基于區塊鏈和人工智能技術的數字檔案系統建設

廣東省能源集團有限公司 劉寧寧

傳統檔案面臨收集難、管理難、整理難、利用難的問題，電子檔案具有明顯區別于紙質檔案的可復制性、操作方面、實現資源共享、方便快捷，節約存儲空間等優點，但同時也存在著不穩定性、不安全性等缺點。基于數字化的電子檔案的建設可以全面解決以上難題。利用區塊鏈技術中鏈式數據結構、分布式節點、共識機制、自動化智能合約、非對稱加密等技術優勢解決數據信任問題，對保障電子檔案的真實性起到重要作用。利用AI人工智能技術，實現數字檔案的快捷識別、提取和歸檔管理等。

在數字化時代，數字檔案、智慧檔案建設是所有企業面臨的共同課題，電子檔案數據作為企業內部價值最高、信息量最大、與經營發展決策聯系最緊密的資源，在實踐中由于電子文件及電子檔案極易丟失、失密、易篡改的特性，導致電子檔案的長期保存、真實性難以保障、出現問題后難以溯源，這些問題給電子檔案的流通、管理、共享利用增加了管控困難。而電子檔案的巨大信息量也使得用戶難以快速查詢到興趣內容，使得檔案的利用率無法明顯提高。隨著數字化建設的不斷完善，將數字化技術應用到檔案管理中十分有必要，區塊鏈技術在分布式存儲和不可篡改性方面的優勢有利于提高檔案管理的安全和保密，人工智能在信息提取分析方面相比人工具有極大優勢。[1]王爍提出大數據時代建設檔案信息資源共享平臺。[2]韓曉萍提到部分事業單位在電子檔案管理中出現信息數據泄露等現象。[3-7]中對區塊鏈在電子檔案真實性保障做出了研究。[8-11]中對人工智能在電子檔案管理過程的智能安全管理做了研究。

引用引用引用引用

應用區塊鏈技術建立電子檔案可信任機制，通過利用該技術的去中心化、公開透明、不可篡改、可溯源等特點，可有效解決電子檔案安全保管及資源共享利用的問題。利用人工智能等技術對數字檔案智能識別、智能編目、智能審核、信息提取、內容分析等應用，突破傳統檔案利用局限。

1 系統架構及相關技術

通過文件交換平臺、數據交換平臺和區塊鏈系統形成的電子檔案全流程溯源保障平臺對文件的上鏈進行標準化自動化管理。歸檔的文件在數字檔案室中可通過AI數據智能分析平臺進行便捷歸檔、檢索等操作。系統建設的總體架構如圖1所示。

圖1 電子檔案全流程溯源保障平臺總體架構Fig.1 Overall architecture of the whole process traceability guarantee platform for electronic archives

1.1 業務文件接口管理系統

應用區塊鏈可建立一個參與電子檔案多方協作管理的可信環境，從業務數據形成、辦理、移交、審核、接收、歸檔、保管和利用等各個關鍵業務環節出發，建立多方協作的可信機制。

1.2 電子檔案全流程溯源保障平臺

檔案系統通過文件交換平臺、數據交換平臺分別與區塊鏈系統集成，將新歸檔的電子文件按照公司有關規范上鏈管理，實現其真實性和全生命周期管理過程可追溯，滿足單套制的必要條件，為電子檔案與傳統載體檔案具有同等法律效力提供基本保障。

電子檔案全流程溯源保全平臺體系采用了區塊鏈與IPFS結合的存儲模式，相比傳統區塊鏈檔案管理，在處理照片、視頻等大文件時具有更高的效率，總體框架如圖2所示。該平臺主要由電子檔案系統、區塊鏈、記賬節點、用戶節點、IPFS系統和激勵機制組成。其中，區塊鏈分布式存儲的優勢可以用于對上鏈的文件數據進行安全存儲與流程控制；記賬節點是子鏈和聯盟鏈內部推舉出的數據節點；用戶節點是所有參與了檔案產生、修改、審核、使用等處理的部門；IPFS系統通過Hash值進行尋址查找，所有訪問都會被自動分散到不同的記賬節點，因此能夠大大提高照片、視頻等大文件的訪問速度，這也是本檔案溯源保障平臺可用于大型、多部門檔案管理系統建設的優勢所在。

圖2 電子檔案全流程溯源及數據保障體系總統框架圖Fig.2 President's frame diagram of the whole process traceability and data security system of electronic archives

數據上鏈溯源過程如圖3所示：用戶上傳需要存證的文件，源文件一方面存儲在安全檔案庫中，一方面對數據進行哈希處理，提取源文件哈希值并存儲在分布式帳本中。需要使用文件時，對安全檔案庫中的原始文件進行讀取，系統在獲取安全檔案庫中的原始文件后，重新提取文件哈希值，與之前原始數據存儲在區塊鏈中的哈希值進行對比、驗證，如果哈希值相同，則傳出經過驗證的文件，反之，則提醒用戶數據已經被篡改。

