区块链数据上的机器学习：一项系统映射研究
密码学与安全
2024-03-27 v1 机器学习
摘要
背景：区块链技术在文献和实践中引起了越来越多的关注。区块链技术产生了大量数据，因此成为机器学习（ML）关注的一个主题。目标：本文的目标是对应用于区块链数据的机器学习的最新进展进行全面综述。这项工作旨在系统地识别、分析和分类关于 ML 应用于区块链数据的文献。这将使我们能够发现未来研究应投入更多努力的领域。方法：我们进行了一项系统映射研究以识别相关文献。最终，选出了 159 篇文章，并根据多个维度进行分类，具体包括领域用例、区块链、数据和机器学习模型。结果：大多数论文（49.7%）属于异常检测用例。比特币（47.2%）是最受关注的区块链。31.4% 的论文使用了包含超过 1,000,000 个数据点的数据集。分类（46.5%）是最常应用于区块链数据的 ML 任务。结论：结果证实，ML 应用于区块链数据在文献和实践中都是一个相关且日益增长的兴趣主题。尽管如此，仍然存在一些开放的挑战和空白，这可以指引未来的研究方向。具体来说，我们识别出新型机器学习算法、缺乏标准化框架、区块链可扩展性问题以及跨链交互是未来值得探索的领域。
引用
@article{arxiv.2403.17081,
title = {Machine Learning on Blockchain Data: A Systematic Mapping Study},
author = {Georgios Palaiokrassas and Sarah Bouraga and Leandros Tassiulas},
journal= {arXiv preprint arXiv:2403.17081},
year = {2024}
}