كنترل دسترسي در قراردادهاي هوشمند مالي با استفاده از مديريت هويت ديجيتالي و يادگيري ماشين براي تسهيل تبادلات اينترنت اشيا

Access control in smart contracts using digital identity management and machine learning to facilitate IoT exchanges

كنترل دسترسي در شبكه بلاكچين يكي از چالش ­هايي است كه با رشد شبكه بلاك­چين با آن روبه ­رو هستيم. در شبكه بلاك­چين، مجموعه فعاليت هاي مالي كاربران كه نياز به امضاي ديجيتال دارد انجام مي‌شود، اين اطلاعات در سرور بلاك­چين ذخيره مي ­شود. امضاي ديجيتال و تاييد هويت و صحت تراكنش‌ها به صورت دستي فرآيندي وقت­ گير بوده و كاربر پسند نيست و از دلايلي است كه تكنولوژي بلاكچين به طور كامل پذيرفته نمي‌شود. در اين مقاله يك روش نوين براساس تركيب روش‌هاي خوشه‌بندي و دسته‌بندي پيشنهاد مي شود. كه ابتدا برچسب‌گذاري داده‌ها به كمك روش خوشه بندي انجام شده و سپس از داده‌هاي برچسب‌گذاري شده براي آموزش الگوريتم SVM براي تعيين تراكنش‌هاي سالم استفاده مي شود. روش پيشنهادي يك روش مبتني بر يادگيري ماشين براي كنترل دسترسي است كه امضاي خودكار تراكنش ­هاي بلاك­چين و شناسايي تراكنش ­هاي غيرعادي را انجام مي­ دهد به منظور ارزيابي روش پيشنهادي، آزمايش و تجزيه و تحليل بر روي داده‌هاي اتريوم انجام شده است و به كمك الگوريتم خوشه‌بندي KMEANS و روش بردار پشتيبان ماشين تراكنش­ هاي سالم از مشكوك شناسايي مي‌شود كه اين روش توانايي شناسايي با دقت 89 درصد را نشان مي­ دهد.

Access control in the blockchain network is one of the challenges we face with the growth of the blockchain network. In the blockchain network, the set of financial activities of users that require a digital signature is performed, this information is stored in the blockchain server. Manually signing digitally and verifying the authenticity of transactions is a time consuming and user-friendly process and is one of the reasons why blockchain technology is not fully accepted. In this paper, a new method is proposed based on a combination of clustering and classification methods. First, the data is labeled using the clustering method and then the labeled data is used to teach the SVM algorithm to determine healthy transactions. The proposed method is a machine learning method for access control that automatically blocks blockchain transactions and detects abnormal transactions. In order to evaluate the proposed method, atrium data have been tested and analyzed. an‎d with the help of KMEANS clustering algorithm and machine vector support method, healthy transactions are detected from suspects, which shows the ability to identify with 89% accuracy