Beszélgetés Fehér Dániellel (University of Luxembourg)
A matematika szép, de mindenkinek kicsit másért az. Te annak idején gyerekként miért szeretted a matekot?
Ha van valami, ami nagyon megfog, az az, amikor egy nagyon bonyolult problémára van egy szép, egyszerű megoldás. Ezek az „Aha! Heuréka!” pillanatok azok, amelyekhez az utat nehéz megtalálni, de amikor az ember rájön, ott a dopamin. Talán nem mindenkit, de én olyan vagyok, akit ez jobb kedvre derít.
Milyen iskolákba jártál?
Tokaj-Hegyaljáról származom, egy Tállya nevezetű kis faluból. Onnan a szerencsi Bocskai István Gimnázium hatosztályos képzésére mentem az általános iskola után.
Miért választottad a matek szakot?
A középiskolában még nem nagyon tudtam, mit szeretnék csinálni, nem volt konkrét tervem, hogy például ilyen vagy olyan mérnök leszek. Mindenképpen reál irányba akartam továbbmenni, de azon belül gőzöm sem volt. A matek mindig is jól ment, és a középiskolai szuper matektanárom, Bodnár György volt az, aki biztatott, hogy menjek matematika szakra, mert szerinte képes vagyok megcsinálni. Én nem feltétlenül értettem egyet vele akkor, de szerencsére igaza lett. Így kerültem az ELTE-re, alkalmazott matematika szakirányra.
Milyennek találtad a BSc képzést?
Amikor odakerültem az egyetemre, volt bennem egy félelemérzet, hogy lesz ott rengeteg diák, akik híres-neves gimnáziumokból, sokkal több matekórával a zsebükben jönnek, de szerencsére annyira nem vettem észre ezt a hátrányt, mert a tárgyakat a nulláról építették fel, és mindent részletesen elmagyaráztak. A BSc képzésben olyan alapvető tudásra tettem szert, amit azóta folyamatosan alkalmazok, legyen szó operációkutatásról, lineáris algebráról, valószínűségszámításról vagy éppen statisztikáról.
Emellett az egyik legfontosabb, amit tanultam, az, hogy hogyan kell jól tanulni és megismerni új területeket.
Olyan szempontból is jó választás volt a matek, hogy ott később is lehetősége van az embernek különböző irányokba elmozdulni.
Milyen területen látod versenyképesnek a matematikus végzettséget?
Bankszektorban, befektetői cégeknél, informatikai cégeknél stb. Az adatelemzés, adattudomány területekhez is nagyon erős alapot ad a matek. El lehet helyezkedni bármilyen elemző irányban, legyen az logisztika vagy bank, ahol az algoritmikus, kreatív gondolkodást lehet alkalmazni.
Te hogyan folytattad a tanulmányaidat a BSc után?
A BSc végén jelentkeztem az EIT Digital Master School mesterképzésre, és az első évet Olaszországban, Trentoban, a második évet Budapesten töltöttem. Itt kriptográfia szakirányon tanultam tovább.
Akkoriban, amikor a mesterszakos diplomámat írtam, nagyon megtetszett a kutatás, és bár előtte más terveim voltak, ez megfordult, és eldöntöttem magamban, hogy jelentkezem doktori képzésre. Szétnéztem a nemzetközi lehetőségek között is, és gondoltam, mi veszteni valóm lehet, elküldtem a jelentkezésemet a Luxemburgi Egyetemre, ahová néhány interjú után fel is vettek.
Hogyan zajlott a felvételi a doktori képzésre?
Több, mint 70 jelentkező közül választottak ki 5 jelöltet, akiket visszahívtak online interjúra. Először egy Kenguru tesztverseny feladatsort kellett megoldani, és utána a megoldásainkat elmagyarázni. Egy másik alkalommal nehezebb algoritmikus kérdéseket kaptunk, amelyeken egy hétig gondolkodhattunk. Végül a leendő témavezetőmmel is volt egy interjú, és utána hívtak, hogy megkaptam a lehetőséget.
A PhD képzés alatt konszenzusos protokollokkal és blokkláncokkal foglalkoztál. Mik azok a konszenzus protokollok?
