Please use this identifier to cite or link to this item: http://artemis.cslab.ece.ntua.gr:8080/jspui/handle/123456789/18321
Title: Έλεγχος συναλλαγών στο blockchain μέσω κατανεμημένης off-chain μηχανικής μάθησης
Authors: Σκούφης, Πέτρος
Βαρβαρίγου Θεοδώρα
Keywords: blockchain
machine learning
artificial intelligence
anomaly detection
oracles
IPFS
smart contracts
έξυπνα συμβόλαια
μηχανική μάθηση
τεχνητή νοημοσύνη
αναγνώριση ανωμαλιών
Issue Date: 25-May-2022
Abstract: Η εποχή που ζούμε χαρακτηρίζεται σε μεγάλο βαθμό από την κατακόρυφη αύξηση της παραγωγής δεδομένων. Είναι αρκετές οι φορές που τα πιο πλούσια σε αξία δεδομένα είναι και αυτά που διαφέρουν από την κανονικότητα του συνόλου, είναι δηλαδή έκτοπα, και σηματοδοτούν ένα αξιόλογο γεγονός. Η έγκαιρη ταυτοποίηση των έκτοπων αυτών δειγμάτων από έξυπνα συστήματα τεχνητής νοημοσύνης μπορεί να φανεί ιδιαιτέρως χρήσιμη στην αντιμετώπιση σύγχρονων προβλημάτων, όπως το φαινόμενο της απάτης στις ηλεκτρονικές συναλλαγές και ο προσδιορισμός μεταλλάξεων μίας ασθένειας στο κομμάτι της υγείας. Παρ ’όλα αυτά και στις δύο περιπτώσεις τα δεδομένα είναι ευαίσθητα και γεωγραφικώς κατανεμημένα, άρα προσβάσιμα από μικρή μερίδα οργανισμών. Η τεχνολογία του blockchain μπορεί να υποστηρίξει κατανεμημένα δίκτυα αποφάσεων που διασφαλίζουν την προστασία των δεδομένων που διακινούνται στο εσωτερικό τους. Η παρούσα διπλωματική προτείνει μία ολοκληρωμένη αρχιτεκτονική συνεργασίας οργανισμών, βασισμένη στο Ethereum blockchain, με σκοπό την αντιμετώπιση του προβλήματος αναγνώρισης έκτοπων δεδομένων. Οι συμμετέχοντες οργανισμοί μπορούν μέσω oracles και με τη βοήθεια του IPFS να προσκομίσουν ογκώδη δεδομένα στο δίκτυο και να παρέχουν εκτιμήσεις πάνω σε αυτά με τα μοντέλα μηχανικής μάθησης που έχουν στη διάθεσή τους. Μέσω δοκιμών σε σενάρια διαπιστώνεται πως η αρχιτεκτονική αυτή μπορεί να παράξει συνολικά καλύτερες εκτιμήσεις ως προς τη μετρική “f1-macro-avg”, από την πλειονότητα των οργανισμών που την απαρτίζουν.
URI: http://artemis.cslab.ece.ntua.gr:8080/jspui/handle/123456789/18321
Appears in Collections:Διπλωματικές Εργασίες - Theses

Files in This Item:
File Description SizeFormat 
skoufis_diploma_thesis.pdf6.49 MBAdobe PDFView/Open


Items in Artemis are protected by copyright, with all rights reserved, unless otherwise indicated.