fa کنترل دسترسی در قراردادهای هوشمند با استفاده از یادگیری ماشین برای اینترنت اشیا نرم افزار Software پژوهشي Research کنترل دسترسی در شبکه بلاکچین یکی از چالش&shy;هایی است که با رشد شبکه بلاک&shy;چین با آن روبه&shy;رو هستیم. در شبکه بلاک<strong><span dir="LTR">&shy;</span></strong>چین، مجموعه فعالیتهای مالی کاربران که نیاز به امضای دیجیتال دارد انجام می‌شود، این اطلاعات در سرور بلاک<strong><span dir="LTR">&shy;</span></strong>چین ذخیره می<strong><span dir="LTR">&shy;</span></strong>شود. امضای دیجیتال و تایید هویت و صحت تراکنش‌ها به صورت دستی فرآیندی وقت<strong><span dir="LTR">&shy;</span></strong>گیر بوده و کاربر پسند نیست و از دلایلی است که تکنولوژی بلاکچین به طور کامل پذیرفته نمی‌شود. در این مقاله یک روش نوین براساس ترکیب روش‌های خوشه‌بندی و دسته‌بندی پیشنهاد می‌شود، ابتدا برچسب گذاری داده‌ها به کمک روش خوشه‌بندی انجام شده و سپس از داده‌های برچسب گذاری شده برای آموزش الگوریتم&nbsp; <span dir="LTR">SVM</span> برای تعیین تراکنش‌های سالم استفاده می‌شود. روش پیشنهادی یک روش مبتنی بر یادگیری ماشین برای کنترل دسترسی است که امضای خودکار تراکنش<strong><span dir="LTR">&shy;</span></strong>های بلاک<strong><span dir="LTR">&shy;</span></strong>چین و شناسایی تراکنش<strong><span dir="LTR">&shy;</span></strong>های غیرعادی را انجام می<strong><span dir="LTR">&shy;</span></strong>دهد به منظور ارزیابی روش پیشنهادی، آزمایش و تجزیه و تحلیل بر روی داده‌های اتریوم انجام شده است و به کمک الگوریتم خوشه‌بندی <span dir="LTR">K-Means</span> و روش بردار پشتیبان ماشین تراکنش<strong><span dir="LTR">&shy;</span></strong>های سالم از مشکوک شناسایی می‌شود که این روش توانایی شناسایی با دقت 89 درصد را نشان می‌دهد. One of the challenges we encounter with the growth of the blockchain network is the Access control in the blockchain network. In the blockchain network, the set of financial activities of users that require a digital signature is performed, this information is stored in the blockchain server. Manually, digitally signing and verifying the authenticity of transactions are a time consuming and not a user-friendly process, which is one of the reasons why blockchain technology is not completely accepted. In this paper, an innovative method is proposed based on a combination of clustering and classification methods. First, labeling of data is done using the clustering method and then the labeled data is used to teach the SVM algorithm to determine safe transactions. The proposed method is a relied method on machine learning for access control that automatically signs blockchain transactions and detects abnormal transactions. In order to evaluate the proposed method, testing and analyzing&nbsp; have been done on ethereum data and with the help of K-Means clustering algorithm and machine vector support method, safe transactions are identified from suspicious ones, in which this method shows the ability to identify with 89 percent of accuracy<span dir="RTL">.</span> بلاکچین, اتریوم, SVM, K-Means Blockchain, Ethereum, SVM, K-Means 50 64 http://ic4i-journal.ir/browse.php?a_code=A-10-455-1&slc_lang=fa&sid=1 Afshin Rezakhani عبدالرضا عندلیب Abdolrezaandalib@gmail.com 10031947532846001850 10031947532846001850 No Islamic Azad University, Borujerd دانشگاه آزاد اسلامی بروجرد Afshin Rezakhani افشین رضاخانی rezakhani@abru.ac.ir 10031947532846001851 10031947532846001851 Yes Engineering Ayatollah Boroujerdi University دانشگاه آیت اله بروجردی Akbar Morshed Aski اکبر مرشد اسکی mrhasani@ihu.ac.ir 10031947532846001852 10031947532846001852 No Department of Computer Engineering, Varamin – Pishva Branch, Islamic Azad University, Varamin دانشگاه آزاد اسلامی، واحد ورامین Parisa Rahmani پریسا رحمانی Rahmani@pardisiau.ac.ir 10031947532846001853 10031947532846001853 No Department of Computer Engineering, Pardis Branch, Islamic Azad University, Pardis, Iran دانشگاه آزاد اسلامی، واحد پردیس