基于區塊鏈的眾包物流分級多層智能服務交易監管架構

余春堂，韓志耕，李致遠，王良民

基于區塊鏈的眾包物流分級多層智能服務交易監管架構

余春堂1,2，韓志耕3，李致遠1,2，王良民1,2

（1. 江蘇大學計算機科學與通信工程學院，江蘇 鎮江 212013；2. 江蘇省工業安全重點實驗室，江蘇 鎮江 212013；3. 南京審計大學信息工程學院，江蘇 南京 211815）

針對現代服務業的支柱產業眾包物流缺乏交易監管致使存在的偽造、欺騙、隱私泄露和不可追溯等安全威脅，提出了基于區塊鏈的眾包物流分級多層智能服務交易監管架構。首先，該架構采用了國家授權認證中心對物流服務平臺監管與物流服務平臺對物流參與主體監管的二級監管體系。之后，在該監管體系架構下，實現了群智合約、合法匿名的身份認證、智能交易匹配、異常數據分析與檢測、隱私保護及可追溯等功能。然后，通過安全性分析與交易監管構件軟件驗證交易監管架構的安全可控及運行效率。最后，在真實的眾包物流企業平臺上運行該軟件構件進行實際測量，測量結果顯示，所提出的眾包物流分級多層智能服務交易監管架構是安全可控的，能夠保障用戶和數據的隱私，防范偽造和欺騙，實現用戶行為和用戶數據的可審計和可追溯。

眾包物流；分布式交易監管；群智合約；區塊鏈

1 引言

隨著科技的進步和市場經濟的深入發展，物流作為現代服務業中的支柱產業得到了快速發展。現代服務業的基本特征是服務交易，交易監管則是現代服務業實施過程中遇到的共性關鍵技術難題。本文以物流行業為背景，對物流服務平臺的發展演化進行分析，面向現代物流行業研究一種新的交易監管理論框架與實施方法。

傳統的物流交易服務平臺存在3個對象，分別是請求（Requester）節點、服務（Worker）節點和集中式的物流服務平臺。Requester節點和Worker節點通過集中式的物流服務平臺進行交互。在物流發展的初期，集中式的物流服務平臺負責Requester節點和Worker節點之間的任務匹配、物流傳遞、電子交易及退換貨等一切相關的內容。隨著電子商務和現代服務業的快速發展，常規派件和退換貨導致派件的數量出現指數增長的局面。傳統的物流平臺、物流運力、人員成本等方面已經無法適應當前電商物流發展的新形勢。為了響應國務院辦公廳《關于推進電子商務與快遞物流協同發展的意見》（國辦發〔2018〕1號文件），物流行業在傳統的物流服務平臺上引入了外包模式，將大量的物流派件任務外包給可信的企業或團體。但這種物流方式存在嚴重的返程空置現象，運輸效率不高。為了進一步貫徹國辦發〔2018〕1號文件“強化服務創新，提升快遞末端服務能力”“強化標準化智能化，提高協同運行效率”“強化綠色理念，發展綠色生態鏈”的號召，最新的物流外包形式采用了眾包（crowdsourcing）模式[1-3]，以下簡稱眾包物流。

眾包物流借助于成熟的大數據和移動網絡技術，將配送任務以自愿、有償的方式，通過網絡外包給非特定社會群體，這些社會群體可在自由支配時間段搶單、取貨和送貨，由此實現了社會閑置資源的最大化利用。當前，以京東眾包、達達、人人快遞、閃送等為代表的眾包物流模式，受到了諸多快遞人員與消費者的青睞。這種高效的配線僅3個月，就招募了5萬多名快遞員。業務覆蓋了13個城市，日均派送量超20 000單。達達首席執行官稱達達眾包98%的訂單可以在1 h內妥投，85%的訂單可以在30 min內妥投[4]。此外，眾包物流與在線離線或線上到線下（O2O，online to offline）電商平臺的對接密切，使物流成本大幅降低。

