趙婧帆，潘利民，黃永剛，史寶林

（河北北方學(xué)院附屬第一醫(yī)院，河北張家口 075000）

隨著科學(xué)技術(shù)發(fā)展水平的提升，科研誠信已成為了熱點問題。加強科研誠信的建設(shè)，對于科技發(fā)展和保障社會公平正義具有重要的意義。隨著科研數(shù)據(jù)量的快速增長，對其進行深入地分析不僅要針對現(xiàn)有數(shù)據(jù)，還需對未來快速增長的數(shù)據(jù)也進行準確可靠的預(yù)測。而區(qū)塊鏈技術(shù)，恰好適合解決此類數(shù)據(jù)交互問題。

區(qū)塊鏈也被稱為分布式賬本，其是一個防篡改的附加數(shù)據(jù)交易列表，并對這些交易使用密碼學(xué)進行鏈接和保護。同時，區(qū)塊鏈技術(shù)去中心化的組織模式，也保證了數(shù)據(jù)交互不會被篡改。因此，該文基于科研數(shù)據(jù)的建模，使用區(qū)塊鏈技術(shù)研究了科研誠信數(shù)據(jù)的分析與評估問題。

1 科研數(shù)據(jù)建模

為了對科研數(shù)據(jù)進行評估，該文提出了一個誠信模型，其涉及相似性、可信度與最終聲譽的測量。該模型根據(jù)事件進行更新，相似性測量依賴近鄰數(shù)據(jù)的相關(guān)度量測。最終聲譽通常使用一般聲譽和基于近鄰數(shù)據(jù)的聲譽來評估可信度值。

1.1 相似度量測

該文使用皮爾遜相關(guān)系數(shù)量測兩個數(shù)據(jù)之間的相關(guān)性[1]。數(shù)據(jù)u和數(shù)據(jù)k之間的相關(guān)性PCu,k可由式（1）得出：

1.2 可信度量測

可信度量化了數(shù)據(jù)與其鄰近數(shù)據(jù)之間的關(guān)系[3]。若數(shù)據(jù)u對于鄰近數(shù)據(jù)k的分析結(jié)果影響增大，則u在k中的可信度增加[4]。數(shù)據(jù)u和k之間的可信度Tu,k的計算如式（2）所示：

式中，nu,k表示由k傳遞給u的數(shù)據(jù)分析結(jié)果；Nu,k表示k被選為u的鄰近數(shù)據(jù)的次數(shù)。

1.3 最終聲譽量測

可信度是基于單一數(shù)據(jù)個體的科研數(shù)據(jù)可靠性量測指標，此外還使用最終聲譽來量測總體數(shù)據(jù)的可靠性[5]。為此，該文采用了一般數(shù)據(jù)聲譽和基于鄰近數(shù)據(jù)的聲譽兩種不同數(shù)據(jù)的綜合建模方法。

一般數(shù)據(jù)聲譽采用數(shù)據(jù)本身的平均可信度來量化數(shù)據(jù)聲譽。數(shù)據(jù)u在系統(tǒng)中的一般數(shù)據(jù)聲譽Ru如式（3）所示：

式中，Tu,k可由式（2）得出，而U表示整體數(shù)據(jù)。

基于鄰近數(shù)據(jù)的聲譽使用數(shù)據(jù)與其鄰近數(shù)據(jù)間的成對可信度來量化數(shù)據(jù)的聲譽。數(shù)據(jù)k包含數(shù)據(jù)u的基于鄰近數(shù)據(jù)的聲譽Ru,k可由式（4）得出：

其中，t代表u和k之間的共同鄰近數(shù)據(jù)；Tu,t是數(shù)據(jù)u和t之間的成對可信度；n是u和k之間的鄰近數(shù)據(jù)總數(shù)[6-8]。

從式（1）-（4）可以看出，任何一個數(shù)據(jù)的鄰近數(shù)據(jù)均會對算法產(chǎn)生重大影響。該文使用k-NN（k-Nearest Neighboors）算法，對科研數(shù)據(jù)進行在線聚類[9]，并為每個傳入的評級事件近乎實時地進行預(yù)測與模型更新。同時為了識別近鄰數(shù)據(jù)，采用皮爾遜相關(guān)算法確定數(shù)據(jù)間的相關(guān)性，以檢測最近的鄰近數(shù)據(jù)。而聚類生成數(shù)據(jù)用于支持以下兩種分析方法[10]：

