基于區塊鏈的物聯網數據服務信譽評估模型

黃志清，解魯陽，張嚴心，尹澤明

（1.北京工業大學信息學部，北京 100124；2.北京市物聯網軟件與系統工程技術研究中心，北京 100124；3.北京交通大學電子信息工程學院，北京 100044；4.中國聯合網絡通信集團公司，北京 100032）

0 概述

近年來，隨著物聯網技術［1］的快速發展，越來越多的智能傳感設備連接到互聯網并部署至車聯網［2］、智能家居［3］、智慧城市［4］、智慧醫療［5］、智慧交通［6］等諸多應用領域。通過對以上領域的物聯數據進行信息化及數字化處理，并在共享經濟浪潮的推動下，助推了物聯網數據服務的發展［7］。然而，國家地球系統科學數據中心共享服務平臺、地質大數據共享與應用平臺、專業移動大數據服務平臺等現有的物聯網數據服務平臺沒有系統的信譽評估體系，不能幫助用戶從海量的物聯網數據服務中直觀、精準、快速地檢索出高質量數據。同時，物聯網數據服務還存在物聯網數據分散存儲、信譽數據存儲管理不安全、集中式存儲的數據容易被惡意攻擊導致數據泄露或篡改等問題［8-9］。因此，為物聯網數據服務構建信譽評估模型，并提供一個不易被攻擊、用戶隱私防泄露、高效數據篩選等功能的信譽數據管理系統模型是十分必要的。

區塊鏈［10-12］的本質是一種去中心化的分布式數據庫，核心優勢是運用分布式共識、數據加密、經濟激勵、時間戳、數字簽名和密碼學等技術對傳統的中心化體系進行了顛覆。運用區塊鏈技術對信譽值、評價數據等進行維護，可以很好地保障信譽數據的安全可信性。同時，區塊鏈的分布式、集體維護等特性也可以很好地為集中式架構的數據服務平臺提供解決方案。

CHAI 等［13］在車聯網中構建聲譽證明模型，信譽值表示參與車輛的可信度，并將共識機制和資源共享過程相結合，實現了在車聯網中降低計算功耗并激勵參與資源共享車輛的功能。KHAQQI 等［14］建立一種新的工業4.0 集成定制的排放交易體系（Emissions Trading Scheme，ETS）模型，結合區塊鏈技術解決ETS 的欺詐和管理問題，并利用聲譽代表參與者的績效和對減排所做出的努力，提高了ETS的效率。LU 等［15］針對車聯網中防止內部車輛廣播偽造消息，同時保護車輛免受跟蹤攻擊，提出基于區塊鏈的匿名信譽系統（BARS）。基于擴展區塊鏈技術的存在和缺席證明有效地保護了車輛隱私。為防止偽造消息的分發，設計一種依賴于直接歷史交互和對車輛間接評價的信譽評估算法。HUANG 等［16］針對傳統支付系統中的安全、高吞吐量問題，利用分片技術和信譽機制，并結合區塊鏈技術提出RepChain 解決方案。該方案利用信譽明確表征驗證者之間的異質性并將其作為激勵機制的基礎，同時構建交易鏈和信譽鏈結構，保證了支付系統的全面性和安全性。

上述研究工作都是在集中式的系統架構中針對特定場景下系統機制的改進，通過信譽數據管理系統模型表明參與者之間的異質性，但并未闡述如何構建物聯網數據服務信譽評估體系，且未解決由于第三方的參與所導致的數據泄露、單點失效、數據篡改等安全性問題。本文基于區塊鏈技術，設計與實現物聯網數據服務信譽評估模型，闡述與分析物聯網數據服務信譽數據管理模型中的關鍵機制與相關算法。

1 物聯網數據服務信譽評估模型

本節總結了物聯網數據服務信譽評估指標體系構建原則，通過層次分析法（Analytic Hierarchy Process，AHP）［17］進行信譽評估指標權重分析和計算，并對數據服務提供商的信譽計算方式進行詳細介紹，進而構建物聯網數據服務信譽評估模型。

1.1 物聯網數據服務信譽評估指標體系構建原則

著名管理學家彼得·德魯克提出：在組織指標的設定過程中可以遵守smart 原則，也就是確定性、可實現性、時效性、可衡量性、現實性5 個原則［18］。綜合其他構建原則，本文構建原則遵循目的性、獨立性、導向性、動態性、時效性、規范性、完整性、準確性、一致性和可訪問性。

