Η παρούσα διδακτορική διατριβή ερευνά τα οφέλη που προκύπτουν από τον συνδυασμό τεχνολογιών από τους ακόλουθους τομείς: α) ομόσπονδη μάθηση (Federated Learning, β) τεχνολογίες κατανεμημένου καθολικού (Distributed Ledger Technologies) όπως είναι τα Blockchain δίκτυα και γ) βιομηχανικές εφαρμογές. Η συνεχώς αυξανόμενη χρήση εφαρμογών τεχνητής νοημοσύνης έχει καταστήσει εμφανές ότι η ποιότητα των μεγάλων δεδομένων για εκπαίδευση μοντέλων μηχανικής μάθησης επηρεάζει την απόδοση των τελικών μοντέλων. Για το σκοπό αυτό, η ομόσπονδη μάθηση αποσκοπεί στη συμμετοχή πολλαπλών οντοτήτων που συμβάλλουν στη διαδικασία μάθησης με τοπικά δεδομένα, χωρίς να απαιτείται η κοινή χρήση των πραγματικών δεδομένων. Σε πραγματικές περιπτώσεις χρήσης, οι ανταμοιβές που λαμβάνουν οι χρήστες για τη συμβολή τους στη διαδικασία μάθησης θα πρέπει να εξαρτώνται από τη ποιότητα της συμβολής τους. Έχοντας λοιπόν υπόψιν τη σπουδαιότητα των δεδομένων εκμάθησης, η διατριβή σχεδίασε και στη συνέχεια υλοποίησε μηχανισμό ομόσπονδης μάθησης ο οποίος συντονίζεται από δίκτυο blockchain. Στη συνέχεια, εστιάζει σε τρόπους ενίσχυσης της αφοσίωσης των χρηστών, προσφέροντας "δίκαιες" ανταμοιβές, ανάλογες με τη πραγματική βελτίωση του μοντέλου (ως προς την ακρίβεια) που προσφέρουν. Επιπλέον, για να καταστεί δυνατή η αντικειμενική κρίση της ποιότητας της συνεισφοράς, σχεδιάστηκαν ειδικά έξυπνα συμβόλαια που λειτουργούν πάνω σε τεχνολογίες blockchain. Πιο συγκεκριμένα, έχει αναπτυχθεί ένας αλγόριθμος επαλήθευσης που χρησιμοποιείται για την αξιολόγηση της απόδοσης των συνεισφορών των χρηστών, συγκρίνοντας την ακρίβεια του συνολικού μοντέλου με ένα σύνολο δεδομένων επαλήθευσης. Ο αλγόριθμος έχει σχεδιαστεί για να εκτελείται μέσα σε ένα έξυπνο συμβόλαιο και να καταγράφει τις επιδόσεις (με τη μορφή συστήματος πόντων) σε ένα κατανεμημένο εδάφιο. Η παρούσα διατριβή ανέπτυξε λύσεις για την βελτίωση ασφάλειας σε βιομηχανικούς προγραμματιζόμενους λογικούς ελεγκτές (PLC), επιτρέποντάς τους να λαμβάνουν εντολές και παραμέτρους από ένα δίκτυο blockchain. Το δίκτυο σε αυτή τη περίπτωση αναλαμβάνει δύο ρόλους: χρησιμεύει ως αμετάβλητη βάση καταγραφής ενεργειών ελέγχου (audit trails) καθώς και ως αξιόπιστη πηγή για κρίσιμες εντολές και παραμέτρους. Σε αντίθεση με τον συμβατικό έλεγχο των PLC από συσκευές διεπαφής ανθρώπου-μηχανής (HMI), αυτή η νέα προσέγγιση δεν απαιτεί πρόσβαση εγγραφής στο επίπεδο του PLC, ελαχιστοποιώντας έτσι την επιφάνεια επίθεσής του και συμβάλλοντας στην προστασία από γνωστές ευπάθειες και νέες ευπάθειες (zero day) που εμφανίζονται συχνά σε κυβερνοεπιθέσεις. Το δίκτυο blockchain χρησιμοποιείται επίσης ως βάση δεδομένων που υποστηρίζει ιχνηλάτηση για τις ενέργειες των χρηστών, ιδιαίτερα χρήσιμο για εφαρμογές που επιβάλλουν την καταγραφή των ενεργειών των χρηστών ή για παράδειγμα όπως ορίζουν οι καλές πρακτικές παραγωγής (GMP).