基于區(qū)塊鏈的供應鏈金融數(shù)據(jù)存證模型

李正超，梁志宏，岳 昆**

(1.云南大學 信息學院，云南 昆明 650500；2.西南林業(yè)大學 大數(shù)據(jù)與人工智能學院，云南 昆明 650224)

供應鏈金融是一種重要的融資模式，廣泛應用于醫(yī)藥供應鏈、汽車供應鏈、房地產(chǎn)供應鏈等領域，供應鏈金融數(shù)據(jù)是金融機構(gòu)進行金融風險分析及企業(yè)獲取融資的重要數(shù)據(jù).然而，供應鏈體系中心化程度高、數(shù)據(jù)篡改難度低，數(shù)據(jù)的篡改直接影響供應鏈的安全與穩(wěn)定[1].研究人員在現(xiàn)有供應鏈金融體系中引入加密技術、大數(shù)據(jù)、物聯(lián)網(wǎng)、云計算等技術，以防范潛在風險[2]，但受限于中心化的管理方式，供應鏈數(shù)據(jù)的安全性問題尚未得到有效解決，數(shù)據(jù)偽造、篡改的事件時有發(fā)生.例如，2019 年的閩興藥業(yè)騙貸案、諾亞財富踩雷事件、武漢金凰珠寶假黃金案，都暴露出了目前供應鏈金融體系中的數(shù)據(jù)篡改風險[3].因此，數(shù)據(jù)防篡改是供應鏈金融體系中亟待解決的問題.

區(qū)塊鏈技術的出現(xiàn)，為解決現(xiàn)有供應鏈金融體系中存在的問題提供了新的思路.區(qū)塊鏈本質(zhì)是一種集體維護的分布式賬本技術，具有去中心化、不可篡改、透明可信的特性，與供應鏈金融體系具有天然契合之處.融合區(qū)塊鏈技術的供應鏈金融體系中，數(shù)據(jù)由區(qū)塊鏈網(wǎng)絡節(jié)點共同維護，鏈上數(shù)據(jù)不可篡改.然而，研究表明，區(qū)塊鏈雖然安全性高，但存在性能瓶頸，一方面，隨著數(shù)據(jù)的不斷增加，區(qū)塊鏈的存儲空間成為其限制條件；另一方面，區(qū)塊鏈網(wǎng)絡的交易處理能力弱，例如比特幣每秒僅能處理7 筆交易，以太坊每秒處理15 筆交易[4].目前，國內(nèi)外在供應鏈方面的研究中引入?yún)^(qū)塊鏈技術，但側(cè)重于隱私保護、數(shù)據(jù)溯源，對區(qū)塊鏈性能方面的優(yōu)化研究較少.因此，為了高效地實現(xiàn)供應鏈金融數(shù)據(jù)安全存儲，本文旨在研究高存儲效率的供應鏈金融數(shù)據(jù)存證模型.

聯(lián)盟鏈是部分去中心化的分布式結(jié)構(gòu)，事務吞吐量高，適用于多個實體組成的組織或聯(lián)盟[5]，因此本文將聯(lián)盟鏈用于供應鏈參與方之間構(gòu)建權利對等的區(qū)塊鏈網(wǎng)絡，以提高區(qū)塊鏈存儲供應鏈金融數(shù)據(jù)的效率.此外，針對供應鏈金融數(shù)據(jù)存儲和金融風險分析的需求，提出雙聯(lián)盟鏈架構(gòu)，利用智能合約對數(shù)據(jù)進行上鏈存證及訪問.

鏈下存儲是一種區(qū)塊鏈擴容方法，可以有效提高區(qū)塊鏈交易效率.針對區(qū)塊鏈存儲資源有限和性能低的問題，本文借鑒鏈上鏈下存儲方法，使用星際文件系統(tǒng)[6]（Inter-Planetary File System,IPFS）存儲鏈下數(shù)據(jù)，而鏈上僅存儲數(shù)據(jù)指紋，實現(xiàn)了供應鏈金融數(shù)據(jù)高效地存儲于分布式數(shù)據(jù)庫中.為了驗證本文所提方法的存儲和查詢高效性，本文通過吞吐量來描述存儲和查詢效率，在數(shù)據(jù)集上的實驗結(jié)果驗證了所提方法的高效性.