盡管眾包物流存在可用資源多、運輸效率高、運輸成本低及可擴展性好等優勢，但也存在以下幾方面的關鍵問題。

（1）法律責任大

眾包模式下物流服務平臺缺乏對眾包節點的身份認證，因此眾包物流中的節點具有不可信性，致使眾包物流服務平臺承擔比傳統物流服務平臺更大的法律責任。

（2）Requester節點和Worker節點之間的任務匹配度不高

任務請求節點和任務服務節點之間的匹配是隨機化的，缺乏相應的優化機制，導致任務匹配度不高。

（3）隱私泄露及不可追溯

眾包物流交易平臺存在交易信息泄露及不可追溯等安全隱患。目前上線的眾包物流平臺中，對用戶信息進行加密和匿名化處理，以下稱為隱私面單。據騰訊網相關統計顯示，截至2018年 6月，快遞隱私面單的普及率不足20%。電子商務企業京東目前采用了隱私面單，然而在訂單量激增的情況下，隱私面單會失效。例如，2017年5月期間，因訂單量激增，京東采用大量眾包運力支持物流業務，由于眾包配送員無法登錄使用“京牛”，致使京東改為使用普通面單，顧客的個人信息全部顯示在面單上，導致用戶信息大面積泄露。

此外，現有的眾包物流系統均采用集中式的數據處理方式。這種數據處理架構需要通過可信的第三方保障交易的安全性。然而，可信第三方存在單點失效的問題。一旦可信的第三方遭受網絡攻擊，將導致眾包物流平臺變得不可用，無法完成對用戶身份的認證且支付活動受到影響。針對上述技術和管理瓶頸，本文基于區塊鏈和智能合約技術提出分級多層分布式智能交易監管架構，主要工作如下。

1) 提出分級多層的智能服務交易監管框架。

2) 給出基于聯盟鏈的智能服務交易監管實施方法及安全性分析。

3) 在所提智能服務交易監管框架下給出相應的技術問題和研究內容。

2 相關工作

本文從集中和分布兩個方面分別闡述眾包交易平臺及其監管方面的研究工作[4-32]。

2.1 集中式的眾包交易平臺及其監管

集中式的眾包交易系統均采用服務器集中托管的方式運行和維護，如亞馬遜旗下網絡眾包調查平臺的MTurk[4]、全球最大的自由職業工作社區Upwork[5]、全球規模最大的外包服務平臺Freelancer[6]、眾包數據處理工具CrowdFlower[7]等。

上述系統作為各領域的典型眾包平臺，提供了發布任務并收集數據的新途徑，起初主要用于訓練人工智能，后來越來越廣泛地應用于定量研究、市場調查等領域。具有便捷、高效的優點，使其深受AI從業者和科研人員的歡迎。

集中式的眾包服務平臺研究主要集中在激勵問題方面。激勵策略的目的是鼓勵更多的節點主動地參與眾包交易，并形成良好的競爭效應。文獻[8]設計并評估了一種基于反向拍賣的動態價格激勵機制，該激勵機制側重于實現激勵成本的最小化和穩定性，然而該機制不能保證交易雙方的真誠可信。文獻[9-10]分別設計了以平臺為中心和以用戶為中心的激勵模型，目標分別是最大化平臺效用和解決Worker節點的可信問題。文獻[11]提出一種基于信譽的激勵模型，該模型的目標是最小化激勵成本，同時解決搭便車和誤報問題。文獻[12]的激勵機制由中標判定算法和關鍵支付方案組成，誘使智能手機披露其真實成本。針對在線任務分配問題，文獻[13]提出了兩種激勵機制，目標分別是最大化任務分配的數量和最小化支付報酬；在此基礎上，文獻[14]假定Worker節點是同質，針對任務不合理定價導致或者請求者效用低，或者Worker效用太低放棄任務的問題，設計了BP-UCB機制，實現請求者效用最大化，同時保證Worker節點真實可信。

盡管激勵機制使眾包平臺可以提供更多的安全可信資源服務，但由于缺乏有效的監管機制，網絡欺騙行為頻發。例如，為了金錢獎勵，參與者會偽裝自己符合當前任務的特定要求，因此，同一個參與者在兩個任務中可能呈現出截然相反的特質。參與者的另一種欺騙行為是Worker節點可能利用不受Requester節點監控的自由而通過第三方獲得正確的答案。當答案正確與否和樣本報酬相關時，這一情況發生的概率更高。