圖3 數據上鏈過程Fig.3 Data uplink process

1.3 AI數據智能分析平臺

數字檔案智能分析平臺主要通過AI算法實現信息審核、數據發布、檔案共享、信息安全等4項核心功能，各項功能由相應模塊進行承載。

平臺集成了文字、表格、圖像提取、語音、視頻提取分析功能，借助人工智能技術，可實現：（1）根據預設的資料分類規則，對獲取的文件進行類目劃分；（2）根據預設篩選規則，對錄入資料進行篩選過濾，剔除非法或違禁關鍵詞、錯漏報警等；（3）自動識別技術，可實現語種識別、文本提取、語音提取、圖像特征篩選等，有助于用戶對文本、語音、圖像、視頻內容進行快捷搜索，免去了大量人工檢索的非必要工作。

AI數據智能分析平臺的工作流程如下：（1）文檔采集，在業務文件接口管理平臺搭建完成后，接口部門可以選擇手動或自動上傳文件導入平臺；（2）開展內容審核，經過訓練的過濾算法有助于篩選海量數字文檔，不管是文字、圖片、視頻還是音頻，通過人工智能算法都可以篩出不滿足標準的文件，并將過濾原因進行記錄擇機反饋；（3）文件審核完成后，啟動收錄程序，文件的收錄包括了歸集、歸類、登記、備份等處理工作，原則上除了歸類需要手動介入，其他流程均可自動完成。處理好的檔案內容以電子形式保存在數字檔案館內，經批準后上鏈存儲；（4）檔案取用，用戶節點可以在區塊鏈內部訪問、修改檔案，在訪問過程中可以通過智能算法實現快捷查詢，所有修改、訪問記錄都將在全流程溯源和數據保障體系內進行如實記錄，這種訪問在所有用戶節點都是允許的。

整個智能分析平臺由數據層、業務層、網絡層、用戶層4個層次構成。

（1）數據層。本層是平臺的起始層，通過數據庫接口，接收外界多源數據并傳送至業務層，為智能分析平臺的運作提供數據支撐。

（2）業務層。本層是平臺的核心層，主要作用是處理數據庫中的數字檔案資源，調用數據底層服務來完成系統業務。實現對外界檔案信息的識別、智能提取、智能分類、信息安全等核心功能模塊的逐級流動，完成數字檔案的自動收錄。

（3）網絡層。本層的是平臺的傳導層，負責串聯用戶層、數據層和業務層，其作用是接收外部數據、將收錄整理好的電子檔案資源傳輸至網絡。面向用戶的智能搜索與云計算功能依賴網絡層實現與數據庫的雙向數據傳輸，通過數據和數字簽名的遷移，將檔案數據加密傳送到應用客戶端。這種傳送采用雙向透傳方式，用戶層不必關心網絡的拓撲類型、通信介質，可以直接解析呈現業務層資源。

（4）用戶層。本層是平臺的最終層，與用戶之間采用雙向數據傳輸，采集用戶意向，并將檔案資源可視化到信息接收終端。

2 技術特色

2.1 共識機制增強文檔安全性與記賬效率

共識機制是區塊鏈中的節點就網絡狀態達成的統一協議，主要用于判斷分布式網絡數據的一致性和數據有效性，因此選擇一個合適的共識機制對區塊鏈數據非常重要。由于區塊鏈的節點沒有權限管理和身份認證功能，因此在提出數字化電子檔案建設過程中使用的節點都是檔案館部門內部高度可信任的服務器，能夠排除惡意節點。由于這些節點具有高度可靠性和安全性，出于對其高度信任，我們無條件地將這些節點作為記賬人，從而簡化了共識算法。這種方式在計算量和電力資源方面相比普通記賬具有更大的優勢，記賬效率也更高。

2.2 檔案實時災備與數據恢復

為了應對各類數字檔案系統的故障和安全風險，提升檔案業務連續性，檔案災備和恢復是數字檔案系統建設的關鍵。但是通過檔案數據庫的定期復制實現災備的方法難以保證實時性，對檔案長期可用性造成重大風險，通過區塊鏈共享賬本中間件可以實時上鏈保存數字檔案系統的數據。中間件可以根據檔案系統建設的需求靈活配置區塊鏈節點的數目和部署的地點，通過檔案數據自動上鏈，可實現檔案在不同組織和區域間的共享，且不改變現有數字檔案系統的業務流程。在數字檔案系統出現故障時，可利用區塊鏈節點上存證的數據恢復檔案系統數據庫。

