Machine Learning on Blockchain Data: A Systematic Mapping Study

本文旨在全面回顾机器学习应用于区块链数据的最新研究进展，系统性地识别、分析和分类相关文献，以此确定未来研究的重点领域。通过系统性映射研究，共筛选出159篇相关文献，并按照领域使用案例、区块链、数据和机器学习模型等各个维度进行分类。研究结果表明，大多数文献（49.7%）属于异常用例。比特币（47.2%）是最受关注的区块链。31.4%的文献使用了超过1,000,000个数据点的数据集。分类（46.5%）是最常应用于区块链数据的机器学习任务。虽然机器学习应用于区块链数据是一个备受关注且不断发展的研究领域，但仍存在一些挑战和空白，需要进一步研究。具体而言，我们认为值得探索的领域包括新型机器学习算法、缺乏标准化框架、区块链可扩展性问题以及跨链交互等。

综述了机器学习应用于区块链数据的现状和挑战，旨在为未来研究提供方向。

通过系统性的文献调研，对159篇文章进行分类分析，发现异常检测是应用最广泛的领域，比特币是最受关注的区块链，分类是最常用的机器学习任务。未来研究可以探索新的机器学习算法、标准化框架、区块链可扩展性问题和跨链交互等方面。

值得关注的是，该领域的研究已经引起了学术界和实践界的广泛关注，但仍存在一些挑战和缺陷。论文还提供了分类维度、数据集和机器学习模型等信息，方便读者了解整个领域的研究现状。

最近的相关研究包括： - A Survey on Blockchain Technology for Industry 4.0: Applications, Challenges, and Opportunities - Blockchain and Machine Learning for Big Data Analytics: A Review - Machine Learning for Blockchain: A Systematic Review