区块链必读论文集【29】

2021-10-17 00:15:08

区块链作为一种崭新的、颠覆性的技术，是国内外活跃的研究领域和毕业设计选题方向。本文列出最新的一组区块链方面的论文，希望可以对选择区块链毕业设计的同学们有所帮助，这是汇智网编辑整理的区块链毕业设计论文系列中的第29篇。

区块链开发教程链接：
以太坊 | 比特币 | EOS | Tendermint | Hyperledger Fabric | Omni/USDT | Ripple | Tron

本文整理了最新的可用于区块链毕业设计的参考论文，如果需要访问区块链毕业设计必读
论文系列的最新文章，可以持续关注我们的博客，或加入QQ群：532241998。

1、用于互联网评价的去中心化应用

很多现有的web应用都包含了用于评价互联网资源的组件，例如社交媒体平台的视频或博客评价机制。基于已有的评价得到的最流行的互联网资源能够从广告中获取大量收益。但是现有的评价机制的一个问题在于系统资源完全受控于单一主体，例如社交媒体平台。

本论文提出了一种基于区块链的用于对互联网资源进行评价的去中心化应用，论文提出的方案提供了一个透明的评价机制，因为其中没有中心化的权威机构并且评价操作是有专门的智能合约处理的。作者提供了上述思路的具体实现，在视线中将现有的验证机制与区块链的特性进行了有机的整合，因此匿名性得以保留。作者认为论文方案要优于现有的各种web应用中的评价系统。

论文PDF下载：DApp for Rating

2、区块链在大数据中的应用的考察报告：方法、机会以及未来的方向

在过去几年间大数据已经在诸多科研和工程领域激发了强烈的兴趣。尽管大数据有很多优势和具体应用，但要提供更好的服务仍然还有很多挑战需要解决，例如大数据分析、大数据管理、大数据隐私及安全等。

区块链的去中心化和天然的安全性对于改善大数据服务和应用有着巨大的潜力。论文作者对区块链在大数据中的应用进行了深入的考察，并重点关注最新的方法、机会以及未来的方向。论文首先对区块链、大数据以及两者整合背后的动机进行了概述。然后介绍了作者展开的对各种大数据区块链服务的调查，包括将区块链用于安全大数据获取、数据存储、数据分析以及数据隐私保护。接下来论文重新审视了关于区块链在各垂直领域大数据中应用的最近研究进展，例如智慧城市、智能健康、智能交通、智能电网等。

为了便于理解，论文展示并分析了若干区块链大数据项目，并在最后探讨了这一充满潜力的领域的未来研究方向和驱动力。

论文PDF下载：A Survey on Blockchain for Big Data: Approaches, Opportunities, and Future Directions

3、TZ4Fabric：基于ARM TrustZone的Hyperledger Fabric合约安全执行环境

区块链注定要变革工业界。例如，一些供应链应用将有助于透明的资产跟踪和基于智能合约的自动化过程。已经有一些落地的项目，其中区块链的透明性既有优点也有缺点。将资产和商业交互暴露在公众面前存在着严重的风险，智能合约逻辑以及所处理的数据目前通常还没有隐藏保护机制。

可信执行环境（TEE）是一种在边缘设备、移动设备（例如Arm TrustZone）以及服务器级别的处理器（例如Intel SGX）中可用的新技术。 TEE可以有效的保护代码与数据免受恶意攻击。论文提出了一种Hyperledger Fabric的扩展，TZ4Fabric，可以利用Arm TrustZone来安全执行智能合约。

论文提出的设计最小化了需要可信计算的部分，避免了在TEE中运行整个Hyperledger Fabric节点。论文方案中，将智能合约的运行限制在可信执行环境内。TZ4Fabric原型利用了开源的OP-TEE框架，该框架支持在廉价的低端设备上部署，例如树莓派。

实验结果重点阐述了Arm TrustZone的安全性保障对Hyperledger Fabric性能的影响。TZ4Fabric项目将开源发布。

论文PDF下载：TZ4Fabric: Executing Smart Contracts with ARM TrustZone

4、用机器学习技术检测基于区块链的社交媒体平台上的博客机器人

Steemit是一个基于区块链的社交媒体平台，作者在文章得到好评后，可以得到以加密货币STEEM和SBD支付的奖励。有趣的是，投票者也可以通过投票得到奖励，这一机制成为策展奖励，奖励的数额与投票者抵押的STEEM代币成比例。通过这一过程，Steemit希望好的内容能够被用户以去中心化的方式自动发现，这一机制被命名为脑力证明（Proof-of-Brain:PoB）。

然而，有很多机器人账号会自动地发文章以期得到奖励，这影响到真人用户创作优质内容。我们将这种类型地机器人称为博客机器人。虽然已经有很多论文研究了传统地中心化社交媒体平台上的机器人，例如Facebook和twitter，但本论文是第一个研究基于区块链的社交媒体平台上的机器人。

与传统的社交媒体平台上的机器人检测相比，论文使用的特征具有一定的优势，无需限制博客长度就可以进行检测。论文作者通过聚类博客数据或回复间的距离进行特征提取，之前从未在社交媒体研究中被利用。基于丰富的特征，论文作者提升了分类任务的质量。与F1-score相比，论文提出的特征要优于用来检测Facebook及twitter机器人的特征。

论文PDF下载：Posting Bot Detection on Blockchain-based Social Media Platform using Machine Learning Techniques