基于机器学习框架下的区块链智能合约脚本设计

符安文

（成都埃克森尔科技有限公司，四川成都 610041）

1.区块链智能合约概述

事务及事件信息载入智能合约后，将针对该部分资源状态做更新处理，触发智能合约，以完成状态机判断操作。在该路径中，若达到触发的条件要求，则启用状态机，由其依据既定的合约执行。基于智能合约的处理机制具有全面性，其将众筹规则纳入智能合约内，同时构成完整的区块链众筹合约系统。在区块链的技术体系中，依托于物联网可伸缩管理机制，用户可根据需求及时调用智能合约，从而以便捷化的方式精准完成对物联网设备的伸缩管理操作。

2.区块链智能合约脚本设计

通过对机器学习算法的深入应用，智能合约脚本采用的是利用该方法训练后的模型，对上链数据做拟合预测操作。

2.1 功能架构分析

系统功能架构的核心包含物理层、机器学习层及区块链层，各自有其特定的功能，同时又密切关联，形成一套秩序性较好的工作机制。物理层的核心功能在于采集数据，通过对移动终端、传感器等相关装置的协同应用，采集数据并将其传输至机器学习层；继而对该部分前端数据做规范化处理，由此得到两个细分部分，即训练数据集和测试数据集，各自又有特定的使用路径，分别用于机器学习模型的训练、性能的评估；在得到训练后，将生成一套训练模型参数，此部分内容会被完整地写入智能合约内，对其执行编译操作，最终可以部署至区块链中[1]。经过该处理流程，可以完成模型预测和数据拟合操作，最终满足补全数据的要求。关于系统的架构，如图1所示。

图1 系统功能架构

2.2 智能合约脚本

智能合约的属性体现在“值”“状态”两个方面。合约触发条件符合要求后，将以预设信息为依据，启用状态机并选择合约动作自动执行。经特定机制的训练后，合约脚本模型获得某满足要求的拟合函数，将其视为训练模型，以完成对上链数据缺失值的补充[2]。

关键的流程为：若存在访问区块链的需求，则向机器学习器内输入含缺失值的数据X；通过对合约脚本的运行，可以生成一个参数估计值β，其会被编译至智能合约内；此后，将X、Y视为完整数据，向区块链内存入，此时将触发智能合约，在数据接收端完成模型预测的同时，还可实现对数据的拟合操作，由此产生响应Y，其特点在于具有完善性，换言之，包含了缺失值的拟合填充值。

数据预处理合约算法伪代码为：

输入：待处理数据；

输出：含两条路径，处理完成则向区块链存入数据；未顺利完成处理操作，则返回错误信息。

1.编译智能合约；

2.部署智能合约并调用start（）；

3.解锁已有账户；

4.获取输入数据；

5.与最佳估计脚本交互；

6.If交互出错；

7.Returnerror；

8.Else获得β值；

9.Ifβ与智能合约脚本不符；

10.Returnerror；

11.Else异步执行：实例化智能合约；

12.ThenputParams（最佳估计系数）；

13.For：数据输入；

14.If：数据存入区块链；

15.else：y=regression（输入单行数据）；

16.数据与Y打包并存入区块链；

17.End。

在本次设计中，采用到线性回归模型，通过对机器学习与区块链智能合约的深入融合，能够高效实现对数据的预处理操作目标。单组数据包含X、Y两部分数据，数据收集时缺失Y，依托于线性回归特性，能够得到变量的定量关系，在完成数据训练操作后，可以得到最佳估计β值的转置，其能够与剩余数据X矩阵相乘，至此则可以达到补全缺失值Y的效果。基于Solidity语言，可以将“Y=β×X”写入智能合约脚本。式中，Y为预测的因变量，β为最佳估计（经过训练后得出），X为自变量。

在实际应用中，需借助特定的触发条件，以便调取满足需求的智能合约。在操作中，输入自变量X，通过与β矩阵的转置相乘后，即可产生Y，将经过前述流程后的Y与自变量X存入区块链。需明确的是，一旦X、Y数据被存入区块链且上传完毕，则不具有可篡改的可能，此时也意味着结束了智能合约的部署与调用操作。

3.功能设计

以太坊是开源的底层系统，在其组成体系中，合约对应的是程序，即一个合约则指的是区块链中的某个程序。在功能设计中，以太坊虚拟机能够提供脚本语言，可执行以太坊合约。在本次设计中，则创建了以太坊区块链实验环境，在此前提下实现区块链智能合约脚本[3]。

从整个实现过程来看，其涵盖了如下3部分内容：

（1）回归算法。依据线性回归算法，经设计后生成数据预处理算法模型，利用Python语言编写，解出最佳估计值。

（2）合约部署。在完成truffe编译操作后，能够从语法正确性的角度对智能合约做出判断，同时将其部署至区块链上。在智能合约的部署工作中，应当确保区块链网络有正在挖矿的节点进行验证。具体至本次设计中，在以太坊私有链上部署智能合约脚本，目的在于完成对上链数据的预处理操作。

（3）合约调用。此操作的基本目的在于验证功能是否完善，同时对机器学习算法的功能实现性做出判断，即是否可以完成对数据的拟合操作，以及其是否能够上传并有效存入区块链。对此，采用的是乐高模型价格预测数据，以完成验证操作，对智能合约脚本的可行性做出判断。

根据智能合约的调用结果，所提出的智能合约脚本可行性较佳，可高效满足预期的设计目标；此外，经验证后也充分说明了该区块链智能合约的可行性，可以深度融合机器学习和区块链，并在区块链内按照特定的流程高效完成数据的存储以及处理操作；借助区块链不可篡改的特性，可有效减小外部对数据的干扰，保证数据存储的安全性，也能够给数据的处理提供安全层面的保障。总体来看，基于机器学习的区块链智能合约综合应用效果较佳。

4.结语

在本文的设计中，以机器学习算法为核心，实现工业数据拟合的区块链应用，经验证后认为该设计方案具有可行性，可以给同仁提供参考。同时也可以预见的是，区块链的发展已经不再局限于数字货币领域，其正逐步朝着智能合约方向变迁，在未来的区块链技术探索路径中，智能合约将是重要的方向。