Design and Implementation of Financial Smart Contract Services on Blockchain
Notice bibliographique
Résumé
Blockchain technology is disrupting current business models and practices by making intermediary services obsolete and the term has become a buzzword worldwide. One particular area based on the distributed ledger technology that has grabbed the attention of many financial businesses is "Smart Contracts". A lot of research is going on to harness its full potential in many fronts from small to large financial businesses. Currently, the Collateral Smart Contract Services (CSCS) are manually processed in financial institutions. The main objective of this research is to help financial institutions in choosing the most appropriate financial instrument for CSCS and allow its automated trading using blockchain technology, which we have achieved on one of the prominent blockchain platforms. We have designed a Chaincode for CSCS using Hyperledger Fabric, maintaining a transparent distributed ledger for the CSCS between financial institutions. The clients in the network are permissioned and possess certificates that they utilize to interact with the Hyperledger Fabric network. Go programming language has been used to create contracts on Hyperledger Fabric. One of the main challenges in the implementation has been to identify different elements that are required to get the network and chaincode running on the Hyperledger. We have designed a network consisting of multiple organizations each one connecting with other organizations for the Hyperledger transactions, for achieving collateral services among these institutions. The experimental evaluation criteria designed for this study could be used as formal procedure for designing financial smart contracts on Hyperledger.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».