기존의 표준 금융거래 시스템은 중앙 집중화된 발행 기관이나 통제 기관이 거래를 종합적으로 관리하고 중개하는 방식에 의존하고 있다. 그러나 최근 금융계에서는 보안성, 거래 내역의 투명성 그리고 비용 절감 등을 장점으로 하는 블록체인(Blockchain) 기술을 암호화 화폐, P2P(Peer to Peer) 대출, 주식 거래, 해외 송금 등에 활용하는 추세이다. 안드레아스M. 안토노풀로스의 Mastering Bitcoin에 따르면 블록체인은 분산되고 독립적이며 개방된 공통 장부(Ledger) 관리 기술로서, POW(Proof of Work)를 따르는 블록체인은 마이닝(Mining)을 통해 트랜잭션(Transaction)과 트랜잭션의 집합인 블록(Block)을 검증하고 승인하게 된다. 승인된 블록은 네트워크의 동의를 얻은 후, 주 블록체인에 추가될 수 있다. 이때 마이너(Miner)들은 블록 생성에 대한 노력을 객관적으로 증명하기 위한 방법으로 암호화 해시 알고리즘을 기반으로 하는 어려운 문제를 풀기 위해 경쟁한다. 그리고 문제에 대한 해답을 찾는 POW 과정을 통해 노력에 대한 보상을 받고, 트랜잭션을 블록체인에 기록하는 권리를 얻는다. 이 과정에서 참여자(노드)들은 네트워크에 컴퓨터 자원을 제공하고 POW를 유지하는데 초당 수천기가 해시를 소모하게 된다. 이처럼 해시 파워의 낭비는 금전적 손실과도 결부되어 있고 POW를 따르는 블록체인 네트워크에서 마이닝은 간과할 수 없는 중요한 문제이지만, 이와 관련된 관리 시스템이나 기법에 대한 연구는 미비한 실정이다. 이에 본 논문은 새로운 마이너 관리 기법으로 기계 학습(Machine Learning)을 활용하여 마이너의 이상 상태를 예측하는 모델을 제안하고자 한다. 예측 모델을 생성하기 위해 블록체인을 기반으로 하는 이더리움(Ethereum)의 마이너 관리 시스템을 구축하고, 그 과정에서 마이너의 센서 데이터와 로그 데이터를 수집하여 주성분 분석(PCA: Principal Component Analysis)과 서포트 벡터 머신(SVM: Support Vector Machine) 알고리즘을 이용하여 기계 학습시키고 평가한다. 그 결과 비선형 SVM의 Gaussian RBF(Radial Basis Function) 커널을 적용한 예측 모델의 정확도는 0.9318428, 0.8911792, 0.8650138로 선형 SVM 결과와 비교해 보았을 때 상대적으로 더 적합한 모델임을 보여준다. 이에 본 연구는 마이너의 작업 이상 현상을 예측할 수 있는 모델을 제시함으로 마이너 장애 감지 및 진단 시간을 단축하고, 마이닝 환경 최적화에 기여할 수 있을 것이라 판단된다.