Incorporación de Machine Learning en la selección de Patrones de Eventos para el modelado de Contratos Inteligentes

• Medina, Oscar Carlos ^[1] ; Meloni, Brenda Elizabeth ^[1] ; Strub, Ana María ^[1] ; Marciszack, Marelo Martín ^[1]
  1. [1] Universidad Tecnológica Nacional

     Universidad Tecnológica Nacional

     Argentina

     
• Localización: Ciencia y tecnología, ISSN 1850-0870, ISSN-e 2344-9217, Nº. 25, 2025, págs. 39-50
• Idioma: español
• DOI: 10.18682/cyt.vi25.12490
• Títulos paralelos:
  • Incorporation of Machine Learning in the Selection of Event Patterns for Smart Contract Modelling
• Enlaces
  • Texto completo
• Resumen
  • español

    Los patrones de eventos se utilizan para modelar las interacciones entre los contratos inteligentes y su entorno, mejorando así la eficiencia, la seguridad y la flexibilidad de las aplicaciones basadas en tecnologías blockchain. El modelado de contratos inteligentes basado en patrones de eventos es una tendencia emergente. Definir un nuevo patrón, o seleccionar uno preexistente de un catálogo determinado, es fundamental para cualquier modelo de análisis que utilice patrones de eventos. Este estudio presenta una propuesta para gestionar un catálogo de patrones de eventos aplicable al modelado conceptual de contratos inteligentes e incorpora técnicas de aprendizaje automático para optimizar la selección de patrones. Para evaluar esta propuesta, se desarrolló un prototipo de aplicación llamado PatCat (Catálogo de Patrones), utilizando como caso práctico una aplicación de votación electrónica descentralizada. La incorporación de patrones al inicio del proceso de modelado simplifica y clarifica la obtención de requisitos, entre otras ventajas, mientras que el uso del aprendizaje automático acelera la descripción del problema. En consecuencia, una aplicación especializada para la gestión de un catálogo de patrones de eventos, con el apoyo de técnicas de aprendizaje automático, resulta útil para estandarizar y optimizar las tareas de modelado de contratos inteligentes.

  • English

    Event patterns are used to model interactions between smart contracts and their environment, improving the efficiency, security, and flexibility of applications based on blockchain technologies. Event pattern-driven smart contract modelling is an emerging trend. Defining a new pattern or selecting a pre-existing one from a limited catalog is a fundamental activity for any analysis model that utilizes event patterns. This study presents a proposal to manage a catalog of event patterns that can be applied to the conceptual modelling of smart contracts and incorporates machine learning techniques to optimize pattern selection. To test this proposal, a prototype application called PatCat (Pattern Catalogue) was developed, using a decentralized electronic voting application as a case study. The incorporation of patterns at the beginning of the modelling process simplifies and clarifies the elicitation of requirements, among other benefits, while the use of machine learning accelerates the description of the problem situation. Consequently, a specialized application for managing a catalog of event patterns, supported by machine learning techniques, proves useful in standardizing and streamlining smart contract modelling tasks.

• Referencias bibliográficas
  • Eriksson, H. E., & Penker, M. (2000). Business modeling with UML: Business patterns at work. OMG Press.
  • Fraga Lamas, P., & Fernández Caramez, T. (2022). Introductory chapter: Opportunities and challenges on the convergence of blockchain and...
  • Liu, Y., Yu, F. R., Li, X., Ji, H., & Leung, V. C. M. (2020). Blockchain and machine learning for communications and networking systems....
  • Marwala, T., & Xing, B. (2018). Blockchain and artificial intelligence, https://arxiv.org/abs/1802.04451
  • Nakamoto, S.: Bitcoin (2008). A peer-to-peer electronic cash system, https://bitcoin.org/bitcoin.pdf
  • Ramírez, D. H. (2018). El machine learning a través de los tiempos, y los aportes a la humanidad. Universidad Libre - Seccional Pereira Facultad...
  • Tanwar, S., Bhatia, Q., Patel, P., Kumari, A., Singh, P. K., & Hong, W. (2020). Machine learning adoption in blockchain-based smart applications:...
  • Vertex. AI Agent Builder, https://cloud.google.com/products/agent-builder?hl=es-419
  • Zhao, W., Zhao, Huang, T., Chen, Y., Deng, Y., & Tan, W. (2021). A systematic literature review on event pattern-based modeling of smart...