贺 强，贺静霞，杨 华，杨怀卿*
(1. 山西农业大学信息学院，山西 晋中 030800；
2. 山西农业大学信息科学与工程学院，山西 晋中 030801；
3. 太原技术转移促进中心，山西 太原030012；
4. 太原师范学院，山西 晋中030619)
近些年因各类病毒污染导致的各个国家不同地区生鲜食品安全事故时有发生，引发各国大众对生鲜食品安全问题的高度关注[1]。我国因病毒污染引发的生鲜食品安全问题也偶有发生，发生病毒污染的生鲜食品大多是因为在种养殖、加工生产、储存运输及销售等某个或多个环节内接触到病毒，且未及时发现处理或管理不到位等造成的，出现病毒污染生鲜食品后，有关监管部门将第一时间停止该批次病毒污染生鲜食品的销售，并对其实施信息追溯，及时准确地获取到该批次病毒污染生鲜食品的详细信息并将污染源头找寻出，最大可能地降低食品安全问题所带来的危害，保障大众的生命财产安全[2-3]。
病毒污染生鲜食品信息追溯的过程较为繁琐，贯穿于生鲜食品的种养殖、加工生产、储存运输及销售等各个环节，各个环节均需实施较为严格的市场监督与控制[4]。当前针对生鲜食品的信息追溯技术，众多学者进行大量研究，文献[5]提出后疫情时代生鲜产品冷链物流的区间结构和信息体系追溯，从生鲜农产品冷链物流的信息结构、管理结构以及功能结构等方面进行探讨，构建了一种全新的面向全程的冷链物流管理体系，全程信息流、信息标准化和信息追溯构成后疫情时代生鲜农产品冷链物流的三大决定因素。文献[6]提出区块链中电商冷链溯源系统Petri网建模追溯，通过对冷链溯源系统总体业务流程的分析，建立了冷链溯源系统的Petri网模型，利用不变量分析模型和关联矩阵的有效安全特点，并通过HIPS工具进行了仿真验证。
虽然上述研究取得一定进展，但是缺陷是生鲜食品各个环节各自为政不能达到有关信息共享的目的，同时信息易遭受篡改无法保障信息的安全可靠性，另外需要较大的存储空间。为了解决上述问题，提出一种基于区块链的病毒污染生鲜食品信息追溯模型，将区块链技术融入信息追溯模型内，区块链属于一类经密码学算法依据时间顺序组合数据区块为链式结构，具备可追溯、去中心化、可多方共同维护及不可篡改等优点的分布式数据库。无论任何一方均需以预先约定的规则为依据对更新数据达成共识，达到多方间信息监督及共享的目的。区块链将时间戳、密码学、P2P网络、块链结构、共识机制以及智能合约等数类技术集为一体，在完成数据的自我管理及验证时不需要依赖于第三方，这也是所研究的创新之处。病毒污染生鲜食品信息追溯模型提升追溯信息的可靠性与安全性，提高追溯信息的效率，为有关监管部门及时精准地把控与监管病毒污染生鲜食品提供有效依据。
2.1 模型整体结构设计
病毒污染生鲜食品信息追溯的重点是运用物联网等采集方式针对生鲜食品的种养殖、加工、物流及销售全过程各环节信息实时采集，并以固定格式及方式储存与管理此类信息，经由信息追溯平台等将用户追溯的病毒污染生鲜食品详细信息呈现[7]，当出现病毒污染生鲜食品时，有关部门能够依据所追溯到的详细信息追溯到问题环节，确准责任主体，为确保生鲜食品的安全性提供帮助[8]。基于区块链的病毒污染生鲜食品信息追溯模型是在以上基础上加入区块链技术，有效运用区块链的可追溯、不可篡改及去中心化等优点，提升了病毒污染生鲜食品信息追溯的可靠性与真实性[9]。
设计基于区块链的病毒污染生鲜食品信息追溯模型整体结构，其主要由区块链存储层、网络层、合约层、及应用层构成，整体结构图如图1所示。
其中区块链存储层属于模型整体结构的基础，重点存储数据包括生鲜食品标签数据、履历数据及交易数据等；
网络层为模型整体结构的核心层，其主要职责为节点授权、账本维护、节点动态组网、流量控制、数据传输、参与共识以及数据读写等；
合约层属于模型的业务处理层，其关键任务是追溯信息调用及部署智能合约等，对可通过算法描述的追溯任务予以执行；
应用层作为模型的业务扩展层，可经由操作界面将个性化信息交互服务提供给用户，此层同合约层数据交互的实现可通过用户授权接口与追溯信息共享接口实现。
图1 基于区块链的病毒污染生鲜食品信息追溯模型整体结构
2.2 区块链存储层设计
