Trustworthiness for personal lending on Blockchain - TEL - Thèses en ligne Accéder directement au contenu
Thèse Année : 2022

Trustworthiness for personal lending on Blockchain

Fiabilité des prêts personnels sur Blockchain

Résumé

In this thesis, we propose that borrowers’ trustworthiness be used as an alternative in lending applications so that borrowers are no longer burdened with collateral or guarantors. The problem is how to reliably calculate trustworthiness. Another problem is how to enforce the conditions of lending and borrowing in a P2P environment. In this thesis, we make several contributions in these areas, which are summarized below. As a first contribution, we build a borrower trustworthiness scoring model called LAPS. The LAPS formula computes the borrowers’ trustworthiness score based on variables such as loan risk, user activity, user profile, and social recommendations. In the LAPS model, we introduce social recommendations in support of a borrower. The advantage of the LAPS score is that it may help to convince the lenders/investors to provide loans with minimal or no collateral. They get assurance that the borrowers are able to pay back the loans, and the recommender bridges the gap between the borrower and the lender. Our second contribution is to develop smart contracts that enforce the conditions of lending and borrowing in a P2P environment. We use these smart contracts to enable interactions between users (borrowers, recommenders, and lenders/investors) in a secure way where all agreed upon rules are enforced. The smart contracts implement the LAPS trustworthiness score formula. As the third contribution, we introduce TrustLend as a personal lending platform and present its design and implementation details. We develop a fully functional prototype of TrustLend as a decentralized application (DApp). The prototype shows the features required by borrowers, recommenders, and lenders/investors to rely on trustworthiness by implementing trustworthiness scores with Ethereum smart contracts. TrustLend deploys the smart contracts and applies the LAPS formula to compute the borrowers’ trustworthiness scores. We describe the prototype architecture and conduct various personal loan simulations. TrustLend presents architectural designs that meet the needs of borrowers, recommenders, and lenders/investors, such as permissionless access, integrity, and security. In addition, the platform aims for several other properties: Transparency: all system transactions are traceable and accountable. Automatic enforcement of terms: autonomous transactions by smart contracts are binding for all participants. Reduced costs: we attempt to minimize gas costs for feasible economics.
Dans cette thèse, nous proposons que la fiabilité des emprunteurs soit utilisée comme alternative dans les demandes de prêt afin que les emprunteurs ne soient plus surchargés de garanties ou de garants. Le problème est de savoir comment calculer de manière fiable la fiabilité. Un autre problème est de savoir comment faire respecter les conditions de prêt et d’emprunt dans un environnement P2P. Dans cette thèse, nous apportons plusieurs contributions dans ces domaines, qui sont résumées ci-dessous. Comme première contribution, nous construisons un modèle de notation de la fiabilité des emprunteurs appelé LAPS. La formule LAPS calcule le score de fiabilité des emprunteurs en fonction de variables telles que le risque de prêt, l’activité de l’utilisateur, le profil de l’utilisateur et les recommandations sociales. Dans le modèle LAPS, nous introduisons des recommandations sociales en soutien à un emprunteur. L’avantage du score LAPS est qu’il peut aider à convaincre les prêteurs/investisseurs d’accorder des prêts avec peu ou pas de garantie. Ils obtiennent l’assurance que les emprunteurs sont en mesure de rembourser les prêts, et le recommandeur comble le fossé entre l’emprunteur et le prêteur. Notre deuxième contribution est de développer des contrats intelligents qui imposent les conditions de prêt et d’emprunt dans un environnement P2P. Nous utilisons ces contrats intelligents pour permettre des interactions entre les utilisateurs (emprunteurs, recommandataires et prêteurs/investisseurs) de manière sécurisée où toutes les règles convenues sont appliquées. Les contrats intelligents implémentent la formule de score de fiabilité LAPS. En tant que troisième contribution, nous présentons TrustLend en tant que plateforme de prêt personnel et présentons ses détails de conception et de mise en œuvre. Nous développons un prototype entièrement fonctionnel de TrustLend en tant qu’application décentralisée (DApp). Le prototype montre les fonctionnalités requises par les emprunteurs, les recommandataires et les prêteurs/investisseurs pour s’appuyer sur la fiabilité en mettant en œuvre des scores de fiabilité avec les contrats intelligents Ethereum. TrustLend déploie les contrats intelligents et applique la formule LAPS pour calculer les scores de fiabilité des emprunteurs. Nous décrivons l’architecture du prototype et réalisons différentes simulations de prêt personnel. TrustLend présente des conceptions architecturales qui répondent aux besoins des emprunteurs, des recommandataires et des prêteurs/investisseurs, tels que l’accès sans autorisation, l’intégrité et la sécurité. De plus, la plateforme vise plusieurs autres propriétés: Transparence: toutes les transactions du système sont traçables et responsables. Application automatique des conditions: les transactions autonomes par contrats intelligents sont contraignantes pour tous les participants. Coûts réduits: nous essayons de minimiser les coûts de gaz pour des économies réalisables.
Fichier principal
Vignette du fichier
these.pdf (15.45 Mo) Télécharger le fichier
Origine : Version validée par le jury (STAR)

Dates et versions

tel-04146793 , version 1 (30-06-2023)

Identifiants

  • HAL Id : tel-04146793 , version 1

Citer

Wisnu Uriawan. Trustworthiness for personal lending on Blockchain. Cryptography and Security [cs.CR]. INSA de Lyon, 2022. English. ⟨NNT : 2022ISAL0105⟩. ⟨tel-04146793⟩
49 Consultations
24 Téléchargements

Partager

Gmail Facebook X LinkedIn More