2.2 分布式的眾包交易平臺及其監管

與集中式眾包交易平臺不同，分布式眾包交易平臺的決策不是由眾包服務平臺單方面決定的，而是由參與眾包服務的節點通過群智群策的方式獲得。文獻[15-19]利用眾包系統中參與節點的社會關系實現任務分配，旨在解決集中式處理中的負載均衡問題。文獻[20-24]以分布式的策略完成交易任務的分配，不足之處在于仍然依賴第三方的集中式系統來提供服務。文獻[25-28, 30-32]將區塊鏈引入分布式眾包交易平臺，在對等網絡中實現節點通信和資源交換，區塊鏈的優勢在于解決了集中式眾包交易平臺上無法解決的隱私泄露、可追溯及審計等關鍵技術難題[29-30]。文獻[31-32]基于區塊鏈提出了去中心化眾包服務交易框架CrowdBC和ZebraLancer。它們實現了交易用戶的簽名認證和匿名隱私。與集中式眾包交易平臺相比，分布式眾包交易平臺同樣缺乏監管，且監管部署和實施的難度更大。

綜上所述，當前的集中式和分布式眾包交易平臺缺乏服務交易監管模型。同時，通過以上分析發現，盡管基于區塊鏈技術的分布式眾包交易平臺可以解決法律責任大、Requester節點和Worker節點之間的任務匹配度不高及隱私泄露、不可追溯等問題，但平臺缺乏監管，不利于政府相關部門對市場非法交易的監控監管。鑒于此，本文重點研究智能服務交易的監控、監管理論框架，并給出相應的實施方法。

3 分級多層智能服務交易監管框架

分級多層智能服務交易監管架構如圖1所示。該架構采用了聯盟鏈的架構，鏈上各個節點通常有與之相對應的行業，如物流、金融實體機構組織，參與者通過授權加入網絡并組成利益相關聯盟，共同維護區塊鏈的運行。因此，該框架作為一種通用解決方案，不僅適用于眾包物流領域，同樣適用于普惠金融等其他行業領域。整個交易監管架構部署了兩級監管點。其中，監管點I由監管架構的頂層國家授權認證中心向注冊登記的聯盟鏈部署實施企業植入監管模塊，國家授權認證中心是智能服務交易監管框架的信任根。所有行業或組織首先向國家授權認證中心申請部署實施聯盟鏈，申請需提供的準入證明包括企業法人、資質證明等實體信息，并簽署監控植入知情協議書。監控植入知情協議書是聯盟鏈的實施者接受上級主管部門國家授權認證中心監管的具有法律效應的文件，它表明所有的交易數據和操作日志均授權國家授權認證中心實時訪問。

圖1 分級多層智能服務交易監管架構

Figure 1 Hierarchical and multi-level smart service transaction supervision framework

監管架構的中間層為聯盟鏈中的實施管理和監管部分。該層的部署和實施單位為相應行業的實體組織結構，該層的主要任務是設計和實現服務交易及其監管平臺。其中的監管模塊是整個架構中的第二個監管點，以下稱之為監管II。與監管I的作用不同，監管II更加側重對用戶的認證和管理以及編寫智能合約實現對底層區塊鏈數據的操作和分析。具體研究內容如下。

1) Requester節點和Worker節點注冊進入系統時，通過合法匿名的方法實現對用戶身份在聯盟鏈中的認證。

2) Requester節點和Worker節點注冊進入系統時，還需繳納一定的保證金。

3) 異常數據檢測與審計，即通過機器學習方法對讀取的區塊鏈數據進行審計，對于異常行為、異常得分的節點及其產生的異常數據，采取隔離審查的策略，審查期間該節點及其產生的數據進入黑名單。

4)懲罰措施，即通過審計后確定Requester節點或Worker節點從事異常行為或某種網絡攻擊后，按照對行業或個人的影響程度，扣除其相應數額的保證金并列入其誠信記錄。

監管架構的最底層為所監管的交易數據，采用區塊鏈結構對交易數據進行加密簽名存儲，交易數據的實際存儲則通過P2P網絡協議實現，見圖1中的區塊鏈網絡部分。監管架構的中間層通過編寫智能合約實現與區塊鏈網絡的交互，交互內容主要是讀寫操作。