1 相關工作

近年來，研究人員在供應鏈數(shù)據(jù)保護與共享、區(qū)塊鏈擴容等方面開展了許多研究.

在供應鏈數(shù)據(jù)保護方面，基于公有鏈的數(shù)據(jù)存儲方法可以有效保障數(shù)據(jù)安全性，例如，Gao 等[7]提出基于區(qū)塊鏈的供應鏈管理模型，使用公有鏈和聯(lián)盟鏈相結(jié)合的混合鏈方式存儲供應鏈數(shù)據(jù).Xu等[8]設計了基于區(qū)塊鏈的產(chǎn)品溯源系統(tǒng)，借助區(qū)塊鏈只能插入數(shù)據(jù)不能刪除數(shù)據(jù)的特點，為取證提供可追溯數(shù)據(jù)，并在以太坊上部署溯源智能合約.然而，這類使用公有鏈存儲供應鏈數(shù)據(jù)的方法開銷十分昂貴，并且存儲效率極低.

在供應鏈數(shù)據(jù)共享方面，一些方法通過加密算法和授權訪問方式來存儲及訪問數(shù)據(jù)，并提供隱私保護.例如，Abidi 等[9]借助區(qū)塊鏈技術實現(xiàn)供應鏈網(wǎng)絡中的敏感數(shù)據(jù)共享，對敏感數(shù)據(jù)進行數(shù)據(jù)清洗和密鑰加密，以提供隱私保護，加密數(shù)據(jù)存儲在區(qū)塊鏈中.Leng 等[10]提出基于區(qū)塊鏈的農(nóng)業(yè)供應鏈雙鏈模型，該模型同時使用公有鏈和私有鏈存儲數(shù)據(jù).上述方法解決了數(shù)據(jù)共享過程中存在的數(shù)據(jù)易篡改、泄密問題，但其效率受限于加密解密運算.

在區(qū)塊鏈擴容方面，一些模型以IPFS 作為底層存儲[11].例如，Zheng 等[12]提出一種基于IPFS的區(qū)塊鏈存儲模型，以拓展比特幣存儲空間，曠工將交易數(shù)據(jù)存入IPFS，并將返回的IPFS 哈希值寫入?yún)^(qū)塊鏈.Kumar 等[13]提出一種基于區(qū)塊鏈和IPFS 的圖像視頻版權保護模型，使用IPFS 存儲圖像和視頻元數(shù)據(jù)，區(qū)塊鏈僅存儲圖像指紋.文獻[14]提出一種基于區(qū)塊鏈的檔案數(shù)據(jù)保護與共享方法，結(jié)合IPFS 存儲檔案數(shù)據(jù)，實現(xiàn)了數(shù)字檔案的保護、驗證、恢復與共享功能，該方法可拓展區(qū)塊鏈數(shù)據(jù)存儲能力[15]、減輕鏈上數(shù)據(jù)高頻訪問壓力.

在現(xiàn)有研究的基礎上，本文基于區(qū)塊鏈技術解決供應鏈金融數(shù)據(jù)安全存證問題，引入IPFS 對區(qū)塊鏈進行擴容，提高了聯(lián)盟鏈存儲和查詢數(shù)據(jù)的效率.

