區(qū)塊鏈和人工智能技術(shù)在銀行電子檔案管理中的應(yīng)用研究

熊志正

摘? 要：本文給出了利用這些新興技術(shù)解決銀行檔案管理的現(xiàn)實問題的方法：采用區(qū)塊鏈技術(shù)，保障了電子檔案的安全可信性;采用智能OCR技術(shù)和知識圖譜技術(shù)，實現(xiàn)了高級檢索功能并充分挖掘了檔案內(nèi)蘊藏的價值，為客戶營銷和可疑用戶分析提供了幫助和支撐。

關(guān)鍵詞：會計檔案;電子檔案;可信度;區(qū)塊鏈;人工智能

Abstract： This paper exploits these emerging technologies to handle problems faced in bank electronic Archives management. Block chain guarantees the safety and confidence of the electronic Archives. Combining AI-OCR and knowledge graph will provide advanced retrieval function and fully mine the internal value of these Archives.

Keywords： Accounting Archives; Electronic Archives; Confidence level; Block chain; Artificial intelligence.

本文側(cè)重研究銀行進行電子檔案管理的方法以及面臨的挑戰(zhàn)和對策。

1 銀行電子檔案管理功能框架

電子檔案管理功能框架包括檔案分類、實物檔案管理、電子檔案管理、系統(tǒng)管理四大部分。其中，實物檔案管理包括庫房管理、檔案入庫、檔案出庫、檔案借閱、檔案鑒定、檔案銷毀等功能。電子檔案管理部分包括電子檔案采集、檔案檢索、檔案調(diào)閱、電子文件存儲、電子檔案內(nèi)容提取、檔案數(shù)據(jù)挖掘和知識圖譜分析、電子檔案信息安全可信管理等功能。

本文所述的電子檔案系統(tǒng)所存儲的電子文件包括業(yè)務(wù)歸檔時的實物憑證電子影像，也包括業(yè)務(wù)辦理過程中的業(yè)務(wù)相關(guān)電子文件。相比常見電子檔案管理功能，該功能架構(gòu)增加了安全可信管理、檔案內(nèi)容提取、檔案數(shù)據(jù)挖掘和知識圖譜分析功能，以解決前述的檔案可信度低及檔案利用率低的問題;將在下面的章節(jié)中做詳細闡述。

2 利用區(qū)塊鏈構(gòu)建可信電子檔案

2.1 區(qū)塊鏈與檔案管理

傳統(tǒng)的真實性認證方法采取基于非對稱密碼學的技術(shù)，通過公鑰基礎(chǔ)設(shè)施（Public Key Infrastructure，PKI）的方式對文檔的數(shù)字簽名等信息加以認證。[1]這種操作離不開可信賴的第三方機構(gòu)，即認證中心（Certificate Authority，CA）的支持。認證中心是一個高度集中化的管理機構(gòu)，它通過對申請者進行全面驗證之后為其提供數(shù)字證書，從而將其納入中心的認證范圍。多年以來，PKI/CA的解決方案已發(fā)展得較為成熟，也為檔案的真實可信提供了一定的保障，然而其過度依賴于第三方機構(gòu)，并且缺乏統(tǒng)一性標準等問題尚需解決。

在電子檔案管理方面，區(qū)塊鏈得到了一定的關(guān)注和研究，[2][3]區(qū)塊鏈技術(shù)中固有的可溯源、難以篡改等特性，使得其中的文件本身具有很高的安全保證和可信任度，不用再依賴于外部的認證機構(gòu)，也無需考慮認證標準的具體細節(jié)。另外，區(qū)塊鏈可以將多份文檔的真實性進行關(guān)聯(lián)，對任何一個的修改都會影響到其后續(xù)的文檔，使得篡改難度大大增加。

2.2 區(qū)塊鏈技術(shù)平臺

目前區(qū)塊鏈企業(yè)級應(yīng)用主流平臺朝著聯(lián)盟鏈的方向發(fā)展，支持智能合約和多種共識算法。國內(nèi)對區(qū)塊鏈技術(shù)平臺的研究尚處于起步階段，已有平臺大多集中在金融行業(yè)領(lǐng)域。

區(qū)塊鏈技術(shù)本身也存在一些應(yīng)用挑戰(zhàn)。其一，數(shù)據(jù)冗余問題。在利用去中心化特性的場景中，區(qū)塊鏈技術(shù)提高了數(shù)據(jù)的并發(fā)查詢訪問效率，但存在數(shù)據(jù)冗余的問題，需要根據(jù)具體應(yīng)用進行冗余調(diào)整。其二，共識效率不高。在利用不易篡改特性的場景中，區(qū)塊鏈技術(shù)可以在去中心化的基礎(chǔ)上提升數(shù)據(jù)安全級別，但存在共識過程計算量大引起的效率不高等問題，需要尋求安全和效率的最佳折中點。