4 基于聯盟鏈的智能服務交易監管方法

本節以現代物流服務業升級為例，介紹分級多層智能服務交易監管架構支撐下的基于聯盟鏈的智能服務交易監管方法。

如圖2所示（圖中增加了19個標記），整個方法的實施涉及兩個方面。

（1）國家授權認證中心對物流服務平臺的監管

1) 資質申請：智能服務平臺方首先需要向國家授權認證中心（AC）提交資質申請（見圖2中a1）；國家授權認證中心在對物流服務平臺方進行必要身份、資質和信譽檢索后，對其是否具備資質進行綜合評估；若具備服務準入資質，則向其頒發相應的授權許可證（牌照），使其成為合法的智能交易服務節點（見圖2中a2）。持有牌照的節點具有某些特殊的功能，如具備向物流參與個體發放受國家法律許可的密碼學假名的能力。

圖2 交易監管方法

Figure 2 Supervision approach to transactions

2) 監管植入：國家授權認證中心向頒發了授權許可證的物流服務平臺和該服務平臺所在行業的聯盟鏈植入對應功能級別的監管功能件（見圖2中a3和a4），分別用于對物流服務平臺的監管和對行業鏈中多聯盟中心（Miner）的監管。

3) 異常分析：物流服務過程中，國家授權認證中心利用植入在物流服務平臺和行業聯盟鏈中的監管功能插件進行數據獲取和在線分析，實時捕獲服務交易過程中的服務平臺的異常行為，如服務平臺存在物流國家違禁物品的行為、上鏈數據存在持有方或審核方未背書現象等。此外，國家授權認證中心定期對不同聯盟鏈的上鏈數據進行匯總、融合與交叉分析，深度發現那些隱藏在多個行業中的已奏效或尚未發生的物流服務異常行為（在單個行業中難以發現），從而為后期的物流服務監管提供預警依據（見圖2中a5）。

（2）物流服務平臺對物流參與主體的監管

1) 身份認證：物流服務請求者（Requester）和物流承擔分散個體（Worker）在物流服務平臺進行注冊（見圖2中p1），服務平臺對其身份和信譽等進行檢查（必要時需要通過國家授權中心求助國家信譽中心，見圖2中a6），若合格，則向其頒發用于服務交易的密碼學假名（見圖2中p2），并將真實身份與假名向國家授權認證中心或其委托的下級授權認證中心進行備案（同時為防止身份泄露，假名會被定期認證更新），一方面可以保護用戶之間的交易隱私，另一方面可以對交易異常進行事后追溯。

2) 方案選擇：Requester（特指已成功注冊）向物流服務平臺提交物流任務請求（見圖2中p3），服務平臺觸發智能合約（運行特定的任務匹配算法）對物流請求與Worker進行自動匹配，并將匹配結果提交給Miner進行打分（見圖2中p4）。服務平臺依據來自Miner的群智評分對匹配結果進行排序，并將排序結果提交給Requester供其選擇（見圖2中p5）。由于服務平臺只提供物流方案的匹配而不是最終選擇，使平臺法律風險降到最低。

3) 物流實施：Requester將選擇結果反饋給物流服務平臺（見圖2中p6），平臺將任務派送給選定的Worker（見圖2中p7），其在完成任務后將任務結果反饋給平臺（見圖2中p8），如貨物接收方已簽收。

4) 服務評價：服務平臺依據物流任務完成情況（包括來自Requester的評價）（見圖2中p9）給予Worker獎懲（見圖2中p10）；同時，Requester可以依據自己的體驗和來自Miner的匹配評分對Miner的可信度進行評價，為后期監管Miner（見圖2中p11）提供依據。

5) 異常追溯：一旦發生物流異議，如Requester宣稱物流對象遺失，而Worker宣稱對方已簽收，則雙方將證據（如簽收信息、物流軌跡數據）提交給服務平臺（見圖2中p12），服務平臺對結果進行仲裁，并將仲裁結果以信譽度的形式反饋給國家信譽中心（見圖2中a6）。

6) 數據上鏈：物流服務平臺對本次物流服務數據進行背書，并寫入其所在的行業聯盟鏈（見圖2中p13），用于后期的檢索與分析。

智能服務交易狀態變遷如圖3所示，上述智能服務交易監管方法的實施使智能服務交易從最初的交易初始態，經由若干交易干擾態和交易監管態，最終回歸到交易穩定態。整個交易監管以閉環形式自適應地運行，滿足了對現代智能服務可信、無異常的安全需求。