1.2 物聯網數據服務信譽評估指標體系設計

在以上構建原則的基礎上，結合物聯網數據特點，在新一代物聯網技術［19］背景下，通過結合信譽評價、企業評價、電子商務評價等領域的研究成果［20-21］，抽取物聯網數據的共性進行分析和處理，再根據AHP 構建如圖1 所示的評價指標層次結構，其中A、B、C 表示層級關系。

圖1 評價指標層次結構Fig.1 Evaluation index hierarchy structure

1.2.1 判斷矩陣建立

自目標層開始，自上而下依次以上一層元素為依據，對下一層與之相關的元素進行兩兩比較，規則如圖2所示。每兩兩準則層相對于目標層的重要程度會根據表1 進行賦值，賦值后構建如表2 所示的矩陣。

圖2 矩陣判斷規則Fig.2 Matrix judgment rule

表1 相對重要性比例標度Table 1 Ratio scale of relative importance

表2 判斷矩陣Table 2 Judgment matrix

根據規則形成判斷矩陣［Bij］m×m，m為矩陣階數，具有如下性質：

1）Bij>0（i，j=1，2，…，m），即判斷矩陣中的任一元素都為正數。

2）Bij=1（i=1，2，…，m），即判斷矩陣中對角線元素為1。

3）Bij=1/Bji，即判斷矩陣中非對角線上的元素互為倒數。

根據定義，本文針對圖1 層次結構，構造的判斷矩陣分別有A、B1、B2、B3、B4、B5，由于篇幅限制，下面僅以判斷矩陣A進行舉例說明：

1.2.2 一致性檢驗

判斷矩陣是通過決策者或者專家根據經驗和自身知識進行主觀性判斷得出的，需依次對判斷矩陣進行一致性檢驗。

根據矩陣論定義，當判斷矩陣具有一致性時，矩陣的階數和最大特征值相等，即滿足式（1），而其余的特征值都為0。

其中：λmax表示判斷矩陣的最大特征值；m表示階數。

當判斷矩陣不具有一致性時，不滿足式（1）。CI表示度量判斷矩陣偏離一致性的指標，計算公式如下：

根據式（2）可知：當λmax=m時，CI值為0，表示矩陣完全一致；CI值與0的差值越大，表明判斷矩陣的一致性越差。

通常而言，判斷矩陣階數越高，保持判斷矩陣完全一致性的難度也隨之增加。為了檢驗判斷矩陣的一致性，引入隨機一致性比率（CR）表征不同階數的判斷矩陣的一致性情況，如式（3）所示：

1～10 階判斷矩陣的同階平均隨機一致性指標（RI）值如表3 所示。

表3 1～10 階判斷矩陣RI 值Table 3 RI values of judgment matrix of order 1～10

當滿足CR<0.1 條件時，判斷矩陣可以看作具有滿意一致性；否則，需要重新調整判斷矩陣，直到滿足以上條件要求為止。判斷矩陣A的特征向量和特征值構成的矩陣VA和矩陣DA如下：

從計算結果可查得，λmax=5.413 1，m=5，查表可知5 階矩陣RRI=1.12，得到：

因為CCR=0.092 2<0.1，所以判斷矩陣A具有滿意一致性。剩余判斷矩陣同理。

1.2.3 層次單排序

對目標層以外的每層元素分別計算相對權重，即對每個判斷矩陣分別計算出最大特征根和特征向量。特征值矩陣對角線上的元素為特征根，其余元素都為0。分別對特征向量矩陣相對于特征值矩陣中最大特征根這列元素進行歸一化處理，結果即每個元素對應上層的權重數值。經歸一化處理后，權重Wi（i=A，B1，B2，B3，B4，B5）表示如下：

1.2.4 信譽值評估計算

通過懲罰機制和獎勵機制進行信譽評估。獎勵機制具有2 種行為：1）用戶誠實積極地發布數據；2）當發現有用戶提供虛假數據時，向群管理員（LEA）發送揭發消息。懲罰機制也具有2 種行為：1）用戶被揭發有提供虛假數據的行為；2）用戶故意給他人做出惡意評論的行為。信譽值分為點對點信譽值和綜合信譽值。

