn loạn là quá trình phi tuyến tính xác định có hai

đặc điểm chính:

- Phụ thuộc rất lớn vào điều kiện ban đầu

49

- Tính chu kỳ cao nghĩa là nếu hệ thống gặp tại một vị trí cụ thể nó sẽ gặp lại tại vị trí này với

số lần vô cực

Một ví dụ điển hình của quá trình hỗn loạn là hiệu ứng cánh bướm khi một sự thay đổi nhỏ trong điều

kiện ban đầu gây ra một hiệu ứng lớn trong hệ thống.

Trong một số trường hợp, quá trình hỗn loạn là một phương pháp hiệu quả để tạo ra các số ngẫu nhiên

do sự xuất hiện ngẫu nhiên của nó và dễ lấy làm mô hình. Biên giới giữa các quá trình ngẫu nhiên và

hỗn loạn rất nhỏ vì quá trình ngẫu nhiên có thể được coi là một dạng động hỗn loạn rất phức tạp.

Ví dụ, chúng ta có thể sử dụng tín hiệu gây nhiễu trong môi trường truyền lan để tạo ra các số ngẫu

nhiên. Tuy nhiên để dự đoán những con số này, vị trí và tốc độ của mỗi hạt trong không khí phải được

xác định trong mô hình hệ phi tuyến tính. Dễ thấy việc này rất khó khăn.

Cơ học lượng tử là một nhánh của vật lý mô tả vũ trụ ở cấp độ nguyên tử và hạ nguyên tử sử dụng

toán học. Các hạt hạ nguyên tử có vẻ hoạt động ngẫu nhiên vì không có bất kỳ thông tin gì liên quan

đến nguyên nhân của những sự kiện này. Do vậy, các sự kiện này được cho là vốn không xác định.

Trong trường hợp này sự kiện lượng tử có thể được sử dụng để tạo ra sự ngẫu nhiên.

Cuối cùng, ngẫu nhiên chủ yếu phụ thuộc vào định nghĩa của nó, nó là điều gì đó không thể đoán trước

bởi con người hay những thứ lớn hơn. Bởi vì vũ trụ được xác định bởi sự tồn tại của nó.

Sau khi có một quy trình ngẫu nhiên nhất quán cho mỗi Bot, phải phân phối quá trình này qua n Bots.

Để làm điều đó, một phương pháp hiệu quả được sử dụng, đó là dùng các chức năng toán học để đạt

được sự đồng thuận trong mạng lưới. Một phương pháp được đề xuất và bắt nguồn từ mật mã là:

𝑅𝑎𝑛𝑛 = ∑ 𝐴𝑎𝑙

𝑛

𝑚𝑜𝑑 𝑛

trong đó 𝑅𝑎𝑛𝑛 là số ngẫu nhiên trên mạng và 𝐴𝑎𝑙 là số ngẫu nhiên của mỗi Bot. 𝑅𝑎𝑛𝑛 được mong đợi

sẽ giống nhau cho tất cả các Bot. Một cách rõ ràng, 𝑅𝑎𝑛𝑛.

Kết luận, tính ngẫu nhiên là rất quan trọng đối với quá trình bầu cử và phương pháp lựa chọn phân tán

ngẫu nhiên được sử dụng phụ thuộc vào mức độ bảo mật và phức tạp có thể có liên quan đến

NeuroChain.

50

Tài liệu tham khảo A. Chao and T-J. Shen. (2003). Nonparametric estimation of Shannon's diversity index when there are

unseen species in sample. Environmental and Ecological statistic Statistics , DOI:

10.1023/A:1026096204727.

A.N. Kolmogorov. (1965). These appraoches to the definition of the concept of quantity of information.

Problemy Peredachi Informatsii 1, 3-11.

Benet, J. (2016). Distributed Web . MIT Licence.

C.E. Shannon. (1948). A mathematical theory of communication. Bell System Technical Journal, vol. vol.

27, p. 379-423 and 623-656.

Darwiche Adnan. (2009). Modeling and Reasoning with Bayesian Networks. Cambridge University

Press, ISBN 978-0521884389.

Dr Christopher Wetze. (không ngày tháng). Can You Behave Randomly?

Gelman, A., Carlin, J. B., Stern, H. S., & Donald B Rubin. (2003). Fundamentals of Bayesian Data Analysis:

Ch.5 Hierarchical models. CRC Press. ISBN 978-1-58488-388-3., 120.

Giarratano, J. C., & Gary Riley. (1998). Expert Systems. PWS Publishing Co. Boston, MA.

Goldreich Oded. (2008). Computational Complexity: A Conceptual Perspective. Cambridge University

Press.

Gupta, A., Forgy, C., Newell, A., & Wedig, R. (1986). Parallel algorithms and architectures for rule-based

systems. ACM Digital Library.

(không ngày tháng). Hypertext Transfer Protocol 1.0.

Lamport, L. (1978). Time, Clocks, and the Ordering of Events in a Distributed System. Communications

of the ACM, vol. 21, no 7, p. 558-565.

Leslie Lamport. ( 2004). Lower Bounds for Asynchronous Consensus.

Marshall Pease. (1980 ). Reaching Agreement in the Presence of Faults. Journal of the Association for

Computing Machinery, vol. 27, no 2 .

Myers, S. A., Zhu, C., & and J. Leskovec. (2012). Information diffusion and external influence in

networks. SIGKDD, 33.

Nakamoto, S. (2009). Bitcoin: A Peer-to-Peer Electronic Cash System. 4.

P. W. Atkins. (1998). Éléments de chimie physique. De Boeck Université.

Prof. Gregory. J. Chaitin. (không ngày tháng). Exploring RANDOMNESS: algorithmic information theory.

(1995). SMTP Service Extension for Message Size Declaration. RFC1870.

Vandervort D, G. D. (không ngày tháng). Issues in Designing a Bitcoin-like Community Currency. Brenner

M, Christin N, Johnson B, Rohloff K,.

Yang, J., Chen, B., & and D. Agarwal. (2013). Estimating sharer reputation via social data calibration.

SIGKDD, 59.