圖3 智能服務交易狀態變遷

Figure 3 Transaction state transition of intelligent services

5 智能服務交易監管框架的實現與部署

智能服務交易監管框架的軟件架構如圖4所示。其中，中間部分為智能服務交易分布式分中心監管框架，它分為整體架構設計、分級多層監管設計及監管節點功能設計。

軟件整體架構設計包括以下功能和研究內容。①監管區域劃分與節點部署，即制定智能服務監管區域劃分策略和分布式分中心監管機構部署方案，旨在提高監管的效率、準確性和可擴展性。②面向智能服務交易的監管接口設計，即針對智能服務交易系統的不同類型，采取不同的監管接入方式。

分級多層監管設計包括以下功能和研究內容。①通過對動態交易數據的分析制定一系列準入準出規則。②以區塊鏈技術為基礎構建交易日志、審計系統。③使用隨機森林等方法提取異常交易的特征，用相關的智能分類和聚類算法實現異常檢測。④對異常交易和交易主體采取獎懲機制。

監管節點功能主要包括客體身份認證、交易記錄存儲、異常行為檢測、監管動作實施、監管日志記錄等功能。

軟件架構中基于群智合約的服務交易實施與監管技術和面向多模態交易客體的追溯技術為眾包物流的業務邏輯、監管和可追溯方面的實現，主要采用滲透測試等技術對運行在區塊鏈上的群智合約進行安全管控，在智能合約注冊和運行前進行風險探測。此外，對群智合約中產生的海量數據采用大數據技術加以分析，提取異常交易特征，結合人工智能技術快速識別異常交易的發生，不斷提升監管的時效性和準確性。采用智能合約、公鑰密碼學和大數據分析等技術研究面向多模態交易客體的追溯技術。結合完備的智能服務交易登記體系，為交易客體的追蹤提供保證。利用區塊鏈的可追溯性對智能服務交易的各個環節進行跟蹤，構建細粒度的面向多模態交易客體的追蹤系統。在多模態交易產生大規模交易數據上應用大數據分析技術，識別、定位異常交易的發生，發起追溯指令，提升交易客體追蹤的效率。建立面向多模態交易的征信機制和交易客體信用數據庫，以支撐交易客體的追蹤。

基于以上功能需求，對智能服務交易監管架構進行平臺開發，驗證搭建的智能服務交易監管平臺的可用性和效率；同時驗證集中在該平臺上基于群智合約的服務交易運行與監管方案及面向多模態交易客體的追溯方案的可用性和效率，之后綜合驗證智能服務交易監管平臺的穩定性、實時性與準確性。

圖4 智能服務交易監管框架的軟件架構

Figure 4 Software architecture of the intelligent service transaction supervision framework

系統的開發平臺采用行業聯盟鏈開發架構Hyperledger Fabric。在Fabric中，選用Node.js來編寫鏈碼，采用Kafka分布式隊列共識機制。數據錄入時，使用POST函數將填寫的表單放入特定的網址，然后調用chaincode shim包中的PutState函數來獲取表單所填信息并對所獲取的數據用Unmarshal函數轉化為二進制，再將二進制數據存入區塊鏈，使在網頁上面所添加的物流信息可以存入區塊鏈。對于數據獲取，使用GET函數來獲取數據信息并上傳到特定的網址，GET函數中調用了chaincode shim包中的GetState函數來獲取區塊鏈中所存儲的數據，之后用Marshal函數將區塊鏈中的二進制數據轉化為JSON數據，再將JSON數據返回給GET函數，使網頁上可以查詢到區塊鏈中存儲的數據。

整個軟件系統的部署實施在惠龍易通國際物流管理平臺上運行。惠龍易通是本系統合作單位，是一家國際物流股份有限公司。該公司在國內首創無車無船主承運人的貨物運輸場內交易電商新模式，提出了互聯網多式聯運、交易與智能優化算法，優化運輸路徑，優化運輸方式的理念。圖5為惠龍易通的系統登錄界面，它是通過啟動Fabric-ca服務端完成的。Fabric-ca服務端包括Fabric-ca-server和fabric-ca-server-config.yaml組件，啟動Fabric-ca的作用是綁定用戶到當前行業聯盟中。

