Sama seperti otak manusia, algoritma pembelajaran AI dan mesin memerlukan masukan data untuk menyimpulkan suatu kesimpulan. Data mining adalah proses komputasi untuk menemukan pola dalam kumpulan data yang besar dan membantu mengurangi set struktur data yang besar agar algoritma pembelajaran mesin dapat membuat keputusan dan kesimpulan. Akibatnya, karena organisasi dan perusahaan mengumpulkan kumpulan data besar sebagai bagian dari operasi sehari-hari mereka hampir pada setiap aspek kinerja
pemasok dan klien mereka, mereka mencari cara baru untuk menerapkan metode pembelajaran AI dan mesin untuk memperoleh wawasan manajerial baru dari data secara terus menerus. Meskipun demikian, alat pembelajaran AI dan mesin untuk menganalisis sejumlah besar data memerlukan sejumlah besar daya komputasi yang sering tidak dimiliki oleh organisasi, sehingga mengharuskan mereka berlangganan layanan awan komersial dan mengunggah file data sensitif mereka ke server perusahaan lain. Karena sifat data yang konfiden dan nilai komersialnya, banyak perusahaan yang mengelolanya, karenanya tidak diuntungkan dari nilai potensi analisis database mereka dengan metode AI yang canggih.
Teknologi blockchain memberikan solusi unik dan sepenuhnya aman untuk memproses, menyimpan dan mendistribusikan data dan menjaga konsistensi dan integritas mereka yang dapat digunakan untuk kasus penggunaan seperti pemrosesan yang rusak. Blockchain hanyalah blok data yang disatukan dan dirantai menggunakan hash sebelumnya dan bloknya saat ini untuk menjaga konsistensi di seluruh rantai (Vijayan, 2017). Blockchains menggunakan algoritma SHA256 untuk membuat hash. Sifat unik dari hash membuat sumber dayanya intensif untuk di crack karena hash SHA256 hanya bisa dipecahkan hari ini melalui kekerasan dengan daya komputasi yang belum tersedia di pasar perangkat keras komersial (Vijayan, 2017).
Data mining terdistribusi dari dataset besar diperkenalkan oleh SETI Institute melalui program BOINC (Estrada et al., 2009). Pengenalan 'Bitcoin' dan bukti mekanisme kerja memungkinkan kerangka kerja untuk memberikan insentif kepada penambang data untuk pekerjaan dan energi guna menyelesaikan serangkaian perhitungan besar yang diperluas untuk memproses data melalui jaringan yang terdesentralisasi (Nakamoto, 2008).
Ada banyak proyek yang sedang berlangsung dalam hal menyediakan penyimpanan yang aman melalui jaringan yang terdesentralisasi. Jaringan penyimpanan de-terpusat didefinisikan sebagai platform awan tempat simpul menyimpan sebagian data atau file atau keseluruhan rangkaian data dalam blokir. Beberapa nama yang lebih terkenal di ruang ini adalah proyek FileMoin, IPFS, SiaCoin, Storj, NextCloud, dan NEM's Mijin (lihat misalnya Protokol Labs, 2017). Keandalan dan privasi pada jaringan desentralisasi bisa menjadi masalah utama. Sebagian besar jaringan terdesentralisasi tidak dilengkapi untuk memulihkan data yang hilang jika node hosting mengalami kerusakan perangkat keras atau node dengan file konfigurasi jahat yang bermaksud untuk meng-hack penerima file (masalah umum yang mengganggu wabah torrent).
IAGON dibangun tidak hanya untuk melayani jaringan terdesentralisasi tetapi juga bekerja dengan penyimpanan data penyimpanan saat ini seperti database SQL dan NoSQL. Pendekatan yang dilakukan dengan IAGON unik untuk penggunaan IAGON yaitu algoritma pembelajaran mesin untuk mendistribusikan muatan ke jaringan terdesentralisasi untuk diproses dan kemudian mengenkripsi / mendekripsi data yang mengalir melalui sistemnya. Ada banyak kasus penggunaan yang dapat IAGON layani. IAGON dapat menyediakan penyimpanan yang aman melalui jaringan terpusat, terdesak atau terdesentralisasi, mendistribusikan pemuatan data di seluruh jaringan penambang data untuk analisis data, memberikan solusi aman untuk menciptakan kontrak cerdas melawan blockchain, atau berfungsi untuk mengidentifikasi node yang jujur dan menyerang dalam sebuah sistem.
