Hệ thống học trực tuyến đã trải qua một sự chuyển đổi đáng kể, đặc biệt được làm nổi bật trong các cuộc khủng hoảng như đại dịch COVID-19, khi nó trở thành một yếu tố thiết yếu toàn cầu. UNESCO đã phê duyệt nhiều nền tảng học trực tuyến đã thành lập như các giải pháp nhanh chóng, nhưng những giải pháp này không được khuyến nghị là các phương án lâu dài do nhiều thách thức ảnh hưởng đến quá trình học tập. Những nghiên cứu gần đây đã tập trung giải quyết các thách thức này bằng cách sử dụng trí tuệ nhân tạo (AI), học sâu (deep learning) và công nghệ blockchain. AI và học sâu nhằm nâng cao hiệu quả đánh giá kết quả học tập của người học, trong khi blockchain và hợp đồng thông minh giúp chống lại các vấn đề như chứng chỉ giả mạo, gian lận kết quả và theo dõi hoạt động của người học. Dù cả hai công nghệ đều thể hiện tiềm năng mạnh mẽ, nhưng ít nghiên cứu nào khám phá tích hợp chúng vào hệ thống học trực tuyến, dẫn đến đề xuất của nghiên cứu này về một khuôn khổ thông minh kết hợp blockchain và học sâu nhằm bảo vệ an ninh và nâng cao hệ thống học trực tuyến bằng cách đảm bảo an toàn dữ liệu, minh bạch và tự động hóa. Khuôn khổ này lưu trữ dữ liệu của người học một cách an toàn trên blockchain thông qua việc sử dụng Hệ Thống Tệp Liên Hành (IPFS) để lưu trữ dữ liệu lớn phân tán, đảm bảo tính toàn vẹn và bí mật dữ liệu qua ví riêng của blockchain Ethereum. Các mô hình học sâu sau đó phân tích dữ liệu được bảo vệ này để dự đoán chính xác thành tích học tập. Các hợp đồng thông minh tạo điều kiện cấp chứng chỉ bởi các trường đại học, ghi nhận một cách bất biến trên blockchain và có thể truy cập bởi các nút mạng, nâng cao tự động hóa, an toàn và độ tin cậy giữa người học, giảng viên và nhà tuyển dụng. Blockchain cung cấp khả năng lưu trữ dữ liệu không thể thay đổi, có dấu thời gian, an toàn và minh bạch trong một mạng lưới phân tán ngang hàng mà không cần quyền trung tâm. Ethereum, đứng thứ hai về vốn hóa thị trường sau Bitcoin, hỗ trợ các hợp đồng thông minh có thể lập trình qua Máy Thực Thi Ethereum (EVM) sử dụng Solidity, cho phép thực hiện các giao dịch có điều kiện và tự động hóa vượt xa khả năng của Bitcoin. Các hợp đồng thông minh tự động thực hiện các điều khoản hợp đồng khi đạt các điều kiện đã định sẵn, ghi nhận tất cả các lần thực thi một cách không thể thay đổi trên blockchain. Do blockchain không phù hợp để lưu trữ các tệp lớn, các giải pháp lưu trữ ngoài chuỗi như IPFS, Storj và FileCoin được sử dụng. IPFS nổi bật với khả năng mã hóa và phân phối các tệp lớn theo phương thức ngang hàng, tạo ra các hàm băm địa chỉ nội dung để xác minh tính toàn vẹn và quyền truy cập dữ liệu, mặc dù kiểm soát truy cập vẫn còn thách thức. IPFS đóng vai trò quan trọng trong việc lưu trữ dữ liệu rộng lớn của người học một cách an toàn đồng thời liên kết các giao dịch trên blockchain qua các hàm băm. Học sâu, đặc biệt mạng nơ-ron nhân tạo (ANN) lấy cảm hứng từ bộ não sinh học, gồm nhiều lớp—lớp đầu vào, lớp ẩn và lớp ra—hoạt động dựa trên quá trình lan truyền tiến (forward propagation), tính toán lỗi và lan truyền ngược (backpropagation) qua nhiều giai đoạn. Các mạng nơ-ron sâu (DNN) với nhiều lớp ẩn giúp cải thiện độ chính xác của dự đoán. Nghiên cứu này sử dụng các mô hình này để xử lý dữ liệu của người học được lưu trữ qua blockchain và IPFS, từ đó dự đoán chính xác kết quả học tập. Một số nghiên cứu trước đây đã sử dụng học sâu để dự đoán kết quả giáo dục, bao gồm dự đoán tỷ lệ bỏ học của sinh viên trong các Khóa học Trực tuyến Mở Toàn Cầu (MOOCs) dùng mạng nơ-ron tái hồi (RNN) và mạng tích chập (CNN), đạt độ chính xác cao hơn các phương pháp truyền thống. Một số khác dùng mạng bộ nhớ dài vừa phải hai chiều (BiLSTM) để dự đoán bỏ học, và các mô hình học sâu đã thành công trong dự đoán hiệu quả học tập của sinh viên dựa trên các dữ liệu nhỏ, không cân đối, với độ chính xác cao. Khuôn khổ đề xuất hoạt động theo ba giai đoạn chính: 1.