圖5 系統登錄界面

Figure 5 System login interface

圖6為物流訂單動態頁面，這些信息是通過GetState函數來獲取區塊鏈中所存儲的數據的，之后用Marshal函數將區塊鏈中的二進制數據轉化為JSON數據，再將JSON數據返回給GET函數，使網頁上可以查詢到區塊鏈中存儲的數據。這種采用聯盟鏈的處理方式，既可以保障數據內容的安全，又便于實施安全交易的監管。

圖6 物流訂單動態頁面

Figure 6 Logistics order status window

6 結束語

本文針對現代服務業中的典型行業眾包物流，提出了分級多層分布式智能服務交易監管架構。而該架構不僅適用于眾包物流，同樣適用于其他現代服務業。分級多層分布式智能服務交易監管架構采用了兩級監管的模式：第一級監管為國家授權中心對物流服務平臺的監管，第二級監管為物流服務平臺對物流參與主體的監管。之后，以眾包物流的業務邏輯為參照，詳細地闡述了基于聯盟鏈的智能服務交易監管架構的實施方法，并對該方案按照時間順序進行了事前、事中和事后的閉環安全性分析。分析結果顯示，所提出的分級多層分布式智能服務交易監管架構是安全可控的。最后，提出了相應的軟件設計體系結構，該軟件體系實現了節點異常檢測、評分數據異常檢測、基于群智合約的服務交易實施與監管和面向多模態交易客體的追溯等功能。該軟件系統在惠龍易通的貨物運輸場內交易電商平臺上得到了部署和運行。運行結果顯示所提出的分級多層分布式智能服務交易監管架構是安全可控的，能夠實現交易安全、Requester節點和Worker節點之間的最優匹配、Requester節點和Worker節點之間的匿名及交易的可追溯性。下一步將重點研究如下方面：①智能合約風險探測技術、群智合約異常交易識別技術；②客體追溯技術、多模態交易征信技術；③訪問控制、交易記錄存儲；④異常行為檢測、監管日志存儲和監管動作實施；⑤監管服務系統集成。

[1] DOAN A H, RAMAKRISHNAN R, HALEVY A Y. Crowdsourcing systems on the world-wide Web[J]. Communications of the ACM, 2011, 54(4): 86-96.

[2] ZHAO Y, ZHU Q. Evaluation on crowdsourcing research: current status and future direction[J]. Information Systems Frontiers, 2014, 16(3): 417-434.

[3] CAI H, ZHU Y, FENG Z. A truthful incentive mechanism for mobile crowd sensing with location-sensitive weighted tasks [J]. Computer Networks, 2018, 132: 1-14.

[4] DERLIN M, FRANCISCO E, DARWIN A, et al. State of the art: humans performance contributions in signature recognition via crowdsourcing and manual annotation[C]//IEEE Fourth International Conference on eDemocracy & eGovernment. Piscataway: IEEE Press, 2017: 23-31.

[5] DUBEY A, ABHINAV K, TANEJA S, et al. Dynamics of software development crowdsourcing[C]//IEEE 11th International Conference on Global Software Engineering (ICGSE). Piscataway, NJ: IEEE Press, 2016: 49-58.

[6] TU Z, LIU Z, XU X, et al. Freelancer influence evaluation and gig service quality prediction in fiverr[C]//IEEE International Conference on Web Services. Piscataway: IEEE Press, 2017: 89-96.

[7] CHEN X. A real time anti-spamming system in crowdsourcing platform[C]//IEEE International Conference on Software Engineering & Service Science, Piscataway: IEEE Press, 2017: 981-984.

[8] YANG D, XUE G, FANG X, et al. Incentive mechanisms for crowdsensing: crowdsourcing with smartphones[J]. IEEE/ACM Transactions on Networking. 2016, 24(3): 1732-1744.

[9] ZHANG Y, VAN D S M. Reputation-based incentive protocols in crowdsourcing applications[C]//IEEE Infocom. Piscataway, NJ: IEEE Press, 2012: 2140-2148.

