A Blockchain-Enabled CMS for Transparency and Data Integrity in E-Commerce Applications
Notice bibliographique
Résumé
Content management systems (CMS) underpin large e-commerce platforms, yet conventional deployments prioritize throughput over verifiable integrity. This tradeoff limits adoption in settings that require traceability and resistance to tampering. Extensions such as append-only audit logs and cloud security add-ons mitigate risk to a degree, although they retain centralized control and can increase latency without end-to-end provenance. This work introduces a Blockchain-Enabled CMS (BC-CMS) that uses Hyperledger Fabric for the ledgering of metadata and IPFS for off-chain storage of media. Smart contracts provide access control, provenance and auditability across distributed peers. To test at scale, we create a workload based on the Instacart Online Grocery Shopping Dataset with synthetic data to scale to$\text{1 0 0, 0 0 0}$products, 2.5 M content revisions, and 1.2 M media assets. The benchmark exercises to read, update, create and delete mixes, based on common patterns of operations. BC-CMS has 2940 transactions per second with 95th percentile latency of 214 ms, has 99.996 % tamper detection accuracy, and has availability ¿99.9%. Compared to previous blockchain-based CMSs baseline, the throughput increased about 10 to 15 %, and storage overhead also eliminated by off-chain media management. These results indicate that the proposed design achieves a balance between efficiency and integrity for trust sensitive e-commerce applications. Future directions include multi tenant isolation, adaptive consensus selection and lightweight cryptographic protocols to further improve scalability.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,003 | 0,011 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,002 | 0,005 |
| Science ouverte | 0,002 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,001 |
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.
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 source (Gemma direct ou Codex distillé), 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 ».