定義1點對點信譽值表示節點i、j通過直接交互進行數據評價后得出的評價分數，用表示，如式（4）所示：

其中：k表示i、j的第k次交互；W表示權重；X表示指標評分；n表示評價指標總數。

定義2綜合信譽值是指將系統中所有與節點i的點對點信譽值進行整合，用CRi表示。為了表示節點i與節點j進行多次交互后的總點對點信譽值，引入變量，其中T表示節點i與j的總交互次數。當j認為i的第k次交互的數據不可信且向LEA 申訴為真時，設；當j認為i的第k次交互的數據可信時，根據數據質量的滿意程度設∈（0，1］。的計算公式如式（5）所示：

其中：β為懲罰因子，取值范圍為（0，1），當i與j的第k次交易不可信時，總信譽與β相乘，β越小，懲罰力度越大；α為數據可信時的影響因子，取值范圍為（0，1］，α越小，說明第k次交易在整體信譽值中的影響越大；為節點i對節點j的第k次交易的數據價值量。

算法1信譽值計算算法

在算法1 中：MG 表示節點Pj（j=1，2，…，n）對節點Pi的行為消息級別；表示節點i、j的當前綜合信譽值；CRi、CRj表示節點i、j重新計算后的最新信譽值；α、β、δ為相關系數。

2 信譽數據管理系統模型和關鍵機制

2.1 信譽數據管理系統模型

基于區塊鏈的物聯網數據服務信譽數據管理系統模型包括節點和基于以太坊的物聯網數據服務平臺兩部分。如圖3 所示，節點又分為數據擁有者（以下簡稱DO）和數據請求者（以下簡稱DR）。DR 是指對物聯網數據有極大需求的互聯網企業、廠商、研究機構等；DO 是指持有數據所有權并可以對數據進行權限管理的企業、個體、機構等。

圖3 基于區塊鏈的物聯網數據服務信譽管理模型Fig.3 IoT data service reputation management model based on blockchain

在該模型中，DR 和DO 兩個角色之間可以相互轉化，每個角色的初始信譽值為0。信息流從DO 在平臺上發布數據開始，參與者可以在平臺上進行數據訂閱、數據檢索、查看用戶信譽值、數據評價等相關信息，根據用戶信譽值擇優進行數據請求、權限交互、數據評價等服務，最終所有的交易關鍵信息都會保存到區塊鏈中，從而保證了交易數據和評價信息的可靠性，為物聯網數據服務信譽數據管理營造了可信良好的環境。

2.2 信譽數據管理解決方案

現有的集中式物聯網服務信譽數據管理模型（如圖4 所示）雖然在進行數據維護和管理上操作性較強，但存在數據存儲性能瓶頸問題，且當受到惡意攻擊時，容易造成用戶隱私泄露、單點故障、數據篡改等問題。

圖4 集中式物聯網數據服務信譽管理模型Fig.4 Centralized IoT data service reputation management model

結合星際文件系統（Interplanetary File System，IPFS）［22］提出基于區塊鏈的物聯網數據服務信譽連接模型，如圖5 所示。該模型去除了第三方，將信譽數據和數據源管理分隔開，數據提供商將數據傳入IPFS 網絡，返回對應hash 值。在數據發布時，將數據存入區塊鏈網絡進行廣播。用戶在區塊鏈網絡中檢索、請求數據時，會進行數據權限交互，用戶可使用令牌和公示的數據hash 值從IPFS 網絡中獲取相應數據。在交易后，用戶可對該數據進行數據質量評價。系統根據評價結果進行信譽值動態更新調整并廣播公示，其中涉及的評價信息、信譽值等信譽數據都存儲到鏈上，保證了信譽數據的安全可信性。IPFS 可以防止區塊鏈網絡數據冗余，降低區塊鏈節點的數據備份空間和計算成本，縮短交易時間，提高共識效率。

圖5 基于區塊鏈和IPFS 的物聯網數據服務信譽連接模型Fig.5 IoT data service reputation connection model based on blockchain and IPFS

2.3 關鍵機制

2.3.1 用戶匿名評價保護機制

在物聯網數據服務平臺進行數據評價時，為了防止惡意用戶利用用戶隱私數據進行打擊報復或惡意破壞的行為，本文采用環簽名技術，實現數據評價簽名者對評價消息的完全匿名。在簽名時不需要成員之間的合作，任何一個成員都可以使用自己的私鑰和環中所有用戶的公鑰進行數據簽名。用戶只知道該簽名來自該環，但不能確定來自環中的哪個簽名者。

