Monitoreo de Cadena de Bloques con Aprendizaje Automático

Etherum se ejecuta en redes de cadena de Bloques (Blockchain) a través de código personalizado, facilitando su implementación en diferentes áreas. Aprovecha la inmutabilidad y trazabilidad para aprobar transacciones independientes de una entidad central. Sin embargo, se han identificado problemas transaccionales como cuellos de botella. Este artículo presenta un modelo de desempeño de transacciones con Aprendizaje Automático, que analiza métricas en tiempo real, detectando anomalías. El modelo se probó con una secuencia de transacciones ideales y adversas determinando su efectividad. Palabras-clave: Cadena de Bloques, Ethereum, Rendimiento, Aprendizaje Automático, Métricas, Cuello de Botella.

• Autores: Giraldo Mejía, Juan Camilo; Grisales Zuluaga, Julián; Vargas Agudelo, Fabio Alberto; Reyes Gamboa, Adriana Xiomara
• Tipo de recurso: Article of investigation
• Fecha de publicación: 2023
• Institución: Tecnológico de Antioquia
• Repositorio: Repositorio Tdea
• Idioma: spa
• OAI Identifier: oai:dspace.tdea.edu.co:tdea/3803
• Acceso en línea: https://dspace.tdea.edu.co/handle/tdea/3803
• Palabra clave: Rendimiento; Rendement; Yields; Rendimento; Aprendizaje automático; Apprentissage machine; Machine learning; Aprendizagem electrónica; Cadena de Bloques; Blockchain; Chaine de blocs; Ethereum; Métricas; Metrics; Cuello de Botella; Bottleneck
• Rights: openAccess
• License: https://creativecommons.org/licenses/by-nc-nd/4.0/