以往的区块链信息追溯模型大多采用向区块链写入食品不同节点的追溯信息的储存方式，但此种储存方式在交易数据的数量随着节点数目的增长而不断增加时，区块链所面临的储存负载压力也逐步增大；
同时因区块链特殊的链式结构导致其追溯速度缓慢，且处于相同区块链网络内的全部成员均能够对账本上的数据实时访问，不利于隐私数据的安全保护[10]。为此本文选取区块链与数据库相结合的链上链下追溯信息双储存方式作为信息追溯模型区块链存储层的储存方式，降低区块链储存负载压力、提升追溯效率并提升储存的安全性[11]。以生鲜食品供应链各环节特征为依据，创建区块链与数据库相结合的双储存方式区块链存储层架构，将种养殖、加工、物流及销售各环节信息追溯记录架构准确。区块链存储层架构如图2所示。
向各节点本地数据库内分别存储生鲜食品供应链内的种养殖、加工、物流及销售各环节溯源明文信息并各自实施管理；
以本地数据库内所存储的溯源信息各个字段作为字符串，并拼接各个字符串，为降低区块链的储存负载压力，追溯信息加密过程中运用MD5算法将各种长度字符串生成一个32位16进制值，同时向区块链内写入运算后的哈希值。在实时追溯时对本地数据库内的溯源信息以相同的方式再次实施哈希值运算，并将所运算的哈希值同由区块链上追溯到的哈希值实施比对，检验所得溯源信息是否遭受篡改，提升所存储数据的安全性与可靠性。
图2 区块链存储层架构图
通过对生鲜食品供应链各环节的食品简要信息和数据库内基本数据的哈希值实施运算获取到根哈希值，通过各自单独维护的区块链节点向区块链上发送摘要，并向全网广播，待全网全部节点经共识检验通过后将其储存到新的数据区块内，同时与上一级数据区块链接，实现向区块链储存数据的全过程。区块数据结构如图3所示。
其中父级区块哈希值、时间戳、目标哈希值及当下区块版本号等封装于区块头，而经过验证的某个环节简要信息数据如生鲜食品批次和日期等以及数据库哈希值储存于区块体内。病毒污染生鲜食品信息追溯过程可简单描述为：用户或有关监管部门经信息追溯模型将需追溯的病毒污染生鲜食品批次代码输入实施信息追溯，由所输入的病毒污染生鲜食品代码直接定位到包括此批次病毒污染生鲜食品信息的特定区块头，将该批次病毒污染生鲜食品的全部流通环节数据调出实施病毒污染生鲜食品信息追溯。
图3 区块数据结构图
2.3 MD5算法的哈希值运算
MD5算法属于一种哈希算法，可运用哈希函数映射随意长度数据为较短的特定长度2进制值，属于一种由明文到密文的不可逆映射，输入相同时所获得的输出也相同。通过运用哈希函数的特征，不但能够对所得追溯信息是否遭受篡改实施校验，而且也可对存储数据的安全性予以有效保障[12]。该算法接收所输入信息后，预处理此类输入信息为以512位为一个分组的信息，同时划分各组512位信息文本为16个32位的信息块，并将其标示成M0，M1，…，M15。通过压缩函数获取该算法的输出为128位信息摘要，该信息摘要是通过4个32位级联所构成的。MD5算法的运算过程如下：
1)补位：对所输入的数据实施补位，令数据位长度对512求余所得结果为448，也就是将数据扩展为：
K×512+448位=K×64+56Byte
(1)
式(1)中，K为整数。补位操作时先将一个1补到数据后面，再补上数个0，直到符合式(1)要求为止，即449补511位，447补1位。
2)补长度：通过一个64位的2进制数据于完成补位操作的消息后面对初始消息的长度予以表示。此时可得到的信息长度为：
N×512+448+64=(N+1)×512位
(2)
也就是所得信息为512的倍数。
3)MD5的原始链接变量：MD5算法所需的整数参数为四个32位的链接变量，依次可表示为
(3)
式(3)中，A～D的存储方式均为低字节在前高字节在后的小端储存。
4)主循环操作：以四轮每轮16步实施运算。将四个链接变量向另外四个变量内复制，其中A复制到a，B复制到b，以此类推；
主循环分为四轮，每轮各实施16次操作，每轮的各步操作均较为类似；
在每次操作时对a～d内的三个变量实施一次非线性函数运算，也就是逻辑运算；
将运算后所获得的结果与第四个变量、消息文本的一个常数ti与一个子分组Mj相加，相加后所获取到的结果向左侧移动一个不固定的数，同时与a～d内的某个相加；