1）使用式（1）來計算采用多標準評級的ru,i，然后通過式（5）確定數(shù)據(jù)u對特征i評分ru,i的預(yù)測。

式（5）中，*表示內(nèi)積運算。

2）基于信任的數(shù)據(jù)分析方法。首先使用式（3）計算數(shù)據(jù)k被識別為數(shù)據(jù)u鄰近數(shù)據(jù)的次數(shù)。式（6）定義了數(shù)據(jù)u的n個臨近數(shù)據(jù)的可信度Tu,k為數(shù)據(jù)u對特征i的評級預(yù)測

2 基于區(qū)塊鏈的數(shù)據(jù)分析方法

為確保數(shù)據(jù)分析的安全性，該文使用區(qū)塊鏈技術(shù)，用于實現(xiàn)數(shù)據(jù)文件跟蹤、驗證與歷史跟蹤的流程。所使用的區(qū)塊鏈系統(tǒng)如圖1 所示[11-12]。

圖1 系統(tǒng)框架

該系統(tǒng)支持現(xiàn)有存儲基礎(chǔ)架構(gòu)中的數(shù)據(jù)保留、歸檔、文件驗證和歷史跟蹤，并可監(jiān)視由用戶注釋的文件或指示是否可以更改以及何時更改[13]。此外，該系統(tǒng)在區(qū)塊鏈上還能夠自動生成與部署這些智能合約，并提供審計功能和對存儲在區(qū)塊鏈上的元數(shù)據(jù)的安全訪問。系統(tǒng)的主要功能包括存在證明、文件驗證和歷史跟蹤。

2.1 文件跟蹤

該節(jié)使用區(qū)塊鏈技術(shù)監(jiān)控文件的工作流程如圖2 所示，其包括以下步驟[14]：

圖2 區(qū)塊鏈注釋監(jiān)控流程

1）用戶對文件進行注釋，以便進行長期文件跟蹤。

2）根據(jù)文件跟蹤模板，自動生成該文件的專用智能合約。

3）將生成的文件追蹤合約提交至區(qū)塊鏈。

4）成功部署到區(qū)塊鏈后，返回唯一的智能合約地址，并將其作為元數(shù)據(jù)附加到存儲系統(tǒng)的文件中，同時關(guān)聯(lián)智能合約和文件。

5）使用加密單向散列函數(shù)計算文件散列。

6）將所有數(shù)據(jù)解析為對應(yīng)的文件合約。

7）系統(tǒng)收到數(shù)據(jù)并將其寫入?yún)^(qū)塊鏈。

8）若存在某個文件的其他隊列交易，系統(tǒng)將把所有交易按照時間順序提交到區(qū)塊鏈。

2.2 文件驗證

驗證跟蹤文件的工作流程如圖3 所示[15]。

圖3 驗證文件工作流程

驗證文件的工作流程如下：

1）用戶從文件系統(tǒng)中請求訪問一個文件。

2）系統(tǒng)根據(jù)元數(shù)據(jù)附加的智能合約地址來加載相應(yīng)的文件跟蹤合約。

3）系統(tǒng)從加載的文件跟蹤合約中尋找最后一個已知的哈希值。

4）智能合約驗證功能在區(qū)塊鏈的最新副本上進行本地執(zhí)行，獲取存儲在區(qū)塊鏈上的最后一個已知哈希值。

5）計算存儲系統(tǒng)中存儲文件版本的哈希值。

6）當前產(chǎn)生的哈希值與存儲在智能合約中的最后一個值進行相互比較；若兩個值匹配，則認定文件一致[16]。

7）系統(tǒng)允許用戶加載驗證文件。

此外，系統(tǒng)允許用戶根據(jù)存儲在區(qū)塊鏈網(wǎng)絡(luò)上的真實情況驗證其本地文件副本，且無需接觸遠程文件。

2.3 文件歷史跟蹤

通過使用專用智能合約將包括存儲系統(tǒng)維護等附加屬性（例如所有者、時間戳及URI）的文件哈希存儲在區(qū)塊鏈上，從而能夠確定文件的更改時間。若存儲的文件被修改，則包括新文件哈希在內(nèi)的更新文件屬性將被附加到智能合約上，并存儲于區(qū)塊鏈網(wǎng)絡(luò)中。而一旦交易被確認，便可唯一確定網(wǎng)絡(luò)中的所有操作記錄，這是因為區(qū)塊鏈上的交易無法修改或刪除。此外，文件歷史追蹤還能夠在無任何第三方干擾的情況下完成。

3 數(shù)值實驗驗證

驗證實驗均采用節(jié)點集群，且每個節(jié)點都配備了一個四核Intel Xeon CPU，16 GBRAM 和三個1 TB的7 200 RPM 機械數(shù)據(jù)存儲磁盤，且所有節(jié)點均通過單個交換機與一個千兆以太網(wǎng)相連。同時，節(jié)點內(nèi)運行Linux 操作系統(tǒng)和Java1.8.0 軟件語言。

