論文の概要: Machine Learning on Blockchain Data: A Systematic Mapping Study
- arxiv url: http://arxiv.org/abs/2403.17081v1
- Date: Mon, 25 Mar 2024 18:12:16 GMT
- ステータス: 処理完了
- システム内更新日: 2024-03-27 19:55:36.518734
- Title: Machine Learning on Blockchain Data: A Systematic Mapping Study
- Title（参考訳）: ブロックチェーンデータを用いた機械学習 - システムマッピングによる研究
- Authors: Georgios Palaiokrassas, Sarah Bouraga, Leandros Tassiulas,
- Abstract要約: 技術は文学や実践において注目を集めている。
本稿では,ブロックチェーンデータに適用された機械学習技術の現状を概観する。
- 参考スコア（独自算出の注目度）: 9.677855897134604
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Context: Blockchain technology has drawn growing attention in the literature and in practice. Blockchain technology generates considerable amounts of data and has thus been a topic of interest for Machine Learning (ML). Objective: The objective of this paper is to provide a comprehensive review of the state of the art on machine learning applied to blockchain data. This work aims to systematically identify, analyze, and classify the literature on ML applied to blockchain data. This will allow us to discover the fields where more effort should be placed in future research. Method: A systematic mapping study has been conducted to identify the relevant literature. Ultimately, 159 articles were selected and classified according to various dimensions, specifically, the domain use case, the blockchain, the data, and the machine learning models. Results: The majority of the papers (49.7%) fall within the Anomaly use case. Bitcoin (47.2%) was the blockchain that drew the most attention. A dataset consisting of more than 1.000.000 data points was used by 31.4% of the papers. And Classification (46.5%) was the ML task most applied to blockchain data. Conclusion: The results confirm that ML applied to blockchain data is a relevant and a growing topic of interest both in the literature and in practice. Nevertheless, some open challenges and gaps remain, which can lead to future research directions. Specifically, we identify novel machine learning algorithms, the lack of a standardization framework, blockchain scalability issues and cross-chain interactions as areas worth exploring in the future.
- Abstract（参考訳）: コンテキスト: ブロックチェーン技術は文学や実践において注目を集めています。
ブロックチェーン技術は大量のデータを生成し、機械学習(ML)のトピックとなっている。
目的:本論文の目的は,ブロックチェーンデータに適用された機械学習の最新技術に関する包括的なレビューを提供することである。
この研究は、ブロックチェーンデータに適用されたMLの文献を体系的に識別し、分析し、分類することを目的としている。
これにより、将来の研究により多くの労力を費やすべき分野を見つけることができます。
方法:関連文献を特定するための系統的マッピング研究が実施されている。
最終的に159の項目が選択され、さまざまな次元、特にドメインユースケース、ブロックチェーン、データ、マシンラーニングモデルに基づいて分類された。
結果: 論文の大多数(49.7%)は異常ユースケースに該当する。
Bitcoin(47.2%)が最も注目を集めたブロックチェーンである。
論文の31.4%は、10,000.000以上のデータポイントからなるデータセットを使用した。
そして分類(46.5%)は、最もブロックチェーンデータに適用されたMLタスクである。
結論: 結果は、ブロックチェーンデータに適用されたMLが、文学と実践の両方において、関連性があり、関心が高まりつつあることを確認します。
それでも、いくつかのオープンな課題とギャップが残っており、将来の研究の方向性に繋がる可能性がある。
具体的には、新しい機械学習アルゴリズム、標準化フレームワークの欠如、ブロックチェーンのスケーラビリティの問題、チェーン間のインタラクションを、将来探求する価値のある分野として特定する。
関連論文リスト
- BlockFound: Customized blockchain foundation model for anomaly detection [47.04595143348698]
BlockFoundは、異常なブロックチェーントランザクション検出のためのカスタマイズされた基盤モデルである。
ブロックチェーントランザクションのユニークなデータ構造をモデル化するための、一連のカスタマイズデザインを紹介します。
BlockFoundは、Solana上の異常なトランザクションを高精度に検出する唯一の方法である。
論文 参考訳（メタデータ） (2024-10-05T05:11:34Z) - SOK: Blockchain for Provenance [0.0]
Provenanceは、データ生成から操作まで追跡するので、データの整合性、信頼性、信頼性を確保するには不可欠だ。
証明技術は、その分散的で透明で不変な性質のために、証明を実装するための一般的な選択肢となっている。
ブロックチェーン設計に関する多くの研究は、特に証明に特化しており、この分野に特化している。
論文 参考訳（メタデータ） (2024-07-25T01:46:49Z) - IT Strategic alignment in the decentralized finance (DeFi): CBDC and digital currencies [49.1574468325115]
分散型金融(DeFi)は、ディスラプティブベースの金融インフラである。
1) DeFiの一般的なIT要素は何か?
