一种自适应的神经模糊区块链-人工智能框架，用于实现安全且智能的金融科技交易

《Scientific Reports》：An adaptive neuro-fuzzy blockchain–AI framework for secure and intelligent FinTech transactions

　　

摘要

金融系统越来越依赖于数字化和分布式基础设施，这使得金融科技（FinTech）服务面临复杂且快速演变的网络威胁。传统的基于规则的安全机制和静态机器学习模型在检测复杂欺诈模式的同时，可能难以满足金融交易的完整性、可靠性和实时处理要求。本研究提出了一种自适应神经模糊区块链-人工智能（ANFB-AI）框架，用于在金融科技环境中实现智能且注重完整性的欺诈检测。该框架结合了许可区块链、机器学习和自适应神经模糊技术，以解决交易完整性、行为不确定性以及不断变化的欺诈模式问题。ANFB-AI采用双重风险评估机制，将基于机器学习的欺诈概率与神经模糊风险推断相结合。特定的交易区块链指标（包括哈希值有效性、数字签名有效性、验证器批准以及智能合约合规性）会动态调整融合后的行为风险评分，并影响最终的交易接受、监控或拒绝决定。这种注重完整性的设计使得该框架区别于那些仅将区块链作为交易存储层的方案。数学公式定义了区块链完整性评估、自适应风险融合、威胁分类和最终决策过程。该框架采用权威证明（Proof-of-Authority）共识机制，并在正常、中等欺诈率和高欺诈率的五种节点许可联盟环境中进行了评估。实验评估检验了其在多次运行中的欺诈检测效果和交易处理行为，结果通过均值、标准差和95%置信区间进行了总结。研究结果表明ANFB-AI在概念验证条件下的功能性可行性，并证实区块链完整性反馈有助于提高对风险的敏感性。相关研究中报告的结果仅作为参考基准，因为数据集和实验协议的差异限制了直接进行统计比较。需要进一步使用真实机构数据、更大的验证器网络和具有生产代表性的工作负载进行评估，以验证该框架的可扩展性和更广泛的应用性。