С развитием вычислительных мощностей стало возможно совершенствование систем искусственного интеллекта. Сейчас искусственный интеллект внедрен в огромное число различных областей. Система искусственного интеллекта - это довольно абстрактное понятие, под которым обычно понимают систему, способную воспринимать окружающую среду и предпринимать действия, которые максимизируют шансы системы на успешное достижение поставленных целей. Искусственный интеллект часто используется в сложно формализуемых задачах благодаря возможности автоматического выделения особенностей исходных данных и способности к обобщению. Также внедрение систем искусственного интеллекта может значительно сократить расходы на высококвалифицированных экспертов в различных областях и исключить ошибки, связанные с человеческим фактором.
Появление распределенных реестров сильно повлияло на развитие IT. Технологии распределенных реестров (Distributed ledger technology, DLT) можно рассматривать как технологии хранения данных, в которых отсутствует доверие между узлами. Ключевыми особенностями распределенных реестров являются:
• отсутствие центрального администратора;
• предоставление возможности совместного использования;
• обеспечение синхронизации между несколькими узлами (которые могут принадлежать различным государствам или учреждениям).
Распределенный реестр представляет из себя одноранговую (пиринговую) сеть, в которой информация хранится сразу на нескольких узлах. Между узлами сети отсутствует доверие, поэтому для обновления данных реестра участники сети должны прийти к консенсусу - некому заранее установленному условию разрешения конфликтов.
Существует множество различных технологий распределенных реестров:
• Blockchain [1],
• Hashgraph [2],
• Направленный ациклический граф (Directed Acyclic Graph, DAG) [3], и т.д.
Среди всех распределенных реестров, наибольшую популярность получила технология блокчейн, что связано с появлением криптовалюты Bitcoin [4].
Взаимодействие систем искусственного интеллекта с различными DLT является довольно перспективной областью исследований, так как это дает возможность использовать преимущества искусственного интеллекта в распределенных системах, в которых отсутствует доверие между узлами. Также интеллектуальные системы могут быть применены для анализа и оптимизации распределенных реестров.
В данной работе была поставлена задача классификации адресов сети Ethereum по заранее известным типам. Были рассмотрены различные методы искусственного интеллекта для решения задачи классификации.
В результате работы был собран датасет для обучения моделей и произведена оценка пригодности рассматриваемых алгоритмов для решения поставленной задачи по различным метрикам. Вычислительные эксперименты позволили определить наиболее подходящие для решения задачи методы. Для полученных моделей были определены степени важности признаков, используемых для классификации. Также были предложены направления дальнейшего исследования рассматриваемой области. Учитывая дефицит работ по теме классификации адресов блокчейн-сетей, данная работа может быть полезна для изучения указанной темы.