IAGON bertujuan untuk menyediakan pengguna dan penambang fleksibilitas lengkap dan kebebasan memilih dalam menyediakan dan mengkonsumsi layanan awan terdesentralisasi. Oleh karena itu, IAGON akan menyediakan beberapa solusi blockchain, menjalankan penyimpanan awan dan operasi pemrosesannya baik di blokir Ethereal dan pada Tangle. Pengguna dan penambang dapat memilih Ethereum atau Tangle untuk menyimpan file mereka dengan aman, memproses tugas komersil, membayar dan menerima IAGON token untuk layanan awan, dan terutama untuk mendapatkan keuntungan besar dalam mendapatkan akses ke pasar dan negara yang menonjol. Teknologi canggih.
Pasar Data Besar ditandai oleh adopsi arsitektur Data Lake yang baru-baru ini, seperti sistem informasi yang berbasis pada kerangka Hadoop, oleh perusahaan besar. Arsitektur Data Lake didasarkan pada implementasi database pusat NoSQL (seperti MongoDB, HBase atau Cassandra) dimana file apapun dapat disimpan dan diambil dari. Perusahaan hampir dapat menentukan penyimpanan utama untuk informasi dan file data mereka yang tidak bergantung pada konten atau jenis file dan menyediakan sumber yang mudah digunakan dan mudah diakses untuk semua file yang dikelola baik di UKM, perusahaan menengah atau perusahaan besar.
Meskipun demikian, arsitektur data danau menunjukkan bahwa setelah di-hack, penyusup dapat "berenang" dalam sistem basis data, mengeksplorasi file dan mendapatkan akses ke data berharga yang menjelaskan setiap aspek operasi organisasi yang diretas. Salah satu kegunaan utama teknologi Secure Lake IAGON dalam mengenkripsi, mengiris dan mendistribusikan file data danau adalah "pembekuan" danau, yang melarang dengan cara enkripsi dan desentralisasi file dari pihak manapun untuk navigasi di dalam danau data setelah mendapatkan akses ke itu
Hacking Data Lake dari setiap organisasi menghadapkannya pada risiko keamanan, privasi dan finansial yang tidak terbatas, dari publikasi informasi pribadi klien secara online, melalui penggunaan dan penjualan pemasok dan data sensitif komersial ke rahasia perdagangan dagang, korespondensi internal dan digital. barang (seperti kode sumber dan desain produk baru). Kerentanan serta kemungkinan hacking database data Big Data dan Data Lake diposkan ke publik secara umum, terutama organisasi peringatan terhadap pelanggaran keamanan yang mungkin meningkat karena penggunaan platform ini. . Beberapa contoh dari tahun-tahun belakangan ini menggambarkan cakupan ancaman dan risiko yang luas terhadap organisasi (juga bagi pelanggan dan pemasok mereka) yang mengakibatkan hacking sistem dan database TI mereka:
• Pada bulan Januari 2017, Camarda (2017) melaporkan bahwa "Serangan Hadoop mengikuti serangan yang terus berlanjut terhadap MongoDB, ElasticSearch, dan Apache CouchDB. Dalam beberapa kasus, penjahat telah dikenal untuk mengkloning dan menghapus database, mengklaim memegang dokumen asli untuk mendapatkan uang tebusan. Dalam serangan lain, mereka hanya menghapus database tanpa menuntut pembayaran. "
• Pada periode yang sama, Constantin (2017) melaporkan bahwa "Hanya masalah waktu sampai kelompok ransomware yang menghapus data dari ribuan database MongoDB dan cluster Elasticsearch mulai menarget teknologi penyimpanan data lainnya ... 126 kasus Hadoop telah dihapus sejauh ini Lakukan dengan baik di antallet dari pada vil komme, fordi det er tusenvis av Hadoop-implementeringer som er tilgjengelige fra internett, selv om det er vanskelig å si hvor kudis er sårbare. Penyerang tegen MongoDB en Elasticsearch volgde een gelijkaardig patroon. De aantal MongoDB-slachtoffers melambai van honderden tot duizenden di een kwestie van uren en tot tienduizenden binnen een week. Hitungan terakhir menempatkan jumlah database MongoDB yang dihapus di lebih dari 34.000 dan cluster Elasticsearch yang dihapus di lebih dari 4.600. "
• Claburn (2017) menunjukkan bahwa tindakan penyerang pada sistem berbasis Hadoop mungkin termasuk menghancurkan node data, volume data, atau foto dengan data terabyte dalam hitungan detik.
