基于區塊鏈的農業科學數據溯源應用初探

王 姝 孫善鵬 樊景超 劉 佳 郭志斌 王麗娟 李成贊 周國民 周園春*

（1.中國科學院計算機網絡信息中心，北京 100190；2.國家農業科學數據中心，北京 100081；3.中國農業科學院科技管理局，北京 100081；4.中國農業科學院農業信息研究所，北京 100081）

1 引言

近幾年農業科學技術呈現快速發展的趨勢，同時農業科學數據的快速增長為科研人員獲取信息和研究成果帶來更多機遇，同時農業科學數據的開放共享也帶來了巨大的挑戰。

在大數據背景下，農業科學數據成為重要的數字資產。農業科學數據溯源涉及科學數據生成、處理、發布等一系列環節[1]。傳統的數據溯源系統一般采用集中方式存儲數據，存在單點故障、易受攻擊等安全問題。農業科學數據溯源目的是為了實現農業科學數據生成、處理、發布等環節的追溯，而區塊鏈具備數據的防篡改、可溯源等特性，兩者的結合對于農業科學數據溯源具有重要作用。同時，如果科學數據沒有標識，數據溯源信息無法互聯互通及共享，導致溯源信息難以實現全環節覆蓋，給數據全生命周期的跟蹤與溯源造成阻礙。科學數據標識技術將在Internet環境中提供對科學數據的便捷訪問，從而可以更有效地對各種科學數據進行唯一標識、引用、關聯、數據溯源、版本管理和重用等。

本文針對目前農業科學數據工作中對數據標識和數據溯源的問題，提出了一種基于區塊鏈技術的解決方案，解決農業科學數據溯源中存在的問題。通過區塊鏈和標識技術記錄數據集的變化和演變過程，實現驗證數據集真實性、完整性并保證科學數據的可追溯性。

2 科學數據標識體系

科學數據是人們通過觀測、實驗、測量、調查和計算等方式進行數據采集，形成對自然、社會等客觀現象描述的實體。目前農業科學數據快速增長，對數據標識的需求越來越大。利用標識技術實現不同編碼體系之間的數據的互聯互通，對農業科學數據的開放共享具有重要的推動作用。通過對農業科學數據分配唯一標識，使用標識解析服務實現農業科學數據的定位、查詢、尋址訪問等，從而實現科學數據層面的開放共享[2]。

目前，國際上主要科學數據標識體系包括Han‐dle、OID（Object Identifier）[3]、CSTR（China Science and Technology Resource）[4]等，其中Handle 標識體系中主要面向科學數據應用的DOI（Digital Object Iden‐tifier）[5‐6]和PID（Persistent Identifier）[7]。通過表1 分析對比了目前主要的科學標識體系的編碼格式、應用領域、優缺點等方面內容。

為了在推動農業科學數據廣泛的開放共享，同時在保證安全性的前提下自主可控地開放科學數據，將區塊鏈技術應用于科學數據溯源應用將極大促進數據的開放共享，同時支持國際多種標識體系和國家標識標準的兼容互通。

3 農業科學數據溯源聯盟鏈概述

3.1 簡介

2008 年比特幣白皮書中提出了“區塊鏈”的概念，區塊鏈技術逐漸引起全球范圍廣泛的關注，區塊鏈技術是由多方參與共同維護全網一致的分布式賬本，通過使用密碼機制確保傳輸數據和訪問數據安全性的技術體系。隨著區塊鏈技術的發展，“區塊鏈+”行業應用模式在各行各業積極探索[8‐10]。

根據區塊鏈的開放程度，可以分為公有鏈和聯盟鏈，公有鏈沒有準入要求，是一種完全去中心化的區塊鏈，而聯盟鏈只對聯盟成員開放，參與用戶需要事先經過審核，聯盟成員共同維護公共賬簿，聯盟鏈能夠更好地解決數據權限、開放共享、數據安全、隱私保護等方面的問題[11]。

Fabric 是一個模塊化且可擴展的開源系統，用于部署和操作許可的區塊鏈，也是Linux 基金會（www.hyperledger.org）托管的Hyperledger 項目之一。Fab‐ric 是用于運行分布式應用程序的第一個真正可擴展的區塊鏈系統。Fabric 和以太坊有些相似，企業級區塊鏈可以基于Fabric構建支撐平臺。

目前，許多國內的互聯網公司還與Hyperledger Fabric 合作推出了BaaS 平臺，該平臺也用于貿易金融、數字出版、數據交易、產品追溯等應用領域。為了虛擬和數字形式實現價值交換，通過采用分布式賬本技術，實現安全可控的溯源和交易[12‐13]。

