MétaCan
Menu
Retour à la cohorte
Enregistrement W4408873535 · doi:10.18280/ijsse.150218

Design and Develop the Business Process Model for Open Access Copyright Management System Using Permission Less Blockchain

2025· article· en· W4408873535 sur OpenAlexvenueno aff
K. Varaprasada Rao, Dileep Kumar Murala, Sandeep Kumar Panda

Notice bibliographique

RevueInternational Journal of Safety and Security Engineering · 2025
Typearticle
Langueen
DomaineComputer Science
ThématiqueBlockchain Technology Applications and Security
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésBlockchainPermissionProcess (computing)Computer securityBusiness modelProcess managementComputer scienceBusiness processBusinessMarketingOperating systemWork in process

Résumé

récupéré en direct d'OpenAlex

Copyright management is essential in the digital economy for protecting intellectual property rights.With the exponential growth of digital content, existing centralized systems struggle with inefficiencies, enforcement challenges, and a lack of transparency.Blockchain technology offers a decentralized and tamper-proof solution, enabling transparent, traceable, and legally compliant copyright management.However, achieving a standardized, trusted, and interoperable platform remains a key challenge.This study presents an optimized blockchain-based copyright management model that enhances process coordination and automation.The approach utilizes a structured "Chain of Transformation", converting an optimized state transition model into intelligent smart contracts.Key stages include: (1) defining the business process state transition model, (2) optimizing it using the Processes States and Transition Reduction Algorithm (PSTRA), (3) transforming it into smart contracts, and (4) refining these contracts into intelligent contracts.This structured automation ensures secure, efficient, and enforceable copyright management.Comparative analysis with existing systems highlights improvements in decentralization, security, cost efficiency, process communication, and standardization.The integration of intelligent smart contracts enhances automation, ensuring transparent and legally enforceable copyright execution.The model also strengthens security against copyright infringements by leveraging blockchain's immutable ledger for verification and enforcement.The proposed blockchain-based model improves copyright protection by providing a secure, automated, and legally compliant framework.It fosters innovation by standardizing copyright processes, reducing inefficiencies, and lowering operational costs.Future research will focus on enhancing scalability, cross-chain interoperability, and legal adaptability to address evolving industry needs.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesCommunication savante, Science ouverte
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Méthodes · Signal consensuel: Méthodes
Score de désaccord entre enseignants0,999
Score d'incertitude au seuil0,018

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,001
Communication savante0,0020,003
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0040,001

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.

Tête enseignante Opus0,027
Tête enseignante GPT0,305
Écart entre enseignants0,278 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Devis d'étudeSans objet
Domainenon disponible
GenreMéthodes

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations7
Publié2025
Routes d'admission1
Résumé présentnon

Explorer davantage

Même revueInternational Journal of Safety and Security EngineeringMême sujetBlockchain Technology Applications and SecurityTravaux en français237 207