為了對文中設(shè)計的技術(shù)進行研究，通過使用KNN算法預(yù)測評分，并評估該方法的預(yù)測及準確性。首先通過使用基于區(qū)塊鏈的科研數(shù)據(jù)分析算法，在不同的數(shù)據(jù)近鄰分類策略下，分別計算數(shù)據(jù)分析的召回率、目標召回率以及均方根誤差，結(jié)果如表1 所示。其中，較低的均方根誤差和較高的分類值（召回率和目標召回率）均可體現(xiàn)出算法具有較為理想的分析準確度。

表1 分析結(jié)果對比

從表1 可以看出，隨著近鄰數(shù)據(jù)個數(shù)的增加，算法對于數(shù)據(jù)分析的準確度逐漸上升，且均方根誤差持續(xù)減小。

科研數(shù)據(jù)分析技術(shù)的優(yōu)劣不僅取決于對數(shù)據(jù)的分析質(zhì)量，還取決于分析技術(shù)的正式運行情況，因此，該文還對科研數(shù)據(jù)寫入及驗證文件的響應(yīng)時間進行了測試。實驗在Linux 操作系統(tǒng)下生成固定大?。?4～8 192 MB）的隨機文件，其寫入時間的測試如圖4所示。

圖4 文件寫入時間測試

如圖4 所示，科研文件大小均在1 024 MB 以內(nèi)時，收集元數(shù)據(jù)以及發(fā)送和確認合約交易的平均響應(yīng)時間為48.5 s，且寫入響應(yīng)時間大致相同，因此與文件大小關(guān)系并不明顯。此外還可以發(fā)現(xiàn)，寫入時間的最大值和最小值相差較大，分別為45.590 s 和125.843 s。這是因為交易確認占用了大部分響應(yīng)時間，故測試網(wǎng)絡(luò)在考慮效率的情況下應(yīng)該將大型文件進行延遲處理。

圖5 為系統(tǒng)驗證不同大小文件響應(yīng)時間的實驗結(jié)果。在使用區(qū)塊鏈技術(shù)讀取文件之前，對文件進行了50 次修改，以生成相應(yīng)文件跟蹤合約內(nèi)的數(shù)據(jù)。當文件較小時（小于1 024 MB），與寫入響應(yīng)時間相比，驗證的耗時較少，且均在20 s 以內(nèi)。原因是檢索文件哈希智能合約的執(zhí)行可在本地完成，所以無需在區(qū)塊鏈網(wǎng)絡(luò)上進行任何交易。

圖5 驗證響應(yīng)時間實驗

該文采用Gas 來衡量創(chuàng)建及修改單個文件的成本。Gas 是區(qū)塊鏈技術(shù)中使用的特殊單位名稱，其用于衡量一個動作或一組動作需要執(zhí)行的工作量。實驗時，首先生成一個1 024 MB 的文件；然后將文件加載到系統(tǒng)中，并重復(fù)10 次上述兩個步驟，以覆蓋系統(tǒng)的文件，即可以保證系統(tǒng)的數(shù)據(jù)安全可靠。在系統(tǒng)安全的前提下對文件的操作成本統(tǒng)計如下：當一個創(chuàng)建文件在部署相應(yīng)的智能合約時，第一步需要花費147 060 Gas，且之后的每次修改均會持續(xù)花費132 060 Gas，這是因在測試網(wǎng)絡(luò)上執(zhí)行的操作數(shù)量完全相同。需要強調(diào)的是，測試網(wǎng)中的文件操作Gas 消耗量可能與公共網(wǎng)絡(luò)上有所不同。因此，在公共網(wǎng)絡(luò)上使用區(qū)塊鏈分析技術(shù)時，不僅需要考慮到文件操作的成本，還應(yīng)分析需要跟蹤文件的成本及數(shù)量。

4 結(jié)束語

針對科研誠信數(shù)據(jù)的分析與評估問題，該文使用多種評價指標建立了一個誠信模型。同時為保證科研數(shù)據(jù)文件跟蹤、驗證和歷史追蹤的可靠性，利用區(qū)塊鏈技術(shù)建立了數(shù)據(jù)分析方法，并通過實驗驗證了該技術(shù)的可靠性。更廣泛的科研誠信數(shù)據(jù)具有大時間跨度的特點，且基于多種語言載體，其具有異常細節(jié)難以全面量化的問題，這將是未來研究的重點。