2.3 基于區(qū)塊鏈的銀行檔案數(shù)據(jù)處理、查詢與檢索

在區(qū)塊鏈數(shù)據(jù)處理方面。當前區(qū)塊鏈平臺的吞吐量TPS（Transactions Per Second，每秒事務(wù)數(shù)）偏低，基于工作量證明（PoW）機制的比特幣為7TPS，以太坊為30TPS，基于實用拜占庭容錯（PBFT）算法的Hyperledger Fabric為2000TPS。

事務(wù)確認時間方面。不同的區(qū)塊鏈平臺存在較大差異。Fabric事務(wù)確認時間短，適合銀行電子檔案管理企業(yè)級應(yīng)用?；趨^(qū)塊鏈的檔案管理系統(tǒng)可提供智能合約和IPFS（Interplanetary File System）接口，區(qū)塊鏈存儲電子檔案的摘要信息，實現(xiàn)檔案的存證，并增強數(shù)據(jù)保護，IPFS文件系統(tǒng)存有電子檔案的原始信息，并通過分布式哈希表保障數(shù)據(jù)安全性。[4]

在區(qū)塊鏈數(shù)據(jù)查詢、檢索技術(shù)方面。銀行電子檔案管理等區(qū)塊鏈應(yīng)用中，需查詢的關(guān)鍵字包括區(qū)塊的哈希值、數(shù)據(jù)哈希值和應(yīng)用相關(guān)關(guān)鍵詞，使用倒排索引、大數(shù)據(jù)等技術(shù)可提高數(shù)據(jù)查詢效率，縮短查詢結(jié)果響應(yīng)時間。[5]基于批注的方法進行數(shù)據(jù)溯源，通過構(gòu)建三元組，其中s表示數(shù)據(jù)項源，d表示目標數(shù)據(jù)，i表示中間數(shù)據(jù)，通過三元組傳遞，支持數(shù)據(jù)溯源。[6]

在區(qū)塊鏈數(shù)據(jù)驗證技術(shù)方面。銀行電子檔案管理等金融行業(yè)的應(yīng)用場景中，鏈上記錄數(shù)據(jù)的時候，需校驗其合規(guī)性、正確性。驗證是否有正確的數(shù)字簽名，能否使用所輸入的數(shù)字資產(chǎn)，是不是資產(chǎn)的擁有者在參與事務(wù)等。通過對每筆事務(wù)輸出進行數(shù)字簽名，在輸出該筆數(shù)字資產(chǎn)時，需要提交相應(yīng)的簽名信息。

應(yīng)建立可信賴的銀行電子檔案存儲庫，綜合應(yīng)用區(qū)塊鏈、可恢復(fù)性證明和開放檔案信息系統(tǒng)等新技術(shù)，實現(xiàn)銀行電子檔案記錄保存、記錄存儲、數(shù)據(jù)管理、訪問記錄、傳播存證、遷移存據(jù)和數(shù)據(jù)溯源等應(yīng)用。

2.4 基于區(qū)塊鏈技術(shù)的銀行檔案管理系統(tǒng)

銀行檔案的使用具有一定的范圍，一般不會對社會廣泛公開，因此公有鏈的使用場景較少;對于僅限于銀行內(nèi)部的檔案管理，可以采用私有鏈技術(shù);而對于需要與外部企業(yè)或機構(gòu)交流與共享的檔案，則一般以聯(lián)盟鏈為主。

在數(shù)據(jù)管理的方式上，雖然區(qū)塊鏈本身就是一個分布式的存儲賬本，可以將電子檔案數(shù)據(jù)都放在鏈上進行保存，但采取這種方式往往效率不高，對于鏈上的運行速度和區(qū)塊容量都有著較大的挑戰(zhàn)。另外，這種做法使得區(qū)塊鏈與原有的檔案管理系統(tǒng)沖突較大，對業(yè)務(wù)和技術(shù)架構(gòu)需要做大量改動，而且難以保證穩(wěn)定性和日常運維。

因此，可行做法是采用區(qū)塊鏈和其它存儲技術(shù)融合的方式，對于檔案的元數(shù)據(jù)、文件摘要、關(guān)鍵性記錄、數(shù)字簽名、Hash值等重要信息上鏈，而基礎(chǔ)數(shù)據(jù)和輔助數(shù)據(jù)則通過與區(qū)塊鏈相關(guān)聯(lián)的鏈下服務(wù)來完成。

基于區(qū)塊鏈的銀行檔案管理系統(tǒng)，對電子檔案生成摘要，并將其存儲于區(qū)塊鏈分布式賬本中，通過檢索其GUID、數(shù)據(jù)哈希值、元數(shù)據(jù)、時間戳等信息，比對其生成的摘要信息與鏈上存儲的摘要信息是否一致，驗證其一致完整性和原始出處。