算法2環簽名生成算法

算法3環簽名驗證算法

2.3.2 基于區塊鏈和Redis 的信譽數據緩存機制

為提高查詢速度，引入Redis 緩存技術。由圖6可以看出，用戶在平臺中進行信譽數據訪問時，平臺先從Redis 中根據參數進行信譽數據查找，若有則直接返回，否則從區塊鏈中進行查詢，查詢到信譽數據返回平臺，并同時寫入Redis 中進行備份，為下次訪問做準備，具體流程如圖7 所示。

圖6 基于區塊鏈和Redis 的信譽數據緩存流程Fig.6 Procedure of reputation data caching based on blockchain and Redis

圖7 基于區塊鏈和Redis 的信譽數據更新流程Fig.7 Procedure of reputation data update based on blockchain and Redis

3 原型系統實現與性能測試

本節設計基于以太坊的物聯網數據服務信譽評估原型系統，介紹原型系統的主要功能模塊、實現細節，并對系統功能性進行測試驗證。

3.1 基于以太坊的信譽評估原型系統模塊設計

基于以太坊的物聯網數據服務信譽評估原型系統的功能架構如圖8 所示。

圖8 基于以太坊的物聯網數據服務信譽評估原型系統的功能架構Fig.8 Functional architecture of prototype system of IoT data service reputation evaluation based on Ethereum

基于以太坊的物聯網數據服務信譽評估原型系統的功能模塊具體如下：

1）賬戶管理模塊

該模塊由創建賬戶、注冊賬戶、賬戶管理組成。采用區塊鏈的非對稱加密技術創建賬戶，通過智能合約進行信譽計算、更新等邏輯功能的實現。

2）數據管理模塊

該模塊主要含有數據上傳、數據請求、數據訪問權限控制、數據查詢4 個主要功能模塊。在數據上傳時，用戶將數據以文檔的形式上傳到IPFS 中，以返回的hash 值作為參數調用數據上傳接口，返回數據基本信息填寫界面，完成信息填寫后，再調用數據上傳合約存入區塊鏈網絡中。在數據請求時，可請求平臺不存在的數據集，DO 會進行權限審核，審核通過后，DR 會收到數據hash 地址，DR 可使用hash 地址從IPFS 網絡中獲取數據集。在數據查詢時，可根據數據名稱或數據類型進行精確查找和分類型查找。數據管理關系時序圖如圖9 所示。

圖9 數據管理關系時序圖Fig.9 Data management relationship sequence diagram

3）權限管理模塊

結合區塊鏈技術，設計的物聯網數據服務訪問控制流程具體如下：

（1）數據采集完成后，數據源向DO 發送最新數據集標簽，包含數據名稱、數據類型、數據大小、IPFS hash 地址和數據訪問路徑。

（2）DO 在區塊鏈網絡中發布數據信息。

（3）DR 通過平臺向DO 進行數據請求。

（4）DO 接收到請求者的請求后會對其進行審核，然后將數據訪問標簽發送給DR，訪問標簽包含數據集hash 地址、訪問路徑和查詢方式。

（5）DR 收到數據訪問標簽后可以直接從數據源處獲取數據集信息。

（6）DR 對數據源的操作結束后，數據源會將信息反饋給DO 并進行數據操作記錄。

物聯網數據服務訪問控制流程如圖10 所示。

圖10 物聯網數據服務訪問控制流程Fig.10 Procedure of IoT data service access control

4）信譽評估模塊

數據服務信譽評估模塊包括數據質量評價、信譽信息查詢、信譽信息更新功能模塊。在交易完成后，DR 都會根據數據集的不同維度進行評價，評價信息可對DO 提供一個有利的反饋信息，用于改善數據質量，同時還會根據上文計算出的指標權重對本次交易進行信譽計算，用于標注該用戶的可信程度。

