当前的在线学习平台对于学习者学习行为及数据的管控存在诸多问题。学习者的学习过程缺乏有效监管、完成率低,学习态度散漫懈怠、作弊情况普遍,学习方法缺乏科学规划、碎片化严重,学习成果达标率低、可信度差;学习者的学习行为数据容易被攻击、泄露和滥用。针对上述问题,本文提出了学习信用的概念,构建了面向深度学习的学习信用评估模型,设计了基于区块链技术的学习信用数据可信存储与共享模型。论文的主要工作分为以下三部分:首先,研究教育学中的深度学习理论,从信用的视角将深度学习与在线学习平台整合,提出了学习信用的概念。基于深度学习与浅层学习概念和特征的对比分析,从在线学习的过程、态度、方法和成果四个方面定义了学习信用特征,并由此构建了在线学习平台中面向深度学习的学习信用评估模型。模型包括参与度、积极性、规律性、达标率和影响力五大评价维度及14个显性或隐性行为指标,多途径收集评估学习行为数据,实时监管学习过程、准确衡量学习态度、科学评估学习方法、严格检验学习成果,同时制定了相应的学习行为异常检测机制以强化信用契约。然后,利用哈希函数和非对称加密技术对学习行为数据加密签名,基于Solidity语言设计了用于可信存储的智能合约,通过Metamask分发部署合约所需要的以太币,利用Ethash算法执行共识同步和区块确认,由此实现以太坊平台上的智能合约部署和数据的可信存储,保证了在线学习行为数据的一致性、机密性和不可篡改性。接着,基于P2P网络确保邻居节点的发现和数据的传输,设计了根据不同角色进行权限匹配的智能合约规则,由此实现以太坊平台上的访问控制合约及其部署,使得学习平台在共享数据的同时还可以进行安全的访问控制。最后,本文实现了在线学习信用评估与可信存储原型系统。介绍了系统的开发环境与工具,系统分层架构设计和关键模块实现细节,展示了系统运行结果。本文的研究工作可有效评估在线学习平台学习者的学习信用,实现了在线学习行为数据在分布式网络上的可信存储以及对共享数据的访问控制,为在线学习平台实现教育契约和共享服务提供了新方法。