2 基于區(qū)塊鏈的供應鏈存證模型

2.1 模型描述 定義 1供應鏈金融數(shù)據(jù)主要包括供應鏈金融關鍵數(shù)據(jù)（Supply Chain Finance Key Information,FKI）和文件關鍵信息數(shù)據(jù)（Document Key Information,DKI），F(xiàn)KI 包括授信、融資、融信、支付、企業(yè)信用、企業(yè)負債等信息，表示為F={f1,f2,···,fn}；DKI 包括合同、發(fā)票、圖片、IPFShash等相關信息，其中，IPFShash為文件元數(shù)據(jù)存入IPFS后返回的索引值，D={d1,d2,···,dn}.

定義 2金融信息聯(lián)盟鏈（Financial Information Alliance Chain,FIAC）中存儲交易FKI；文件關鍵信息聯(lián)盟鏈（Document Key Information Alliance Chain,DIAC）中存儲交易DKI.

區(qū)塊鏈的去中心化、不可篡改和智能合約機制等特點，可以滿足供應鏈金融數(shù)據(jù)存證中的防篡改、安全訪問需求.鑒于此，本文提出基于區(qū)塊鏈的供應鏈金融數(shù)據(jù)存證模型.模型使用六元組＜BlockNet,DIAC,FIAC,IPFS,SC,Consensus＞表示，如圖1 所示，其中：

圖1 基于區(qū)塊鏈的供應鏈金融數(shù)據(jù)存證模型Fig.1 Blockchain-based data storage model for supply chain finance

（1）BlockNet 表示區(qū)塊鏈網(wǎng)絡，以聯(lián)盟鏈為基礎構(gòu)建，由多個組織機構(gòu)組成，主要組織機構(gòu)包括銀行、核心企業(yè)、供應商、監(jiān)管部門等，每個組織機構(gòu)由多個實體節(jié)點組成，節(jié)點加入時需要進行身份認證，各節(jié)點共同維護聯(lián)盟鏈，在區(qū)塊中添加供應鏈金融數(shù)據(jù)以及監(jiān)管部門的審核信息.聯(lián)盟鏈網(wǎng)絡中沒有絕對中心化的第三方，核心企業(yè)不再作為中心化節(jié)點.

（2）FIAC 和DIAC 兩條區(qū)塊鏈、以及IPFS 組成了數(shù)據(jù)存儲層，IPFS 存儲文件元數(shù)據(jù)，DIAC 鏈存儲文件關鍵數(shù)據(jù)，確保原始數(shù)據(jù)的完整性，F(xiàn)IAC鏈存儲供應鏈金融數(shù)據(jù)，可用于供應鏈金融風險分析，在雙鏈結(jié)構(gòu)中，F(xiàn)IAC 鏈和DIAC 鏈通過hash指針的方式錨定連接.

（3）SC 表示智能合約，智能合約實現(xiàn)數(shù)據(jù)上鏈、訪問功能，鏈上節(jié)點只能通過調(diào)用事先部署在區(qū)塊鏈中的智能合約操作數(shù)據(jù)，區(qū)塊鏈和鏈下IPFS 之間的數(shù)據(jù)交互同樣也是通過智能合約完成.

（4）Consensus 表示共識算法[16]，具有維護區(qū)塊鏈網(wǎng)絡每一個節(jié)點唯一公認的全局賬本的功能，避免網(wǎng)絡延遲、節(jié)點崩潰、惡意攻擊等原因引起的系統(tǒng)錯誤，同時，共識算法是影響模型性能的重要因素.

2.2 基于智能合約的存儲及訪問算法為了保證供應鏈金融數(shù)據(jù)的鏈上鏈下存儲，基于2.1 節(jié)提出的模型，本節(jié)給出基于智能合約的數(shù)據(jù)存儲和訪問算法，智能合約在滿足條件時可觸發(fā)自動執(zhí)行，減少人為干預，從而保障數(shù)據(jù)安全性.合約框架如圖2所示，數(shù)據(jù)管理智能合約（Data Manage Smart Contract，DMSC）作為聯(lián)盟鏈中的全局合約[14]，記錄聯(lián)盟鏈中部署的智能合約，包括數(shù)據(jù)存儲智能合約（Data Insert Smart Contract,DISC）、數(shù)據(jù)查詢智能合約（Data Query Smart Contract,DQSC），實現(xiàn)數(shù)據(jù)上鏈和查詢功能.

