دانشگاه آزاد اسلامی واحد علوم و تحقیقات

 آمار

تعداد نشریات50
تعداد شماره‌ها2,079
تعداد مقالات19,525
تعداد مشاهده مقاله22,890,604
تعداد دریافت فایل اصل مقاله21,126,181
آبی زاده, علی, فتحی, زاداله, مینویی, مهرزاد. (1401). کنترل دسترسی در قراردادهای هوشمند مالی با استفاده از مدیریت هویت دیجیتالی و یادگیری ماشین برای تسهیل تبادلات اینترنت اشیا. , 15(53), 111-122. doi: 10.30495/jfksa.2022.20216
علی آبی زاده; زاداله فتحی; مهرزاد مینویی. "کنترل دسترسی در قراردادهای هوشمند مالی با استفاده از مدیریت هویت دیجیتالی و یادگیری ماشین برای تسهیل تبادلات اینترنت اشیا". , 15, 53, 1401, 111-122. doi: 10.30495/jfksa.2022.20216
آبی زاده, علی, فتحی, زاداله, مینویی, مهرزاد. (1401). 'کنترل دسترسی در قراردادهای هوشمند مالی با استفاده از مدیریت هویت دیجیتالی و یادگیری ماشین برای تسهیل تبادلات اینترنت اشیا', , 15(53), pp. 111-122. doi: 10.30495/jfksa.2022.20216
آبی زاده, علی, فتحی, زاداله, مینویی, مهرزاد. کنترل دسترسی در قراردادهای هوشمند مالی با استفاده از مدیریت هویت دیجیتالی و یادگیری ماشین برای تسهیل تبادلات اینترنت اشیا. , 1401; 15(53): 111-122. doi: 10.30495/jfksa.2022.20216

کنترل دسترسی در قراردادهای هوشمند مالی با استفاده از مدیریت هویت دیجیتالی و یادگیری ماشین برای تسهیل تبادلات اینترنت اشیا