[10] SINGER Y, MITTAL M. Pricing mechanisms for crowdsourcing markets[C]//IEEE International Conference on World Wide Web. New York: ACM, 2013: 1157-1166.

[11] SINGLA A, KRAUSE A. Truthful incentives in crowdsourcing tasks using regret minimization mechanisms[C]//ACM International Conference on World Wide Web. New York: ACM, 2013: 1167-1178.

[12] HO C J, VAUGHAN J W. Online task assignment in crowdsourcing markets[C]//Twenty-Sixth AAAI Conference on Artificial Intelligence. 2012: 45-51.

[13] GOEL G, NIKZAD A, SINGLA A. Mechanism design for on crowdsourcing markets with heterogeneous tasks[C]//3rd AAAI Conf. on Human Comput. Crowdsourcing Pittsburgh. 2014: 77-86.

[14] CUI J, SUN Y, HUANG H, et al. TCAM: a truthful combinatorial auction mechanism for crowdsourcing systems[C]//IEEE Conference on Wireless Communications & Networking (WCNC’ 2020). Piscataway: IEEE Press, 2018: 97-102.

[15] FAN Z P, LI M Y, ZHANG X. Satisfied two-sided matching: a method considering elation and disappointment of agents[J]. Soft Computing, 2017 (1):1-15.

[16] CHEN Y, YIN X. Stable job assignment for crowdsourcing[C]// IEEE Global Communications Conference (GLOBECOM 2017). Piscataway: IEEE Press, 2017: 1-6.

[17] WANG L, YU Z, HAN Q, et al. Multi-objective optimization based allocation of heterogeneous spatial crowdsourcing tasks[J]. IEEE Transactions on Mobile Computing, 2018, 17(7):1637-1650.

[18] QIN H, ZHANG Y, LI B. Truthful mechanism for crowdsourcing task assignment[C]//IEEE International Conference on Cloud Computing. Piscataway: IEEE Press, 2017: 520-527.

[19] WEN Y, SHI J, ZHANG Q, et al. Quality-driven auction-based incentive mechanism for mobile crowd sensing[J]. IEEE Transactions on Vehicular Technology. 2015, 64(9): 4203-4214.

[20] LI Q, MA F, GAO J, et al. Crowdsourcing high quality labels with a tight budget[C]//The Ninth ACM International Conference on Web Search and Data Mining (WSDM). New York: ACM, 2016: 237-246.

[21] WANG H , GUO S , CAO J , et al. MeLoDy: a long-term dynamic quality-aware incentive mechanism for crowdsourcing[J]. IEEE Transactions on Parallel & Distributed Systems, 2018, 29(4)): 901-914.

[22] WU Y, HUANG T, ZHAO D, et al. PIN: potential wise crowd from million grassroots[C]//The 14th EAI International Conference on Mobile and Ubiquitous Systems: Computing, Networking and Services. New York: ACM, 2017: 186-195.

[23] LI Q, YANG P, YAN Y, et al. Friend is treasure: exploring and exploiting mobile social contacts for efficient task offloading[J]. IEEE Transactions on Vehicular Technology. 2015, 65(7): 35-48.

[24] CHEUNG M H, HOU S R F, HUANG J. Distributed time-sensitive task selection in mobile crowdsensing[C]//The 16th ACM International Symposium on Mobile Ad Hoc Networking and Computing. New York: ACM, 2015: 157-166.

[25] TARA S, MAEDE Z, AI.MAN E, et al. Security services using blockchains: a state of the art survey[J]. IEEE Communications Surveys & Tutorials, 2018: 15-28.

[26] VIKTOR J, ADRIAN C, SAMER H, et al. Betfunding: a distributed bounty-based crowdfunding platform over Ethereum[C]//13th International Conference on Distributed Computing and Artificial Intelligence. Berlin: Springer, 2016: 403-411.

[27] ZHU H, ZHOU Z Z. Analysis and outlook of applications of blockchain technology to equity crowdfunding in China[J]. FinanCial Innovation, 2016, 2(1): 29.

[28] BUCCAFURRI F, LAX G, NICOLAZZO S, et al. Tweetchain: an alternative to blockchain for crowd-based applications[C]// International Conference on Web Engineering. Berlin: Springer, 2017: 386-393.

