基于機器學習框架下的區塊鏈智能合約腳本設計

符安文

（成都埃克森爾科技有限公司，四川成都 610041）

1.區塊鏈智能合約概述

事務及事件信息載入智能合約后，將針對該部分資源狀態做更新處理，觸發智能合約，以完成狀態機判斷操作。在該路徑中，若達到觸發的條件要求，則啟用狀態機，由其依據既定的合約執行。基于智能合約的處理機制具有全面性，其將眾籌規則納入智能合約內，同時構成完整的區塊鏈眾籌合約系統。在區塊鏈的技術體系中，依托于物聯網可伸縮管理機制，用戶可根據需求及時調用智能合約，從而以便捷化的方式精準完成對物聯網設備的伸縮管理操作。

2.區塊鏈智能合約腳本設計

通過對機器學習算法的深入應用，智能合約腳本采用的是利用該方法訓練后的模型，對上鏈數據做擬合預測操作。

2.1 功能架構分析

系統功能架構的核心包含物理層、機器學習層及區塊鏈層，各自有其特定的功能，同時又密切關聯，形成一套秩序性較好的工作機制。物理層的核心功能在于采集數據，通過對移動終端、傳感器等相關裝置的協同應用，采集數據并將其傳輸至機器學習層；繼而對該部分前端數據做規范化處理，由此得到兩個細分部分，即訓練數據集和測試數據集，各自又有特定的使用路徑，分別用于機器學習模型的訓練、性能的評估；在得到訓練后，將生成一套訓練模型參數，此部分內容會被完整地寫入智能合約內，對其執行編譯操作，最終可以部署至區塊鏈中[1]。經過該處理流程，可以完成模型預測和數據擬合操作，最終滿足補全數據的要求。關于系統的架構，如圖1所示。

圖1 系統功能架構

2.2 智能合約腳本

智能合約的屬性體現在“值”“狀態”兩個方面。合約觸發條件符合要求后，將以預設信息為依據，啟用狀態機并選擇合約動作自動執行。經特定機制的訓練后，合約腳本模型獲得某滿足要求的擬合函數，將其視為訓練模型，以完成對上鏈數據缺失值的補充[2]。

關鍵的流程為：若存在訪問區塊鏈的需求，則向機器學習器內輸入含缺失值的數據X；通過對合約腳本的運行，可以生成一個參數估計值β，其會被編譯至智能合約內；此后，將X、Y視為完整數據，向區塊鏈內存入，此時將觸發智能合約，在數據接收端完成模型預測的同時，還可實現對數據的擬合操作，由此產生響應Y，其特點在于具有完善性，換言之，包含了缺失值的擬合填充值。

數據預處理合約算法偽代碼為：

輸入：待處理數據；

輸出：含兩條路徑，處理完成則向區塊鏈存入數據；未順利完成處理操作，則返回錯誤信息。

1.編譯智能合約；

2.部署智能合約并調用start（）；

3.解鎖已有賬戶；

4.獲取輸入數據；

5.與最佳估計腳本交互；

6.If交互出錯；

7.Returnerror；

8.Else獲得β值；

9.Ifβ與智能合約腳本不符；

10.Returnerror；

11.Else異步執行：實例化智能合約；

12.ThenputParams（最佳估計系數）；

13.For：數據輸入；

14.If：數據存入區塊鏈；

15.else：y=regression（輸入單行數據）；

16.數據與Y打包并存入區塊鏈；

17.End。

在本次設計中，采用到線性回歸模型，通過對機器學習與區塊鏈智能合約的深入融合，能夠高效實現對數據的預處理操作目標。單組數據包含X、Y兩部分數據，數據收集時缺失Y，依托于線性回歸特性，能夠得到變量的定量關系，在完成數據訓練操作后，可以得到最佳估計β值的轉置，其能夠與剩余數據X矩陣相乘，至此則可以達到補全缺失值Y的效果。基于Solidity語言，可以將“Y=β×X”寫入智能合約腳本。式中，Y為預測的因變量，β為最佳估計（經過訓練后得出），X為自變量。

在實際應用中，需借助特定的觸發條件，以便調取滿足需求的智能合約。在操作中，輸入自變量X，通過與β矩陣的轉置相乘后，即可產生Y，將經過前述流程后的Y與自變量X存入區塊鏈。需明確的是，一旦X、Y數據被存入區塊鏈且上傳完畢，則不具有可篡改的可能，此時也意味著結束了智能合約的部署與調用操作。

3.功能設計

以太坊是開源的底層系統，在其組成體系中，合約對應的是程序，即一個合約則指的是區塊鏈中的某個程序。在功能設計中，以太坊虛擬機能夠提供腳本語言，可執行以太坊合約。在本次設計中，則創建了以太坊區塊鏈實驗環境，在此前提下實現區塊鏈智能合約腳本[3]。

從整個實現過程來看，其涵蓋了如下3部分內容：

（1）回歸算法。依據線性回歸算法，經設計后生成數據預處理算法模型，利用Python語言編寫，解出最佳估計值。

（2）合約部署。在完成truffe編譯操作后，能夠從語法正確性的角度對智能合約做出判斷，同時將其部署至區塊鏈上。在智能合約的部署工作中，應當確保區塊鏈網絡有正在挖礦的節點進行驗證。具體至本次設計中，在以太坊私有鏈上部署智能合約腳本，目的在于完成對上鏈數據的預處理操作。

（3）合約調用。此操作的基本目的在于驗證功能是否完善，同時對機器學習算法的功能實現性做出判斷，即是否可以完成對數據的擬合操作，以及其是否能夠上傳并有效存入區塊鏈。對此，采用的是樂高模型價格預測數據，以完成驗證操作，對智能合約腳本的可行性做出判斷。

根據智能合約的調用結果，所提出的智能合約腳本可行性較佳，可高效滿足預期的設計目標；此外，經驗證后也充分說明了該區塊鏈智能合約的可行性，可以深度融合機器學習和區塊鏈，并在區塊鏈內按照特定的流程高效完成數據的存儲以及處理操作；借助區塊鏈不可篡改的特性，可有效減小外部對數據的干擾，保證數據存儲的安全性，也能夠給數據的處理提供安全層面的保障。總體來看，基于機器學習的區塊鏈智能合約綜合應用效果較佳。

4.結語

在本文的設計中，以機器學習算法為核心，實現工業數據擬合的區塊鏈應用，經驗證后認為該設計方案具有可行性，可以給同仁提供參考。同時也可以預見的是，區塊鏈的發展已經不再局限于數字貨幣領域，其正逐步朝著智能合約方向變遷，在未來的區塊鏈技術探索路徑中，智能合約將是重要的方向。