3.2 技術架構

本文試驗驗證采用Fabric 聯盟鏈作為農業科學數據溯源聯盟鏈的技術基礎，將區塊鏈、數據標識和科學數據溯源集成到平臺中，技術架構如圖1 所示，同時提供異地節點運行環境和科技云運行環境。節點管理包括創建物理鏈、異地節點加入等，智能合約管理包括智能合約部署、更新、日志管理、合約瀏覽等。開放區塊鏈API服務可以提供身份認證、合約管理、節點管里、數據存儲等API為上層科研應用提供服務[15]。

3.3 物理鏈

區塊鏈網絡中的成員共同創建區塊鏈網絡聯盟，這就是物理鏈，物理鏈中的成員需各自維護CA 節點和peer 節點，并通過共用order 節點進行共識。在Fabric 網絡中，CA 節點為物理鏈中的成員提供安全可靠的身份信息。Peer節點是記賬節點，負責維護狀態數據和賬本的副本。除了記賬之外peer 節點也可以是背書節點、記賬節點或主節點等。

3.4 邏輯鏈

為了保護區塊鏈成員之間數據交易范圍和機密性。通過構建邏輯鏈子鏈，包括區塊鏈網絡中兩個或多個特定成員，邏輯鏈成員共同維護一個分布式賬本。邏輯鏈上的成員可以通過安裝鏈代碼來執行簡單的交易指令。如圖2 所示展示了邏輯鏈的典型事務流程。

表1 不同標識體系的特點Table 1 Characteristics of different identification systems

4 基于區塊鏈的農業科學數據溯源應用

本文利用區塊鏈技術為農業科學數據提供溯源方案，包括標識平臺、科學數據中心等角色。標識平臺為科學數據中心提供標識注冊解析、標識管理、關聯引用、元數據檢索、統計等服務。科學數據中心是農業科學數據溯源聯盟鏈的使用者，利用區塊鏈技術的去中心化，不可篡改及可追溯的特征，基于聯盟鏈記錄和更新農業科學數據從產生、處理，再到成果等各個環節的數據信息，保障農業科學數據的高效利用。

4.1 農業科學數據溯源聯盟鏈業務流程

農業科學數據溯源聯盟鏈業務流程包括創建物理鏈、創建邏輯鏈、合約安裝、上層應用調用4 個步驟，具體如下：

(1)創建鏈物理

首先確定物理鏈的成員信息，確定主機節點，同時確定1 個或多個peer 節點。其次需要確定共識類型，同時確定加入本物理鏈的成員單位，如圖3 所示。成功創建物理鏈后，分別啟動標識平臺和數據中心各自的CA 及peer 節點，等待創建邏輯鏈和安裝智能合約。

(2)創建邏輯鏈

具有相同需求的節點可以共同創建一條邏輯鏈，針對標識及數據溯源信息的訪問需求，標識平臺和數據中心之間可以共建一條邏輯鏈。成功創建邏輯鏈之后，成員和根據應用需求創建智能合約，并進行區塊的寫入和訪問操作。

(3)編寫安裝合約及實例化

創建邏輯鏈之后，標識平臺或數據中心可以通過授權登錄并進行智能合約的編寫操作，完成智能合約編寫后可以上傳到區塊鏈平臺。區塊鏈平臺的其他管理員根據對數據操作的需求，可以選擇合適的智能合約，并安裝運行在所屬節點上，作為背書候選節點，最后安裝了這個智能合約的成員，可以進行實例化合約操作，如圖4所示。

(4)調用合約

與區塊鏈賬本直接交互的一系列操作過程是通過調用智能合約實現。數據中心和標識平臺需要開發相應的應用程序及SDK 來遠程調用智能合約進行賬本的讀寫操作。

4.2 農業科學數據溯源上鏈

農業科學數據溯源是通過數據溯源記錄信息來實現追源的目的，但是記錄信息本身也是數據，同樣存在安全問題，為了防止有人惡意篡改數據溯源記錄的相關信息，利用區塊鏈技術有效地防止惡意篡改聯盟鏈中的溯源記錄，對農業科學數據對象在生命周期內修改行為的記錄按時間先后組成溯源鏈，通過溯源鏈記錄數據上鏈、更新等數據全生命周期信息，數據溯源信息賬本寫入流程如圖5所示。