• Laporan sebelumnya menjelaskan bagaimana cara hack ke sistem Hadoop dan untuk mengeksploitasi kerentanan mereka untuk menghancurkan atau menyalin data dalam jumlah besar (lihat misalnya Gothard, 2015).
Mengingat sifat kerentanan yang terpapar, dan hal-hal yang belum dimanfaatkan oleh penyerang, namun mungkin ada dalam sistem, serta kurangnya kebijakan audit keamanan cyber yang sedang berjalan di banyak organisasi, basis data pada umumnya terpapar pihak lain. , jika mereka memutuskan untuk menerapkan teknik intrusi ini. Hasil untuk organisasi apapun dapat menjadi bencana besar dan memiliki dampak yang besar terhadap operasinya. Sebagai ilustrasi, peretas Equifax, yang dilaporkan pada bulan September 2017, mengungkapkan data pribadi dari 143 juta pelanggan, menyebabkan penurunan 19% dari nilai pasar Equifax di siang hari.
IAGON's Secure Lake didasarkan pada teknologi enkripsi blockchain yang tidak dapat dipecahkan, pada penguraian dan penyimpanan file dari irisan kecil, anonim dan sangat terenkripsi dari file asli memastikan perlindungan file data yang lengkap, jenis file lainnya (seperti scan, foto dan video) dan database dari berbagai ukuran dan memastikan pencarian cepat dan update dari setiap file yang tersimpan. Kecuali pengguna yang mengunggah file dengan aman dan memiliki kata kunci (kunci) untuk mengambil dan mengenkripsinya, tidak ada yang bisa membaca isi irisan file kecil, mengenkripsi, menghapus, mengubah, mengambilnya, mengidentifikasi sumbernya atau bahkan menghubungkannya. dengan irisan file lain yang dihasilkan dari file asli yang diupload. Teknologi IAGON memastikan bahwa bahkan ketika sistem informasi dilanggar dengan cara apapun, data dan file yang mereka gunakan tidak dapat diakses, dihapus atau dimodifikasi dengan cara apapun.
Meningkatnya permintaan akan kekuatan pemrosesan terbukti antara lain dengan meningkatnya penjualan sistem NVIDIA untuk Pembelajaran Mesin dan Pembelajaran Deep Learning, serta operasi canggih lainnya dari Kecerdasan Buatan yang memerlukan volume komputasi dan kemampuan pemrosesan yang luas. Domain teknologi inovasi berbasis AI yang membutuhkan kapasitas pemrosesan daya yang besar (kebanyakan dipasok oleh baterai server dengan jumlah CPU dan GPU yang besar) meliputi pengenalan wajah, pemrosesan video, analisis suara, analisis teks, pengenalan pola pada database Big Data dan digital. repositori dokumen, mobil otonom, sistem pendukung keputusan IoT dan masih banyak lagi. Teknologi dan aplikasi aI diharapkan tumbuh secara eksponensial
More Informations :
Website : https://www.iagon.com
Whitepaper : https://www.iagon.com/pdf/Iagon%20Whitepaper%20v3.2.pdf
ANN Thread : https://bitcointalk.org/index.php?topic=2945888.0
Facebook : https://www.facebook.com/IagonOfficial/
Twitter : https://twitter.com/IagonOfficial
Telegram : https://t.me/Iagon_official
Reddit : https://www.reddit.com/user/iagon_official/
Written By Ansul
BTT Profil URL : https://bitcointalk.org/index.php?action=profile;u=1929748
Telegram : https://t.me/EllyZulkifly
Facebook : https://www.facebook.com/elly.uchiha
Twitter : https://twitter.com/EllyZulkifly_66
Coins mentioned in post: