Applications of Machine Learning and Mathematical Modeling on Blockchain

Abstract

본 박사학위 논문은 머신러닝 테크닉을 활용한 블록체인 소셜 네트워크 플랫폼에서의 포스팅 봇 탐지와 실제 시나리오에 기반한 헬스케어 블록체인 시스템 내 토큰 이코노미의 메커니즘 디자인에 관한 두 내용을 담고 있다. 첫 번째 연구에서는 블록체인 소셜 네트워크 플랫폼인 Steemit의 데이터를 활용하여 포스팅 봇 탐지를 위해 자체적인 특징들을 클러스터링 방법을 통해 생성하였다. 이 특징들의 성능을 알아보기 위해 다른 텍스트 관련 특징들과 비교하였고, 트위터나 페이스북과 같이 타 소셜 미디어 플랫폼의 봇 탐지에 활용되었던 특징들과 블록체인에서 생성될 수 있는 특징들을 생성하여 비교하였다. 더 나아가 포스팅 봇 탐지에 좋은 성능을 보여준 특징을 찾기 위하여 트리 기반 알고리즘의 특징 중요도를 활용하였다. 이 연구는 포스팅 봇에 대한 효율적인 탐지 방법을 제시하였으며, 블록체인 소셜 네트워크 플랫폼 이외에 다른 플랫폼에서도 활용할 수 있다. 두 번째 연구에서는 헬스케어 블록체인 시스템에서 임상시험 참가자 모집 시나리오가 존재할 때 임상시험 기업의 비용 최소화를 위한 수학적 모델링을 소개하였다. 임상시험 참가자의 건강 정보가 공유될 때마다 참가자와 참가자의 정보를 저장하는 데이터 제공자에게 토큰 보상이 돌아갈 수 있다고 가정하였다. 시나리오는 두 가지로, 건강한 사람의 라이프 로그데이터 수집 및 암 투병 환자 임상시험에 관한 시나리오를 고려하였다. 첫번째 시나리오에서는 참가자의 사회경제적 위치, 두번째 시나리오에서는 참가자에게 적용 가능한 치료 프로토콜의 수를 고려하였고, 임상시험 기업이 참가 보상을 설정했을 때 참가자의 임상시험 참가 확률을 결정하였다. 이를 기반으로 예상 참가자 모집 기간을 도출 할 수 있고 임상시험 기업의 경제적, 시간적 비용을 최소화하는 참가 보상을 볼록 최적화를 통해 얻을 수 있다. 이 연구는 블록체인을 활용하여 임상시험 참가자 모집을 했을 때 임상시험 기업의 비용 절감에 대한 가이드라인을 제공하며, 토큰 이코노미가 적용된 환경에서 모델링 방법에 대한 기초를 제공한다.

This doctoral dissertation contains two papers; Posting Bot Detection on Blockchain-based Social media Platform using Machine Learning Techniques and Mechanism Design of Token Economy in Healthcare Blockchain system based on Real-World Scenarios: Algorithm Development and Validation. In the first study, we create features through clustering methods to detect the posting bot using blockchain data. Moreover, we compare our features with other text-related features and features to detect bots on other social media platforms, such as Twitter and Facebook. Furthermore, applying feature importance, we find features that showed good performance in detecting posting bots. The study suggested efficient detection methods for posting bot detection and can be used on other SNS platforms. The second study introduces mathematical modeling to minimize clinical trial companies' costs when recruiting clinical trial participants in healthcare blockchain systems. Each time the participants' health information is shared, we assume that the company gives token rewards to data providers and participants. There are two scenarios; collecting lifelog data for healthy people and the clinical trials for cancer-fighting patients. We consider the participant's socioeconomic position and the number of treatment protocols applicable to the participant in the first and second scenarios, respectively. Moreover, the probability of the participant's participation in the clinical trial is determined when the clinical trial company established participation compensation. Based on this mechanism, we derive the expected participant recruitment period, and we obtain participation compensation that minimizes the economic and temporal costs of clinical trial companies through convex optimization. This study provides guidelines for cost reduction for clinical trial companies when recruiting clinical trial participants using the blockchain. It also provides a basis for modeling methods in an environment with a token economy.