3.2 原型系統實現

3.2.1 系統架構

基于以太坊的物聯網數據服務原型系統的分層架構如圖11 所示。表現層采用HTML5、Bootstrap等前端技術實現人機交互界面，更好地展現不同的服務。服務層采用SSM（SpringMVC+Spring+Mybatis）框架和Web3.js 將合約所提供的接口進行封裝，整合為不同的服務接口。合約層采用Solidity 智能合約語言實現各個合約邏輯功能。區塊鏈層采用以太坊私有鏈區塊鏈平臺。在數據存儲層中采用IPFS、Mysql 和Redis 數據庫存儲大型文件、平臺相關信息和不經常變更且高頻率訪問的數據。

圖11 基于以太坊的物聯網數據服務原型系統的分層架構Fig.11 Layered architecture of Ethereum-based IoT data service prototype system

3.2.2 關鍵合約實現

約定合約下半區表示功能函數，上半區表示全局變量，-為個人可見的私有變量，+為所有賬戶可見的公有變量，#表示需要特定權限才能進行調用。關鍵合約具體如下：

1）物聯網數據服務管理主合約。該合約負責將系統中所有合約功能接口整合封裝，提供更加簡潔的接口調用，如圖12 所示。

圖12 物聯網數據服務管理主合約Fig.12 IoT data service management main contract

2）用戶注冊合約。該合約具有用戶注冊、用戶信息記錄、用戶信譽值初始計算等功能，如圖13所示。

圖13 用戶注冊合約Fig.13 User register contract

3）數據合約。該合約存儲數據名稱、數據類型、訪問路由、提供者等信息，如圖14 所示。

圖14 數據合約Fig.14 Data contract

4）信譽管理合約。該合約具有信譽值計算、數據服務評價、修改評價記錄、叛徒追蹤等功能，如圖15 所示。

圖15 信譽管理合約Fig.15 Reputation management contract

3.2.3 性能測試

新的以太坊節點加入到區塊鏈網絡中都會自動備份所有交易數據，與其他節點共同參與整個網絡數據的維護。在共識過程中節點需要進行挖礦，節點挖礦速度如圖16 所示。

圖16 節點挖礦速度Fig.16 Node mining speed

為驗證本文提出的信譽評估模型的有效性和正確性，實驗場景設置為4 個節點在200 min 內分別執行不同行為。如圖17 所示，對4 個節點的初始信譽值設為50。在T1到T2、T3到T4時間段內，節點A、B、C、D 通過積極地進行數據服務，從而使得它們的信譽評分都有所增長。在T2到T3時間段內：節點A 通過大量的共享真實數據，使得信譽得分顯著增加；節點B 共享虛假信息的行為被節點C 舉報，并被LEA仲裁結果為真，從而節點B 的得分急劇下降，節點C也相應得到獎勵；節點D 被LEA 仲裁為故意誹謗其他節點，所以進行相應的處罰。在T4到T5時間段內，節點C 正常分享數據，節點B 被節點A 舉報惡意進行數據評價并被仲裁為真，節點D 又被仲裁為惡意誹謗并進行了相應的獎懲。實驗結果驗證了該信譽評估模型的有效性。

圖17 信譽值計算驗證Fig.17 Reputation value calculation verification

為驗證信譽數據的響應速度，將本文模型與基于集中式信譽管理系統的淘寶、京東平臺進行響應速度比較，如圖18 所示。由圖18 可以看出，本文模型的第一次信譽請求時間較長是因為第一次請求是從區塊鏈中取值，后續會從Redis 中取值，并且對信譽數據的請求處理速度與主流平臺具有可比性。

圖18 信譽數據請求響應時間對比Fig.18 Comparison of reputation data request response time

4 結束語

本文設計基于區塊鏈的物聯網數據服務信譽評估模型，用戶通過向物聯網數據服務平臺上傳物聯網數據源或者檢索數據，根據數據提供者自身信譽或數據評價記錄進行數據篩選，并利用訪問控制進行數據權限的交互。在交互完成后進行數據質量評價，采用環簽名技術保證評價真實性并隱藏用戶個人信息。同時，利用IPFS 解決了數據冗余和存儲性能瓶頸的問題，通過Redis 提升了區塊鏈數據檢索速度。測試結果表明，該模型能夠有效進行物聯網數據評估，并在分布式環境中保證了系統安全性和魯棒性。下一步將優化物聯網數據服務信譽評估模型的系統結構，并引入自然語言處理技術，對數據評價進行自動識別，提升信譽評估維度。