2.3 檔案監管與共享訪問精準控制

數字檔案系統監管對于數字檔案資源的安全保管和規范化使用至關重要。當前的數字檔案管理系統大多數為中心化系統，監管手段以日志審計為主，監管信息的可靠性和檔案數據的安全性難以保證，不利于數字檔案的規范利用和外部監管靈活介入。通過區塊鏈“平權共治”的網絡特征，外部監管機構可以建立節點，加入到聯盟區塊鏈網絡，實施對數字檔案系統和檔案資源使用的可信監管。通過區塊鏈共享賬本可以賦予不同粒度的檔案數據不同的授權，只有具有相應授權的用戶組織才能共享和訪問對應的檔案數據，從而實現數字檔案訪問的精準控制。

2.4 檔案存證驗真與歷史追溯

數字檔案與傳統的紙質檔案相比，極其容易被復制和篡改，在傳播和使用的過程中難以確保檔案的真實性且難以對系統中檔案文件的使用和修改進行全流程的溯源。通過區塊鏈共享賬本不可篡改特性，對上鏈數字檔案進行存證。每一個存證檔案對應唯一的數據哈希標識，用戶通過區塊鏈網絡可以查詢對應數字檔案的哈希值，從而判定檔案的真實性。通過區塊鏈共享賬本修改留痕特性，保證數字檔案系統日志的真實性，實現可對系統用戶的所有行為全流程跟蹤，保證檔案數據操作可溯源、可審計，提升監管可靠性和檔案的安全性。

3 能源集團數字檔案室建設情況

為積極響應數字化轉型發展戰略，貫徹落實國家檔案局和廣東省檔案局推動數字檔案發展的有關要求，能源集團開展了集團式數字檔案室建設，利用人工智能技術和集團自建設的區塊鏈平臺技術進行應用整合和業務再造。項目采用集中部署方式，系統業務架構圖如圖4所示。

圖4 系統業務架構圖Fig.4 System business architecture diagram

項目搭建了集團級數字檔案管理平臺，檔案業務覆蓋文書檔案、合同檔案、基建檔案、科技檔案、照片檔案、實物檔案等綜合檔案門類，已部署集團10多個業務系統集成業務一體化集成，實現歸檔數據無縫對接，且逐年提高檔案數字化率，以保障集團員工對查檔、辦公的業務需求，大大提高檔案管理及利用的工作效率。

各業務系統中的數據在業務辦理結束時，可以通過中間庫接口處理平臺進行數據歸檔，歸檔的數據包括表單、附件及相關佐證文件；歸檔后由ETL接收分發平臺進行數據清洗、分發，按規則分發到數字檔案管理系統的不同全宗、類別和實體分類中，進行數據歸檔保管。同時可以引入新的技術方案如電子簽單、區塊鏈、電子文件四性檢測等技術，來保障數據從產生、處置、辦結、歸檔、入庫、保管全業務周期、全生命周期數據的真實、完整、安全、可用性。

4 結論

數字化電子檔案系統具備數據接收、封裝、檢測及數據處理功能，可與多個業務系統的數據進行交互，實現歸檔數據無縫對接，提高電子檔案歸檔率。利用區塊鏈、AI智能分析等技術保障數據從產生、處置、辦結到歸檔、入庫、保管等全生命周期的真實、完整、可用及安全。整體提高檔案管理科學化和規范化水平，促進企業管理水平不斷提高，全力助推企業管理水平和管理效率的提升。

引用

[1]王爍.大數據時代檔案信息資源共享平臺建設研究[J].圖書情報導刊,2016,12(1):117-120.

[2]韓曉萍.數字化檔案管理的優勢與建議[J].蘭臺內外,2022(23): 4-6.

[3]胡安樂,孫登峰.區塊鏈技術在電子文件真實性保障的應用研究[J].中華醫學圖書情報雜志,2021,30(12):11-16.

[4]劉清.基于區塊鏈技術的檔案管理系統分析[J].蘭臺世界,2019 (5):54-57.

[5]海嘯.基于區塊鏈技術的數字檔案信息安全建設策略探究[J].山西檔案,2020,250(2):118-123.

[6]王艷松,王棟,王為久,等.區塊鏈在電子檔案管理中的應用分析與實施路徑探究[J].北京檔案,2021(1):10-14.

[7]譚海波,周桐,趙赫,等.基于區塊鏈的檔案數據保護與共享方法[J].軟件學報,2019,30(9):2620-2635.

[8]吳昊.基于人工智能的大型企業檔案數字化管理系統設計[J].自動化技術與應用,2021,40(8):153-157.

[9]陳功娥.人工智能技術在檔案管理中的應用與實踐[J].四川檔案,2022,227(3):26-28.

[10]張國棟.人工智能技術在電子檔案管理的應用[J].信息記錄材料,2021,22(2):123-124.

[11]湯津行.人工智能在檔案管理工作中的應用研究[J].辦公室業務,2022(6):171-172.