Ezek olyan többszereplős rendszerek (multiágens rendszer a magyarban használt szakmai kifejezés), amelyekben a szereplőknek valamilyen biztonságos módon meg kell egyezniük valamilyen adaton. Ilyen adat lehet például pénzügyi tranzakciók ellenőrzése (van-e elég fedezet) és ugyanazon sorrendbe helyezése minden szereplőnél. Ezekben a rendszerekben a nehézség az, hogy lehetséges valamilyen hiba létrejötte, például az egyik szereplő fölött átveszi az irányítást egy támadó. A rendszeren belül a helyesen működő szereplőknek azonban ilyen esetekben is meg kell egyezniük.
Mi az a blokklánc?
A blokklánc egy olyan nyílt konszenzus protokoll, amelyben nincs centrális hatóság (például bankok), de mégis lehetővé teszik különböző kreditek (ami a pénz megfelelője) tranzakcióját.
Mi a disszertációd fő témája?
Akkoriban, amikor kezdtem a PhD-mat, kijött egy új blokklánc, amelynek a neve Zcash, és az a lényege, hogy lehet úgy fizetni emberek között, hogy nem látható, ki küldi, ki kapja és az sem, mennyit küld, csak egy matematikai zero-knowledge proof létezik a blokkláncon, ami bizonyítja, hogy ez valós tranzakció, de semmilyen más információ nem derül ki a tranzakcióról.
Elmondanád, mi is a zero-knowledge proof?
A zero-knowledge proof egy olyan módszer, amelyben egy fél (a prover, bizonyító fél) bizonyítja egy másik félnek (verifier, ellenőrző fél) egy állítás igazságát anélkül, hogy a bizonyító fél bármilyen további információt felfedne. Ez egy pénzügyi tranzakciónál például azt jelenti, hogy a küldő bizonyítja a tranzakció helyességét, azaz van rá elég fedezete, és az elküldött összeg levonódott a számlájáról, de a tranzakció ellenőrzője (pl. egy bank, vagy a blokklánc) nem tudja, mekkora volt a tranzakció összege, és azt sem, ki volt a feladó vagy a címzett.
Érdekesnek találtam ezt a témát, a témavezetőmmel elkezdtük adatelemzői szempontból vizsgálni a Zcash tranzakciókat. A disszertációm arról szólt, hogy milyen információkat tudunk kinyerni azokról, akik ezt a szolgáltatást használják, az alapján, ahogyan a blokklánc publikus részével kommunikálnak.
Mi volt az adatelemzés mögött a matematika?
Főképpen valószínűségszámítás. A módszerünk helyességének ellenőrzéséhez például egy elsőrendű Markov-lánccal modelleztük a tranzakciók elméleti viselkedését. Ennek a modellnek egy eleme például az, hogy milyen eséllyel küld a feladó pénzt egy tranzakción belül csak egy vagy pedig több fogadónak.
Milyen információkat sikerült kinyerni?
A Zcash-blokkláncnak van egy privát és egy publikus része. Léteznek úgynevezett bújtató tranzakciók, amikor valaki publikus címről küld pénzt privát címre, illetve felfedők, amikor a privát címről küldenek pénzt publikusra. Ezek a műveletek sokszor párban valósulnak meg, és mi ezeket a tranzakciókat kötöttük össze, sok esetben elég nagy valószínűséggel.
Milyen terveid vannak a PhD után?
Amikor befejeztem a PhD-t úgy döntöttem, megpróbálok elhelyezkedni az ipari világban, és azon belül is kamatoztatni próbálom az adatelemzési vonalat, amiből a PhD-t is írtam.Hamarosan kezdek az új munkahelyemen Luxemburgban, ahol ajánlórendszerek adatelemzésével fogok foglalkozni.
Mit jelent az ajánlórendszerek adatelemzése?
Egy ajánlórendszer például a YouTube algoritmusa, aminek alapján megjeleníti az ajánlott videókat a főoldalon és az éppen nézett videók mellett is. Ezen algoritmusok adatelemzése pedig jelentheti az algoritmus hatékonyságának a kiértékelését, vagy akár új algoritmusok feltehető sikerességének kivizsgálását.
Mit üzennél a mai fiataloknak, akik hasonló úton járnak?
Ha van valamilyen rövid üzenet, amit meg lehet fogalmazni, akkor az az, hogy nem kell félni az új területektől, ha van lehetőség, hogy kipróbálja az ember ezeket.
Az interjút készítette: Bérczi-Kovács Erika