[29] 劉湘雯, 王良民. 數據發布匿名技術進展[J]. 江蘇大學學報（自然科學版）, 2016, 37(5): 562-571.

LIU X W, WANG L M. Advancement of anonymity technique for data publishing[J]. Journal of Jiangsu University(Natural Science Edition), 2016, 37(5): 562-571.

[30] 丁慶洋, 朱建明, 張瑾, 等. 基于雙層架構的溯源許可鏈共識機制[J]. 網絡與信息安全學報, 2019, 5(2): 1-12.

DING Q Y, ZHU J M, ZHANG J, et al. Traceability permissioned chain consensus mechanism based on double-layer architecture [J]. Chinese Journal of Network and Information Security, 2019, 5(2): 1-12.

[31] LI M, WENG J, YANG A, et al. CrowdBC: a blockchain-based decentralized framework for crowdsourcing[J]. IEEE Transactions on Parallel and Distributed Systems, 2018: 1-15.

[32] LU Y, TANG Q, WANGG L. ZebraLancer: private and anonymous crowdsourcing system atop open blockchain[C]//IEEE 38th International Conference on Distributed Computing Systems. Piscataway: IEEE Press, 2018: 853-865.

Blockchain-based hierarchical and multi-level smart service transaction supervision framework for crowdsourcing logistics

YU Chuntang1,2, HAN Zhigeng3, LI Zhiyuan1,2, WANG Liangmin1,2

1. School of Computer Science and Telecommunication Engineering, Jiangsu University, Zhenjiang 212013, China 2. Jiangsu Key Laboratory of Industrial Safety, Zhenjiang 212013, China 3. School of Information Engineering, Nanjing Audit University, Nanjing 211815, China

In view of the security threats such as forgery, deception, privacy disclosure and non-traceability caused by the lack of transaction supervision for crowdsourcing logistics in the modern service industry, a blockchain-based hierarchical and multi-level smart service transaction supervision framework for crowdsourcing logistics was proposed. Firstly, the framework adopted the two-stage supervision system: one was the National Authorized Certification Center for the supervision of logistics service platform, the other was the logistics service platform for the supervision of crowdsourcing logistics participation. Later, under the framework of the supervision system, the functions of crowd contract, legal and anonymous identity authentication, intelligent transaction matching, anomaly data analysis and detection, privacy protection and traceability were realized. Then, through the security analysis and transaction supervision component software, the security controllability and operational efficiency of the transaction supervision architecture were verified. Finally, the software component was run on the real crowdsourcing logistics enterprise platform for the actual measurement. The measurement results show that the proposed hierarchical and multi-level smart service transaction supervision framework is safe and controllable. The framework can protect the privacy of users and data, prevent forgery and deception, and realize the auditability and traceability of behaviors and data of users.

crowdsourcing logistics, distributed transaction supervision, crowd contract, blockchain

TP393

A

10.11959/j.issn.2096?109x.2020017

2019?05?26；

2019?08?11

王良民，wanglm@ujs.edu.cn

國家重點研發計劃專項基金（2017YFB1400700）

The National Key R&D Program of China (2017YFB1400700)

余春堂, 韓志耕, 李致遠, 等. 基于區塊鏈的眾包物流分級多層智能服務交易監管架構[J]. 網絡與信息安全學報, 2020, 6(3): 50-58.

YU C T, HAN Z G, LI Z Y, et al. Blockchain-based hierarchical and multi-level smart service transaction supervision framework for crowdsourcing logistics[J]. Chinese Journal of Network and Information Security, 2020, 6(3): 50-58.

余春堂（1978? ），男，湖北枝江人，江蘇大學講師，主要研究方向為區塊鏈技術、大數據分析。

韓志耕（1976? ），男，江蘇東臺人，博士，南京審計大學副教授，主要研究方向為網絡安全。

李致遠（1981? ），男，河南開封人，博士，江蘇大學副教授、碩士生導師，主要研究方向為區塊鏈、智能交易監管及其安全保障機制。

王良民（1977?），男，安徽潛山人，博士，江蘇大學教授、博士生導師，主要研究方向為密碼學與安全協議、物聯網安全、大數據安全及區塊鏈技術。