.png){kind=icon}
返回
Machine learning on blockchain data: A systematic mapping study
.png){kind=icon}
PRE
AI
DOI：10.1002/asi.70009.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
区块链技术已引起文献和实践领域的日益关注。区块链技术产生大量数据，因此已成为机器学习（ML）的研究热点。本文旨在对应用于链上数据的机器学习（ML）领域的最新研究进展进行综述。本研究旨在系统性地识别、分析和分类应用于区块链数据的机器学习相关文献，以便发现未来研究应重点关注的方向。通过开展系统化映射研究以识别相关文献，最终筛选并分类了211篇文章，分类维度包括应用场景、区块链类型、数据类型及机器学习模型。其中，大部分论文（43.35%）聚焦于异常检测应用场景，以太坊（Ethereum, 46.31%）是最受关注的区块链类型。29.06%的论文使用了包含超过100万个数据点的数据集，分类（Classification, 43.84%）是最常应用于链上数据的机器学习任务。结果表明，应用于链上数据的机器学习在文献和实践领域均是一个相关且不断增长的研究热点。研究者已探索了地址分类、异常检测、加密货币价格预测、性能评估和智能合约漏洞检测等有趣的应用场景。然而，仍存在一些开放性挑战和空白领域，这些可引导未来的研究方向。具体而言，我们识别出新型机器学习算法、标准化框架的缺失、区块链的可扩展性问题以及跨链交互等是未来值得探索的研究方向。
期刊
IF:
4.3
论文数:
146
被引数:
5.1K
机构
引用论文
分享收藏Forecasting and trading cryptocurrencies with machine learning under changing market conditions.png)
FINANCIAL INNOVATION
OAAI
FINANCIAL INNOVATIONIF7.2
OAAI分享收藏
查看更多内容