農業科學數據溯源上鏈步驟：

1.農業科學數據上鏈數據準備，上鏈數據包括：數據集標識、版本信息、元數據、數據發布者信息、關聯標識、關鍵字、數據集簽名等。

2.數據集標識注冊，數據集標識是科學數據的永久唯一標識，可實現科學數據的定位、追溯、引用、統計與評價。數據中心向標識平臺注冊數據集標識，通過標識解析可以獲取數據集的URL和標識信息等。

3.數據集簽名，對數據集中每個文件內容進行簽名，簽名算法包括:MD5、SHA‐256、SM3 等。更新數據集或數據集合時，將跟蹤所有上鏈數據的更改，包括該數據集合中每個文件的簽名，從而使用戶可以查看該數據集隨時間的詳細演變歷史。

4.調用智能合約寫入數據，數據中心通過接口的方式調用智能合約，在驗證身份及權限信息之后，才能將準備的上鏈數據寫入賬本。

本文是通過使用科學數據存儲庫（簡稱Sci‐enceDB）中數據集更新過程記錄來進行試驗驗證，ScienceDB 是一個公共的通用型科學數據存儲庫，主要面向科研人員、科研項目/團隊、科研期刊、科研機構及高校等利益相關者，提供科學數據匯交、長期保存、出版、共享和獲取等服務。科學數據溯源上鏈是基于ScienceDB 中數據集標識信息、元數據、簽名信息的上鏈，當數據集更新或版本變化時，也將這些更新記錄上鏈，最終完成整個科學數據溯源記錄上鏈。

4.3 農業科學數據溯源驗證

農業科學數據溯源鏈可以使研究人員有效地驗證數據集的真實性，查看歷史數據并驗證所有權信息,跟蹤來源并安全存儲有關農業科學數據的元數據和驗證信息，并以可驗證的方式跟蹤該數據的更改,以安全且可獨立驗證的方式促進數據重用，這對于農業科學數據研究發展至關重要。

數據溯源驗證是檢驗數據集是否正確，數據中心將農業科學數據集溯源信息存儲到區塊鏈上后，其他節點可從區塊鏈上獲取溯源對象的溯源信息,進行溯源數據的真實性驗證，農業科學數據溯源驗證示例如圖6所示。

農業科學數據溯源驗證步驟：

1.在農業科學數據溯源鏈上通過標識可以查詢到所對應數據集，數據集的驗證信息與元數據一起存儲在區塊鏈中，其他數據存儲在鏈外。

2.通過數據集標識可以獲得原始數據的URL，可以與鏈上存儲的信息進行比對驗證。通過比對數據集簽名和鏈上存儲的數據集簽名驗證是否正確。

農業科學數據溯源鏈并不要求其驗證信息存儲在區塊鏈中的數據類型和內容。在溯源數據模型中，需要數據集的標識以便快速通過標識解析的具體位置，數據集驗證信息和有關發布者的信息作為元數據的強制性部分，未來可以根據反饋和使用情況分析，逐步擴展以包括其他可選的元數據元素。農業科學數據溯源鏈將為鏈上存儲的信息，如數據標識、發布者信息、數據簽名等信息關聯在一起。

4.4 農業科學數據溯源查詢

通過農業科學數據溯源鏈可以查詢到數據集所有版本記錄，可以跟蹤到數據集的更新過程。通過數據標識或元數據都可以查詢到對應數據集。如圖7所示，使用科學數據存儲庫中的數據集更新記錄進行試驗驗證，數據集更新或版本變化時，計算的數據集簽名也相應發生變化，這些記錄都存儲的溯源鏈上，通過查詢對應數據集，可以獲取數據集版本變化的記錄過程。因此，農業科學數據溯源鏈能保證溯源記錄不可篡改，同時也能確保溯源記錄順序不會被改變。

5 總結與展望

依據本文所述的方案，通過農業科學數據溯源鏈，科研人員可以注冊自己的數據，溯源鏈為每個數據集文件計算其簽名，然后將數據集的元數據和簽名一起存入區塊鏈中，原始數據脫鏈存儲，通過數據集標識可以定位尋址數據集，通過在區塊鏈上的數據集簽名進行驗證，在數據使用過程中，可以根據溯源鏈來進行可信的數據溯源。研究人員能夠有效地共享和驗證科學數據的真實性。在下一步工作中，我們將嘗試探索農業科學數據溯源鏈在更多數據類型的可信共享應用，并將繼續探索區塊鏈技術，利用其具有不可篡改、可追溯等特點，為農業科學數據溯源提供了更為完善的解決方案[15]。