圖2 智能合約框架Fig.2 Frame of smart contracts

算法1 給出供應鏈金融數(shù)據(jù)存儲方法，該算法將供應鏈金融數(shù)據(jù)記入?yún)^(qū)塊鏈，方便后續(xù)的數(shù)據(jù)驗證及供應鏈金融風險分析.首先初始化IPFS 私有集群，當聯(lián)盟鏈節(jié)點請求數(shù)據(jù)上鏈時，節(jié)點連接IPFS，第3 步存儲鏈下數(shù)據(jù)，文件成功存儲到IPFS后，IPFS 返回IPFShash作為索引，同時調(diào)用DISC 將數(shù)據(jù)寫入?yún)^(qū)塊，數(shù)據(jù)經(jīng)過區(qū)塊鏈網(wǎng)絡廣播、驗證、同步后完成數(shù)據(jù)上鏈.該算法的時間復雜度取決于步驟7 和9 所使用的共識算法.

算法1供應鏈金融數(shù)據(jù)存儲

輸入文件名file、IPFS 的IP 地址和連接端口port.

輸出上鏈狀態(tài)status.

步驟：

算法2 給出供應鏈金融數(shù)據(jù)訪問方法，當聯(lián)盟鏈節(jié)點請求讀取鏈上數(shù)據(jù)時，第1～2 步讀取數(shù)據(jù)，節(jié)點需要調(diào)用DQSC 從聯(lián)盟鏈上獲取文件關鍵數(shù)據(jù)和供應鏈金融關鍵數(shù)據(jù)，然后根據(jù)文件關鍵數(shù)據(jù)中的索引IPFShash下載文件，并驗證數(shù)據(jù)真實性.該算法中通過遍歷區(qū)塊鏈的方式查詢數(shù)據(jù)，因此，時間復雜度為O(n)，其中，n為區(qū)塊數(shù)量.

算法2供應鏈金融數(shù)據(jù)訪問

輸入文件標識fileID、交易數(shù)據(jù)txid.

輸出供應鏈金融數(shù)據(jù)集DataSet.

步驟：

3 實驗結(jié)果分析

3.1 實驗指標為了評估本文所提存證模型的效果，使用測試數(shù)據(jù)集模擬供應鏈場景下的金融數(shù)據(jù)存儲和查詢實驗，模擬實驗的方法將在3.3、3.4 節(jié)進行詳細描述.實驗以吞吐量（Transaction Per Second,TPS）作為評估存儲效率和查詢效率的指標，計算方法如下：

其中，MΔt表示Δt時間內(nèi)模型處理的交易總數(shù).

實驗通過增加存儲和查詢數(shù)據(jù)量、共識節(jié)點數(shù)的方法，發(fā)起100～10 000 條數(shù)據(jù)寫入和查詢請求，測試模型資源消耗、寫入吞吐量和查詢吞吐量最大值、雙鏈交互性能；通過增加存儲文件大小的方法，發(fā)起1～32 MB 大小的文件寫入和查詢請求，測試及對比區(qū)塊鏈和IPFS 的存儲、查詢效率.

3.2 實驗環(huán)境本文基于Hyperledger Fabric 區(qū)塊鏈實驗平臺部署聯(lián)盟鏈，使用Golang 語言開發(fā)智能合約，以鏈碼的形式部署在聯(lián)盟鏈中，實驗環(huán)境如下：Centos7.8、Fabric1.4.1、Docker19.03.12、Go1.11.11、Tape0.3.0，1 臺2.5 GHz Intel Core i5-7200U CPU 和16 GB RAM的計算機.Fabric 網(wǎng)絡通過Docker 容器運行，實驗過程中啟動的Docker容器如表1 所示，聯(lián)盟鏈由多個組織機構(gòu)組成，每個組織機構(gòu)由1 個Peer 節(jié)點、1 個Orderer 節(jié)點和1個Fabric-ca 節(jié)點組成，使用CouchDB 作為數(shù)據(jù)庫存儲區(qū)塊交易，IPFS 系統(tǒng)同樣通過Docker 容器搭建.

