|
Title
|
همکاری بین بلاک چین ها به منظور اعتبارسنجی با استفاده از روش های یادگیری ماشین
|
|
Type of Research
|
Thesis
|
|
Keywords
|
ارزیابی اعتباری، یادگیری ماشین، بلاک چین، قابلیت همکاری، امتیازدهی اعتباری، چند بلاک چین
|
|
Abstract
|
امتیازدهی اعتباری یک فرآیند برای ارزیابی توان مالی افراد و سازمان ها است و در تصمیم گیری های مالی، اعطای وام، اجاره و صدور کارت اعتباری کاربرد دارد. این امتیازها توسط شرکت های مستقل با استفاده از الگوریتم ها و اطلاعات مالی معین می شوند. عواملی مانند تاریخچه پرداخت، میزان بدهی و تسهیلات مالی در تعیین امتیازها تأثیر دارند. در این پژوهش، استفاده از یادگیری ماشین برای اعتبارسنجی در بستر بلاک چین مورد بررسی قرار می گیرد. مدل های یادگیری ماشین قادر به تصمیم گیری بر اساس داده ها و الگوها هستند. بلاک چین فناوری است با امنیت بالا و عدم تغییر اطلاعات. ترکیب این دو فناوری به معنای آنالیز داده ها برای اعتبارسنجی با امنیت و شفافیت است. اطلاعات ثبت شده در این سیستم غیرقابل دستکاری هستند و هر تغییر قابل شناسایی است. هدف پژوهش بررسی موضوع اعتبارسنجی در بستر بلاک چین و استفاده از ویژگی هایی چون توزیع شدگی و جلوگیری از تقلب است. نوآوری اصلی این تحقیق معرفی یک معماری است که از تعامل چند بلاک چین بهره برداری می کند. این معماری به چالش های مدل سازی و خلاصه سازی داده ها مواجه است، اما با نگاه نوآورانه قابل حل است. این رویکرد تاکنون در زمینه اعتبارسنجی مورد استفاده قرار نگرفته و قابلیت های متنوعی برای پیاده سازی دارد.
|
|
Researchers
|
(Student)، Mohammad Khodizadeh-Nahari (Primary Advisor)، Einollah Pira (Advisor)
|