一种基于模型的机器学习方法用于评估区块链应用性能
分布式、并行与集群计算
2023-09-21 v1 新兴技术
机器学习
性能
摘要
区块链技术的近期进展巩固了其作为多个领域可行替代方案的地位。然而，由于底层基础设施的复杂性与分布式特性，评估区块链应用的性能可能具有挑战性。因此，需要一种可靠的建模方法来促进基于区块链的应用的开发与评估。虽然基于仿真的解决方案已被研究，但机器学习（ML）基于模型的技术很少与区块链应用性能评估一并讨论。我们的新颖研究使用了两种基于 ML 模型的方法。首先，我们训练 近邻（NN）和支持向量机（SVM）以使用预定配置参数预测区块链性能。其次，我们采用樽海鞘群优化（SO）ML 模型，该模型能够研究实现所需性能水平的最优区块链配置。我们使用粗糙集理论来增强 SO，此后称为 ISO，我们证明其能够在存在不确定性的情况下准确推荐最优参数配置；最后，统计比较表明我们的模型具有竞争优势。NN 模型比 SVM 高出 5%，且 ISO 相比常规 SO 也显示出不准确偏差降低 4%。
引用
@article{arxiv.2309.11205,
title = {A Model-Based Machine Learning Approach for Assessing the Performance of Blockchain Applications},
author = {Adel Albshri and Ali Alzubaidi and Ellis Solaiman},
journal= {arXiv preprint arXiv:2309.11205},
year = {2023}
}