> Data > Le Machine Learning au service du monitoring de la Blockchain

Le Machine Learning au service du monitoring de la Blockchain

Data - Par Sabine Terrey - Publié le 13 février 2018

La Blockchain se base sur des environnements de plus en plus complexes, ce qui requiert une nouvelle approche en matière de monitoring de la performance. Antoine Ferte, Sales Engineer Director chez Dynatrace, revient sur le sujet.

Le Machine Learning au service du monitoring de la Blockchain

Selon Blockchain France, la Blockchain est « une technologie de stockage et de transmission d’informations, transparente, sécurisée et fonctionnant sans organe central de contrôle ». Composée de « blocs » connectés et sécurisés via un procédé de cryptographie, elle constitue une base de données distribuée et partagée entre les utilisateurs, sans intermédiaire, permettant d’enregistrer l’ensemble des transactions effectuées entre deux parties.

 

La Blockchain va au-delà de la sphère financière, mais à quels domaines s’étend-t-elle ? 

Apparue en 2008 avec la monnaie numérique Bitcoin, la Blockchain a longtemps été considérée comme intimement liée au secteur financier.

Mais comme de nombreuses technologies disruptives, la Blockchain fait émerger de nouveaux usages et modèles économiques, qui vont au-delà de la simple sphère financière et de la monnaie numérique : transfert d’actifs, traçabilité de produits, smart contracts…

Les possibilités d’exploitation de la Blockchain à des fins de sécurisation de tous types de transactions sont immenses et de nombreuses entreprises commencent à s’y intéresser de près.

 

Téléchargez gratuitement cette ressource

Gestion et Sécurité Windows 10 & Office 365

Gestion et Sécurité Windows 10 & Office 365

Voici les meilleures pratiques pour optimiser le déploiement, la gestion et la sécurité des environnements Office 365 & Windows 10 avec VMware Workspace ONE. Découvrez, dans ce Guide Enjeux et Perspectives, comment être mobile et productif en toute sécurité.

Quels sont les défis du monitoring de la Blockchain ?

Investir dans la technologie Blockchain est une chose mais relever les défis en est une autre. En effet, il faut gérer la complexité des environnements de conteneurs et de microservices sur lesquels s’appuie une Blockchain.

Cette technologie nécessite une énorme puissance de traitement et de réseau, pour exécuter des milliers de transactions par minute. La question de la performance de la Blockchain et de l’ensemble des transactions qui s’y opère est donc cruciale.

Peu de recherches ont été effectuées sur l’impact que pouvait avoir l’ajout d’une transaction sur la performance d’une Blockchain et des applications qu’elle supporte.

Le sujet du monitoring de la Blockchain se limite à des indicateurs relatifs à la santé de la chaîne. Mais aucune réponse quant à l’impact d’un problème d’infrastructure ou de réseau sur l’exécution d’une transaction, ni sur la façon de comprendre les problèmes pouvant potentiellement affecter les utilisateurs finaux.

Monitorer une Blockchain nécessite donc d’avoir une visibilité, sur l’ensemble de la pile technologique et sur chaque transaction. Ce n’est qu’à cette condition qu’une organisation peut s’assurer que son application, ses services, ses processus, son réseau et son infrastructure fourniront 100% de disponibilité et de performances.

Mais tout cela nécessite d’adopter une nouvelle vision et une nouvelle approche du monitoring de la performance.

 

Comment le monitoring peut-il assurer la performance de la Blockchain ?

Seul un monitoring piloté par une intelligence artificielle et basé sur des algorithmes de machine learning permet d’en référencer l’ensemble des entités et leurs dépendances.

Aujourd’hui, nous monitorons les applications basées sur la technologie de Blockchain. Grâce à notre monitoring piloté par l’IA, nous détectons et référençons 100% du trafic opéré sur une Blockchain, de l’utilisateur jusqu’à l’infrastructure.

L’IA déterministe, contrairement à l’IA cognitive, permet de monitorer, en temps réel, une Blockchain s’exécutant dans des environnements élastiques en perpétuelle évolution, grâce à la découverte et au référencement automatiques de toutes les entités, de leurs relations, de toutes les ressources utilisées et nouvelles transactions.

Les algorithmes comparent les périodes de temps et créent des vues multidimensionnelles des données, pour déterminer et classer les problèmes susceptibles de se produire dans la chaîne.

Les organisations développent ainsi des applications capables de s’auto-réparer.

Data - Par Sabine Terrey - Publié le 13 février 2018