运用最终所得结果替换掉a～d内的一个。
5)结果输出：结束以上步骤后，用A～D依次与a～d相加当作下一分组数据的原始值，直至全部分组完成后为止，最终所得输出结果为A、B、C与D的级联，即：A=A+a，B=B+b，C=C+c，D=D+d。
将本文模型应用于某生鲜食品公司的管理系统中实施生鲜食品信息追溯，与应用本文模型前该公司管理系统的生鲜食品信息追溯结果相比对，检验本文模型的实际应用效果。该生鲜食品公司成立于2013年5月12日，其生鲜食品种类主要包含蔬果类、水产类、肉类等，具体包括鱼、虾、蟹、贝类、鸡肉、猪肉、羊肉、牛肉、各类水果及各类蔬菜等。实验中以该公司的苹果、香蕉、秋葵、菠萝四种蔬果类生鲜食品为例实施信息追溯检验。
3.1 追溯效率检验
检验应用本文模型后与应用本文模型前实验公司管理系统的信息追溯效率，检验时二者均在相同情况下执行相同的信息追溯任务，为提升检验结果的客观性，二者对每种情况的信息追溯均执行5次，以5次的平均值作为最后的检验结果实施对比。检验中所设定的追溯记录总量依次为2×104、4×104、6×104及8×104条，检验在不同追溯记录总量的情况下二者的信息追溯时间随批次追溯记录条数的变化情况，对比结果如表1所示。
通过表1能够得出，应用本文模型前实验公司管理系统的信息追溯时间受追溯记录总量与批次追溯记录数量的双重影响，二者数量的增长均导致实验公司管理系统信息追溯时间的增长，尤其针对批次追溯记录数量较高时，该系统信息追溯时间的上升幅度更高；
而应用本文模型之后实验公司管理系统的信息追溯时间与应用本文模型之前相比下降幅度明显，且信息追溯时间受追溯记录总量与批次追溯记录数量的影响较小，随着二者数量的上升追溯时间略微上升。综上可见，应用本文模型后可显著改善实验公司生鲜食品信息追溯的效率，实现及时高效稳定的生鲜食品信息追溯。
表1 应用本文模型前后信息追溯时间对比(s)
3.2 防篡改性能检验
为保障所存储信息的安全性与所获取追溯信息的可靠性，需对追溯信息是否遭受篡改实施校验，依据校验结果检验本文模型的防篡改性能。分别由应用本文模型后实验管理系统与应用本文模型前实验管理系统所获取的蔬果类生鲜食品追溯信息内随机各抽取出10000条追溯信息，所抽取追溯信息包含苹果追溯信息2500条、香蕉追溯信息3100条、秋葵追溯信息1500条、菠萝追溯信息2900条，对所抽取的追溯信息实施校验，依据校验结果检验二者的追溯信息篡改率，检验结果如表2所示。
表2 应用本文模型前后信息篡改情况对比
由表2可得知，应用本文模型后实验管理系统所获取的10000条追溯信息内仅有1条篡改信息，整体信息篡改率仅为0.01%，近似于0；
而应用本文模型前实验管理系统所获取的10000条追溯信息内共有47条篡改信息，整体信息篡改率达到了0.47%，说明，本文模型具有较高的防篡改性能，可提升实验公司管理系统生鲜食品信息存储的安全性与追溯信息的可靠性。
3.3 追溯精度检验
以查全率与准确率作为检验指标，检验应用本文模型前后实验管理系统追溯信息的精度，对比结果如图4所示。
分析图4可得出，随着追溯记录总量的增长，应用本文模型后的实验管理系统的信息追溯查全率与准确率均未出现较大波动，而应用本文模型前实验管理系统的信息追溯查全率与准确率呈现逐渐降低趋势，且整体查全率与准确率均低于应用本文模型后的实验管理系统，由此可见，本文模型的应用可显著提升实验管理系统信息追溯的整体精度，且不受追溯记录总量的影响，追溯性能稳定可靠。
图4 应用本文模型前后信息追溯精度对比
针对基于区块链的病毒污染生鲜食品信息追溯模型展开研究，通过区块链技术与数据库相结合设计双存储方式用于储存生鲜食品各环节信息，形成区块链存储层作为信息追溯模型的基础层，与网络层、合约层及应用层共同构成病毒污染生鲜食品信息追溯模型，将本文模型应用于某生鲜食品公司管理系统内，实际应用结果表明：
1)基于区块链的病毒污染生鲜食品信息追溯模型可显著提升信息追溯效率，有效防止所存储生鲜食品信息遭受篡改；
2)利用所设计病毒污染生鲜食品信息追溯模型，可以令所得追溯信息更加真实可靠，追溯结果完整准确；