دانش مالی تحلیل اوراق بهادار
دوره 15، شماره 53، خرداد 1401، صفحه 111-122  XML اصل مقاله (912.28 K)
نوع مقاله: مقاله پژوهشی
شناسه دیجیتال (DOI): 10.30495/jfksa.2022.20216
نویسندگان
علی آبی زاده1؛ زاداله فتحی email 2؛ مهرزاد مینویی3
1دانشجوی دکتری گروه مدیریت صنعتی، واحد تهران مرکزی، دانشگاه آزاد اسلامی، تهران، ایران
2استادیارگروه مدیریت مالی، واحد تهران مرکزی، دانشگاه آزاد اسلامی، تهران، ایران. (نویسنده مسئول)
3استادیارگروه مدیریت مالی، واحد تهران مرکزی، دانشگاه آزاد اسلامی، تهران، ایران
چکیده
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 می‌شود، این اطلاعات در سرور بلاک­چین ذخیره می­شود. امضای دیجیتال و تایید هویت و صحت تراکنش‌ها به صورت دستی فرآیندی وقت­گیر بوده و کاربر پسند نیست و از دلایلی است که تکنولوژی بلاکچین به طور کامل پذیرفته نمی‌شود. در این مقاله یک روش نوین براساس ترکیب روش‌های خوشه‌بندی و دسته‌بندی پیشنهاد می‏شود. که ابتدا برچسب‌گذاری داده‌ها به کمک روش خوشه‏بندی انجام شده و سپس از داده‌های برچسب‌گذاری شده برای آموزش الگوریتم SVM برای تعیین تراکنش‌های سالم استفاده می‏شود. 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 داده‌های اتریوم انجام شده است و به کمک الگوریتم خوشه‌بندی KMEANS و روش بردار پشتیبان ماشین تراکنش­های سالم از مشکوک شناسایی می‌شود که این روش توانایی شناسایی با دقت 89 درصد را نشان می­دهد.
کلیدواژه‌ها
بلاکچین؛ اتریوم؛ SVM؛ KMEANS؛ شناسایی تراکنش‌های سالم قراردادهای مالی هوشمند
مراجع
  1. Nakamoto, S. Bitcoin: A Peer-to-Peer Electronic Cash System. 2008. Available online: http://bitcoin.org/bitcoin.pdf (accessed on 10 November 2019).
  2. Buterin, V. A next-generation smart contract and decentralized application platform.White Pap.2014,3, 37
  3. Eskandari, S.; Clark, J.; Barrera, D.; Stobert, E. A first look at the usability of bitcoin key management.arXiv2018, arXiv: 1802.
  4. Sheng, S.; Broderick, L.; Koranda, C.A.; Hyland, J.J. Why Johnny Still Can’t Encrypt: Evaluating the Usabilityof Email Encryption Software. Available online: https://cups.cs.cmu.edu/soups/2006/posters/sheng-poster_abstract.pdf (accessed on 25 December 2019).
  5. Gaw, S.; Felten, E.W.; Fernandez-Kelly, P. Secrecy, flagging, and paranoia: Adoption criteria in encryptedemail. In Proceedings of the SIGCHI Conference on Human Factors in Computing Systems, Montréal, QC,Canada, 22–27 April 2006; pp. 591–600.
  6. Schultz, E. E.; Proctor, R. W.; Lien, M. C.; Salvendy, G. Usability and security an appraisal of usability issues ininformation security methods.Comput. Secur.2001,20, 620–634. [CrossRef]
  7. Garfinkel, S. L.; Margrave, D.; Schiller, J.I.; Nordlander, E.; Miller, R.C. How to make secure email easier touse. In Proceedings of the SIGCHI Conference on Human Factors in Computing Systems, Portland, OR,USA, 2–7 April 2005; pp. 701–710.
  8. Ruoti, S.; Seamons, K. Johnny’s Journey Toward Usable Secure Email.IEEE Secur. Priv.2019,17, 72–76.[CrossRef]
  9. Pham, T.; Lee, S. Anomaly detection in bitcoin network using unsupervised learning methods. arXiv2016, arXiv: 1611. 03941.
  10. Pham, T.; Lee, S. Anomaly detection in the bitcoin system-a network perspective. arXiv2016, arXiv: 1611. 03942.
 

 

  1. Ostapowicz, M.; ̇Zbikowski, K. Detecting Fraudulent Accounts on Block chain: A Supervised Approach.arXiv2019, arXiv: 1908. 07886.
  2. Monamo, P.; Marivate, V.; Twala, B. Unsupervised learning for robust Bitcoin fraud detection. In Proceedingsof the 2016 Information Security for South Africa (ISSA), Johannesburg, South Africa, 17–18 August 2016;pp. 129–134.
  3. Shen, M.Developer Report H1 2019; Technical report; Electric Capital: Palo Alto, CA, USA, 2019. Availableonline: https://www.electriccapital.com/developer_report_H1_2019_pdf (accessed on 10 November 2019).
  4. Turkanovi ́c, M.; Hölbl, M.; Košiˇc, K.; Heriˇcko, M.; Kamišali ́c, A. EduCTX: A blockchain-based highereducation credit platform.IEEE Access2018,6, 5112–5127. [CrossRef]
  5. Zheng, Z.; Xie, S.; Dai, H.; Chen, X.; Wang, H. An overview of blockchain technology: Architecture,consensus, and future trends. In Proceedings of the 2017 IEEE International Congress on Big Data (BigDataCongress), Honolulu, HI, USA, 25–30 June 2017; pp. 557–564
  6. Wood, G. Ethereum: A secure decentralised generalised transaction ledger.Ethereum Proj. Yellow Pap.2014, 151, 1–32.
  7. Moubarak, J.; Filiol, E.; Chamoun, M. On blockchain security and relevant attacks. In Proceedings of the2018 IEEE Middle East and North
آمار
تعداد مشاهده مقاله: 162
تعداد دریافت فایل اصل مقاله: 115


سامانه مدیریت نشریات علمی. قدرت گرفته از سیناوب