將原始數(shù)據(jù)哈希值存儲在區(qū)塊鏈上，對原始數(shù)據(jù)的任何改變，都會導致其哈希值的變化，因此在與其鏈上哈希值比較時，就能發(fā)現(xiàn)其與原始記錄的不一致，判別其新記錄文件與原始檔案相異，實現(xiàn)對電子記錄真實性、完整性、可靠性的識別。

利用智能合約對上鏈的電子檔案數(shù)據(jù)進行合規(guī)性驗證，只有通過驗證的數(shù)據(jù)才能存儲到區(qū)塊鏈上。在電子檔案查詢、檢索環(huán)節(jié)，利用智能合約做出檔案一致性判斷。基于去中心化分布式平臺的電子檔案管理，提升了電子檔案的系統(tǒng)安全性、完整性和智能化。

在生成電子文件時，同步生成電子文件的摘要信息，將這些摘要信息加上電子文件的元數(shù)據(jù)上鏈到區(qū)塊鏈系統(tǒng)中。如果電子文件被篡改、偽造，那么其對應(yīng)的文件摘要信息就會發(fā)生變化，與區(qū)塊鏈系統(tǒng)中保存的原始文件摘要信息就不一致，從而能被識別出來。由于區(qū)塊鏈中的數(shù)據(jù)是不可篡改的，從而保證了電子檔案系統(tǒng)中數(shù)據(jù)的高度安全、高度可信性。

3 利用人工智能技術(shù)構(gòu)建智慧電子檔案

3.1 新一代智能OCR技術(shù)提升檔案數(shù)據(jù)提取能力

電子檔案的另一大特點就在于可以利用先進的技術(shù)和算法對其內(nèi)容進行提取和分析，以便于檢索和利用，基于圖像識別的OCR技術(shù)就是其中一個代表。

以中國銀行憑證影像綜合應(yīng)用系統(tǒng)中的OCR識別為例，利用基于人工智能技術(shù)的OCR引擎實現(xiàn)了各類常見憑證內(nèi)容的識別，例如身份證的識別率達到99%以上，銀行卡、存單、駕駛證、行駛證等票據(jù)的識別率均在95%以上，為信息的進一步利用提供了良好的基礎(chǔ)。

3.2 機器學習和知識圖譜提升檔案數(shù)據(jù)再利用能力

構(gòu)建基于檔案的知識圖譜能有效進行檔案知識推理，是實現(xiàn)檔案智能檢索的關(guān)鍵技術(shù)和主要路徑之一?；诰幯腥藛T的檔案利用，通過對檔案信息資源的深入挖掘，實現(xiàn)對檔案信息資源的智能檢索，提高了檔案檢索的查全率和查準率;同時基于數(shù)據(jù)挖掘技術(shù)，支持對檢索結(jié)果中的知識圖譜展示以及檔案信息的自動聚類，為利用者提供了便捷、高效的檔案利用服務(wù)。

4 結(jié)論與展望

銀行的電子檔案越來越多，然而電子檔案的可信度卻難以保障，特別是《會計檔案管理辦法》允許單位在滿足一定條件時只保存電子文件而不需要對應(yīng)的實物檔案，就更需要采用科學的管理機制和技術(shù)手段來保障電子檔案的可信度。本文采用區(qū)塊鏈技術(shù)，特別是文件摘要和元數(shù)據(jù)上鏈的辦法，提供了一條解決之道。此外，利用人工智能圖像識別技術(shù)將沉睡的檔案里面的內(nèi)容提取出來，再借助知識圖譜等技術(shù)手段，挖掘檔案和檔案之間的關(guān)系，為客戶營銷和可疑用戶分析提供了支撐。

參考文獻：

[1]謝宗曉，甄杰.公鑰基礎(chǔ)設(shè)施（PKI）國家標準解析[J].中國質(zhì)量與標準導報，2018（012）：? 18-21.

[2]劉越男，張一鋒，吳云鵬，等.區(qū)塊鏈技術(shù)與文件檔案管理：技術(shù)和管理的雙向思考[J].檔案學通訊，2020（01）：? 4-12.

[3]李春艷，喬超.區(qū)塊鏈技術(shù)在大型企業(yè)集團電子文件管理中的應(yīng)用——以中國石化為例[J].檔案學通訊，2020（01）：? 13-20.

[4]譚海波，Haibo T ，周桐，et al.基于區(qū)塊鏈的檔案數(shù)據(jù)保護與共享方法[J].軟件學報，2019，Vol.30Issue（09）：? 2620-2635.

[5]蔡維德，郁蓮，王榮，等.基于區(qū)塊鏈的應(yīng)用系統(tǒng)開發(fā)方法研究[J].軟件學報，2017，28（06）：? 1474-1487.

[6]錢衛(wèi)寧，邵奇峰，朱燕超，等.區(qū)塊鏈與可信數(shù)據(jù)管理：問題與方法[J].軟件學報，2018，29（01）：? 150-159.

（作者單位：中國人民大學信息資源管理學院? 來稿日期：2020-09-27）