表1 模型測試實驗環(huán)境Tab.1 The experiment environment for model testing

3.3 模型存儲效率測試為了測試不同聯(lián)盟鏈節(jié)點數(shù)量的情況下模型的寫入吞吐量，創(chuàng)建6 組測試數(shù)據(jù)集，在保證寫入成功率為100%的情況下，由節(jié)點調(diào)用DISC 智能合約，在節(jié)點數(shù)為4、8、12、16、20 和24 的情況下，分別發(fā)起100、500、1 000、2 000、5 000 和10 000 條數(shù)據(jù)上鏈請求，每組實驗重復10 次取平均值，避免實驗結(jié)果的偶然性，結(jié)果如圖3 所示.可以看出，當節(jié)點數(shù)為4 時，上鏈數(shù)據(jù)集規(guī)模在100～500 條時，吞吐量增長較快；規(guī)模在500～5 000 條時，吞吐量緩慢增長；規(guī)模在5 000條以上時，由于服務器性能達到瓶頸，吞吐量在370 左右波動，模型的寫入吞吐量最高為370 事務數(shù)/s，平均出塊率為每秒3.6 個區(qū)塊.此外，模型事務處理效率與節(jié)點數(shù)量負相關，當共識節(jié)點數(shù)為24 時，模型最高寫入效率為227 事務數(shù)/s、下降了38.6%.由算法1 可知，數(shù)據(jù)寫入?yún)^(qū)塊鏈需要使用共識算法，隨著共識節(jié)點orderer 數(shù)量的增加，節(jié)點之間通信次數(shù)增加，驗證區(qū)塊交易的時間消耗隨之增加，因此，模型中節(jié)點數(shù)量越多，模型事務處理效率越低，吞吐量越低.記錄寫入吞吐量達到最大時的資源消耗情況，如表2 所示，模型的中各組件的硬件資源消耗并不高，可滿足實際應用場景下的部署要求.

圖3 不同節(jié)點數(shù)的鏈上存儲效率對比Fig.3 Comparison of on-chain storage efficiency with different number of nodes

表2 模型各組件硬件資源消耗Tab.2 Consumption of hardware resource for each component of the model

為了測試IPFS 對存儲效率的影響，使用1～32 MB 大小的文件，分別存儲到IPFS 和區(qū)塊鏈中，對比鏈上和鏈下的存儲效率，結(jié)果如圖4 所示.可以看出，區(qū)塊鏈上存儲耗時、IPFS 存儲耗時均與文件大小呈正相關，但IPFS 存儲效率要高于區(qū)塊鏈存儲效率，其平均存儲效率比區(qū)塊鏈高37.1%，因此，模型中使用IPFS 不僅能擴展區(qū)塊鏈存儲空間，還能提高模型存儲效率.

圖4 不同大小文件的鏈上鏈下存儲效率對比Fig.4 Comparison of on-chain and off-chain storage efficiency for different file sizes

3.4 查詢效率測試為了測試模型的查詢效率，節(jié)點調(diào)用DQSC 智能合約查詢區(qū)塊鏈中的數(shù)據(jù)，在保證查詢成功率為100%的情況下，分別發(fā)起6 組數(shù)據(jù)上鏈請求，結(jié)果如圖5 所示，有索引查詢時，模型的查詢吞吐量峰值為每秒處理261 個事務，無索引查詢時模型的查詢吞吐量峰值為每秒處理186個事務.