2) DeFi における IT 戦略の整合性には,どのような要素があるのでしょう?
論文 参考訳（メタデータ） (2024-05-17T10:19:20Z) - Blockchains for Internet of Things: Fundamentals, Applications, and Challenges [38.29453164670072]
すべてのブロックチェーンシステムが、特定のIoTアプリケーションに適しているわけではない。
パブリックブロックチェーンは機密データを格納するのに適していない。
ブロックチェーンのアプリケーションを、エッジAI、通信、ヘルスケアの3つの重要なIoT領域で調査する。
論文 参考訳（メタデータ） (2024-05-08T04:25:57Z) - Machine Learning for Blockchain Data Analysis: Progress and Opportunities [9.07520594836878]
ブロックチェーンデータセットは、例えば、人間のユーザ、自律的なプログラム、スマートコントラクトなど、現実世界のエンティティ間でのインタラクションの複数のレイヤを含んでいる。
これらのユニークな特徴は、ブロックチェーンデータ上での機械学習の機会と課題の両方を示している。
本稿は、研究者、実践者、政策立案者のための総合的な資源として機能し、このダイナミックで変革的な分野をナビゲートするためのロードマップを提供する。
論文 参考訳（メタデータ） (2024-04-28T17:18:08Z) - Enhancing Trust and Privacy in Distributed Networks: A Comprehensive Survey on Blockchain-based Federated Learning [51.13534069758711]
ブロックチェーンのような分散型アプローチは、複数のエンティティ間でコンセンサスメカニズムを実装することで、魅力的なソリューションを提供する。
フェデレートラーニング(FL)は、参加者がデータのプライバシを保護しながら、協力的にモデルをトレーニングすることを可能にする。
本稿では,ブロックチェーンのセキュリティ機能とFLのプライバシ保護モデルトレーニング機能の相乗効果について検討する。
論文 参考訳（メタデータ） (2024-03-28T07:08:26Z) - Generative AI-enabled Blockchain Networks: Fundamentals, Applications,
and Case Study [73.87110604150315]
Generative Artificial Intelligence(GAI)は、ブロックチェーン技術の課題に対処するための有望なソリューションとして登場した。
本稿では、まずGAI技術を紹介し、そのアプリケーションの概要を説明し、GAIをブロックチェーンに統合するための既存のソリューションについて議論する。
論文 参考訳（メタデータ） (2024-01-28T10:46:17Z) - Extracting Blockchain Concepts from Text [0.5520082338220947]
このプロジェクトの主な目的は、機械学習モデルを適用して、ブロックチェーン分野に焦点を当てたホワイトペーパーや学術論文から情報を抽出し、その情報を整理し、ユーザが空間をナビゲートできるようにすることである。
論文 参考訳（メタデータ） (2023-05-07T00:16:30Z) - Quantum-resistance in blockchain networks [46.63333997460008]
本稿では、ブロックチェーンネットワークにおける量子脅威を特定し、排除するために、米国間開発銀行、IDBラボ、LACChain、量子コンピューティング(CQC)、Tecnologicalo de Monterreyによる研究について述べる。
量子コンピューティングの出現は、非量子耐性暗号アルゴリズムを利用するため、インターネットプロトコルやブロックチェーンネットワークを脅かす。
論文 参考訳（メタデータ） (2021-06-11T23:39:25Z) - A Survey of State-of-the-Art on Blockchains: Theories, Modelings, and
Tools [23.85653321591618]
この調査は、ブロックチェーンの最先端開発に関する研究者、エンジニア、教育者の有用なガイドラインとして機能する。
将来的な研究の方向性について、いくつかの有望なオープンな問題が最終的に要約される。
論文 参考訳（メタデータ） (2020-07-07T14:50:32Z) - Blockchain-Based Applications in Higher Education: A Systematic Mapping
Study [0.0]
ブロックチェーンの利用は、デジタル通貨を超えて、健康、モノのインターネット、教育といった他の分野へと移行してきた。
本稿では、高等教育分野に関連するブロックチェーン技術に関する関連研究を収集・分析するための系統地図研究について述べる。
論文 参考訳（メタデータ） (2020-06-25T16:24:28Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。