**Lưu trữ Dữ liệu Người học trên Blockchain:** Dữ liệu của người học từ bộ dữ liệu “Open University Learning Analytics” (32. 593 bản ghi về nhân khẩu học và tương tác học tập ảo) được mã hóa và lưu trữ trên IPFS, tạo ra một hàm băm mã hóa. Hàm băm này sau đó được lưu trữ trên blockchain Ethereum riêng tư bằng hợp đồng thông minh, cho phép truy cập phân tán, bất biến. Các nút mạng—bao gồm quản trị trường đại học, giảng viên, người học và nhà tuyển dụng—đăng ký trên mạng lưới blockchain bằng các ví chứa khóa riêng và công khai. 2. **Dự đoán Hiệu suất dựa trên Học Sâu:** Dữ liệu của người học đã được mã hóa lấy từ IPFS sẽ được tiền xử lý gồm chọn đặc trưng, thay thế giá trị thiếu (sử dụng mode và hằng số), mã hóa dữ liệu phân loại, chuẩn hóa qua MinMaxScaler và giảm chiều dữ liệu bằng Principal Component Analysis (PCA). Dữ liệu này sẽ được chia thành 90% huấn luyện và 10% kiểm thử, đưa vào mô hình mạng nơ-ron sâu gồm lớp đầu vào (10 neuron), năm lớp ẩn (mỗi lớp 500 neuron, activation ReLU), và lớp ra với bốn neuron biểu thị trạng thái pass, fail, withdraw, distinction bằng activation softmax và loss sparse categorical cross-entropy. Mô hình này, thực hiện bằng Python, Keras và Sklearn, đạt độ chính xác cao (~91, 29%) và mất mát thấp (~0, 18), vượt hiệu quả các nghiên cứu trước trên cùng bộ dữ liệu. 3. **Sử dụng Hợp đồng Thông minh:** Các hợp đồng thông minh triển khai qua Solidity trên Ethereum giúp tạo ra tương tác an toàn giữa các nút: giảng viên tải bài tập lên IPFS, gửi hàm băm qua hợp đồng thông minh cho người học; người học gửi bài qua hợp đồng thông minh; trường đại học cấp chứng chỉ được lưu trữ bất biến trên blockchain; và nhà tuyển dụng (khách mời) có thể truy cập chứng chỉ và dữ liệu hiệu suất của người học sau khi trường xác nhận. Các quá trình này đảm bảo minh bạch, an toàn và tự động. Việc thực hiện bao gồm: - **Kiến trúc Blockchain:** Phát triển bằng Python, Flask và Postman để khai thác khối, xác thực chuỗi và thêm giao dịch. Các nút mạng phân tán và đăng ký thông qua MyEtherWallet (MEW), cung cấp quản lý ví cùng các chìa khóa và địa chỉ. - **Tích hợp Blockchain và Học Sâu:** IPFS lưu trữ các bộ dữ liệu mã hóa cùng với hàm băm bảo vệ trên blockchain Ethereum qua hợp đồng thông minh. Mô hình học sâu dự đoán hiệu suất người học dựa trên dữ liệu bảo vệ này. Các hợp đồng thông minh quản lý các giao dịch gồm phân phối bài tập, nộp bài, cấp chứng chỉ và truy cập dữ liệu. Các giai đoạn kiểm thử xác nhận các chức năng như đăng ký nút, truy cập ví, lưu trữ và xác minh hàm băm, phát hành và lấy chứng chỉ, tương tác bài tập, tính hợp lệ giao dịch và toàn vẹn tệp trên blockchain. Kết quả kiểm tra xác nhận tính bất biến và chống làm giả của dữ liệu lưu trữ và quá trình tương tác trôi chảy qua hợp đồng thông minh. Khuôn khổ đề xuất chứng minh rằng việc tích hợp blockchain với học sâu có thể tạo ra hệ thống học trực tuyến an toàn, minh bạch, tự động và có khả năng dự đoán chính xác cao, vượt xa các nghiên cứu trước về hiệu quả. Phương pháp này giải quyết các thách thức về bảo vệ dữ liệu, xác minh người học và tự động hóa các quy trình học thuật, mở ra nền tảng cho các nền tảng học thông minh trong tương lai.