圖5 不同索引方式的鏈上查詢效率對比Fig.5 Comparison of the efficiency of on-chain queries with different indexing methods

為了測試IPFS 對查詢效率的影響，分別查詢IPFS 和區(qū)塊鏈上存儲的1、2、4、8、16、32 MB 大小的文件，結(jié)果如圖6 所示.可以看出，隨著文件大小的增加，從區(qū)塊鏈獲取文件元數(shù)據(jù)耗時、IPFS 獲取文件耗時均與文件大小呈正相關，但IPFS 查詢效率要高于區(qū)塊鏈，其平均查詢效率比區(qū)塊鏈高72.3%，因此，IPFS 提高了模型的查詢效率.

圖6 不同大小文件的鏈上鏈下查詢效率對比Fig.6 Comparison of the efficiency of on-chain and off-chain queries for different file sizes

針對本文提出的基于區(qū)塊鏈的供應鏈金融數(shù)據(jù)存證模型，與現(xiàn)有文獻中結(jié)合區(qū)塊鏈技術的供應鏈模型在存儲開銷方面進行對比，如表3 所示.可以看出，本文提出的基于區(qū)塊鏈的供應鏈數(shù)據(jù)存證模型使用聯(lián)盟鏈架構(gòu)，其去中心化程度可以靈活設置，因此模型可以安全存儲供應鏈金融數(shù)據(jù)、有效預防數(shù)據(jù)篡改，結(jié)合IPFS 系統(tǒng)進行鏈下文件存儲，減小了鏈上存儲開銷，有效提高了模型可擴展性和存儲效率.實驗結(jié)果表明，模型吞吐量可達370 事務數(shù)/s，效率較高，資源消耗低.通過對比可知，本文提出的模型在資源消耗、存儲效率、可擴展性等方面有顯著的優(yōu)勢.

表3 基于區(qū)塊鏈的供應鏈數(shù)據(jù)存證模型對比Tab.3 Comparison of blockchain-based supply chain data storage models

3.5 雙鏈交互性能測試為了測試模型中雙鏈之間的交互性能，節(jié)點調(diào)用DISC 智能合約將DIAC鏈上存儲的6 組數(shù)據(jù)的哈希值寫入FIAC 鏈，同時通過FIAC 鏈上的哈希值查詢DIAC 鏈上的數(shù)據(jù)，結(jié)果如圖7 所示，其中，Write 表示DIAC 鏈上每條數(shù)據(jù)哈希值寫入FIAC 鏈的平均響應時間，Query表示根據(jù)哈希值查詢DIAC 鏈上每條數(shù)據(jù)的平均響應時間.可以看出，隨著交互數(shù)據(jù)量的增加，平均響應時間逐漸減小，在數(shù)據(jù)規(guī)模為10 000 條時，由于服務器性能達到瓶頸，每條交互數(shù)據(jù)的平均寫入耗時穩(wěn)定在33.4 ms、平均查詢耗時穩(wěn)定在14.8 ms.

圖7 雙鏈寫入和查詢性能Fig.7 Performance of double-chain write and query

4 總結(jié)

本文設計了一種基于區(qū)塊鏈的供應鏈金融數(shù)據(jù)存證模型，模型采用鏈上鏈下相結(jié)合的存儲方式，使用雙區(qū)塊鏈存儲供應鏈金融數(shù)據(jù)，并設計了智能合約實現(xiàn)對鏈上數(shù)據(jù)的操作.鏈下使用IPFS 存儲供應鏈金融相關文件，可有效擴展區(qū)塊鏈存儲能力.通過實驗對模型多項指標進行了測試及分析，結(jié)果表明，本文模型吞吐量高、資源消耗低，對實際應用有一定意義.借助本模型，供應鏈企業(yè)的數(shù)據(jù)可以在不借助第三方中心化機構(gòu)的情況下實現(xiàn)安全、高效存儲.在未來的工作中，將繼續(xù)深入研究模型優(yōu)化，針對供應鏈特點，對共識算法進行改進，進一步提高模型存儲效率.