کنترل دسترسی در قراردادهای هوشمند با استفاده از یادگیری ماشین برای اینترنت اشیا

کنترل دسترسی در شبکه بلاکچین یکی از چالش­هایی است که با رشد شبکه بلاک­چین با آن روبه­رو هستیم. در شبکه بلاک­چین، مجموعه فعالیتهای مالی کاربران که نیاز به امضای دیجیتال دارد انجام می شود، این اطلاعات در سرور بلاک­چین ذخیره می­شود. امضای دیجیتال و تایید هویت و صحت تراکنش ها به صورت دستی فرآیندی وقت­گیر بوده و کاربر پسند نیست و از دلایلی است که تکنولوژی بلاکچین به طور کامل پذیرفته نمی شود. در این مقاله یک روش نوین براساس ترکیب روش های خوشه بندی و دسته بندی پیشنهاد می شود، ابتدا برچسب گذاری داده ها به کمک روش خوشه بندی انجام شده و سپس از داده های برچسب گذاری شده برای آموزش الگوریتم  SVM برای تعیین تراکنش های سالم استفاده می شود. روش پیشنهادی یک روش مبتنی بر یادگیری ماشین برای کنترل دسترسی است که امضای خودکار تراکنش­های بلاک­چین و شناسایی تراکنش­های غیرعادی را انجام می­دهد به منظور ارزیابی روش پیشنهادی، آزمایش و تجزیه و تحلیل بر روی داده های اتریوم انجام شده است و به کمک الگوریتم خوشه بندی K-Means و روش بردار پشتیبان ماشین تراکنش­های سالم از مشکوک شناسایی می شود که این روش توانایی شناسایی با دقت ۸۹ درصد را نشان می دهد.

کلیدواژه ها:

Blockchain ، Ethereum ، SVM ، K-Means ، بلاکچین ، اتریوم ، SVM ، K-Means