雙鏈式區塊鏈交易監管研究

巫光福，余 攀，王柯柯

江西理工大學 信息工程學院，江西 贛州 341000

1 引言

目前，區塊鏈技術發展迅速，已引起全球關注。區塊鏈是一個出色的P2P支付系統，用戶可以通過區塊鏈將比特幣直接發送到另一方的地址，能夠實現跨地區跨國界的交易。智能合約的概念是由密碼學家Szabo N在1994年提出的[1]，受到自動售貨機的啟發：“智能合約是一系列以數字形式定義的承諾，包括合同參與者可以達成的協議履行這些承諾”[1]。然而，直到區塊鏈技術出現，智能合約才找到合適的應用場景。每筆交易均忠實記錄在區塊鏈中。不需要傳統的中介機構來負責兩方之間的交易安全。但是區塊鏈也存在一定的問題。許多不法分子使用比特幣的匿名特性隱藏自己的身份，借助區塊鏈進行勒索軟件攻擊并經營黑暗的市場以交換非法商品和服務[2]。鏈中的節點存在非法交易，不法分子可以通過區塊鏈進行非法的交易。由于區塊鏈的匿名性，導致交易方身份無法確認，可能存在洗錢的現象。一旦發生非法交易，則無法挽回損失。對于單鏈式結構建塊時，需要全網投票，所以交易速度非常慢[3]。對于區塊鏈的智能合約，由于智能合約關聯著資產，智能合約一旦部署到區塊中，則無法修改。所以一旦執行過程中出現漏洞，無法終止合約的執行，對合約的擁有者將會導致巨大的損失。

對于區塊鏈中缺乏有效的監管，許多專家和監管機構開始關注這一問題。但是一直沒有形成一個統一的監管方式去應對這一問題[2]。國際上對區塊鏈監管主要有以下3種模式。（1）以發展科技創新為主要目標的“創新中心”模式，即支持和引導機構理解金融監管的框架，識別創新中的監管政策和法律事項。（2）政府部門或監管部門與業界建立合作機制的“創新加速模式”。（3）“監管沙盒”。其特點是：包括金融機構在內的任何機構都可以申請進入監管沙盒；監管部門需要對申請者提出的創新產品或服務進行個性化的建議或指導；社會監管注重保護消費者的合法權益。國內對區塊鏈監管主要是態度上開放，行為上對區塊鏈技術的跟蹤和研究進行加強。Yin H H S等人[4]提出了一種基于監督機器學習的比特幣區塊鏈去符號化方法。使用了957 個實體（約3.85 億筆交易）作為樣本，這些實體的身份和類型已經被揭示，作為訓練集數據。實驗證明該方案確實可以預測一個尚未確定的實體的類型。采用帶默認參數的梯度增強算法，交叉驗證的平均正確率為80.42%。Chen P W等人[5]提出并部署了基于區塊鏈技術和客戶和商品商店的云數據庫的稱為BPCSS 的比特幣收集監管系統。通過著名的Testnet 比特幣無處不在的數字錢包進行的初步實驗結果表明，所提出的BPCSS 可以經濟高效地收集付款并監督運行已實現NFC 功能的Android Apps的客戶與商品商店之間的交易。

針對國內外的監管態度和監管方案，本文提出了監管鏈的概念，監管鏈由各大監管機構組成。并在監管鏈的概念上，提出了交易區塊鏈（Transaction Blockchain，TBC）和監管區塊鏈（Regulatory Blockchain，RBC）并行的雙鏈結構，其中監管鏈對交易鏈可以進行有效的監管。這種雙鏈式的結構在一定程度上可以提高交易的速度和增強系統的可擴展性。同時考慮到交易的靈活性，故考慮在監管鏈中建立智能合約市場，去滿足交易的要求。對于智能合約可能存在漏洞的問題，為了降低漏洞風險，監管鏈中部署零知識證明算法[6]，利用零知識證明去驗證智能合約結果的正確性，確保其實際功能和描述功能的一致性，為交易鏈交易參與者提供安全合適的智能合約。

2 雙鏈式架構分析

雙鏈式結構中，RBC 如何有效地對TBC 進行監管。RBC 和TBC 之間需要進行數據的交互，RBC 使用神經網絡去預測分析交易數據，利用訓練識別出的特征去識別出可疑的非法交易，發現非法交易則對賬戶進行凍結，防止出現更大的損失。對于RBC 和TBC 如何交互，采用文獻[7]所提出的區塊鏈路由協議。該協議中有四個不同的參與者：驗證者、連接器、監視者和提名者。驗證者是區塊鏈路由器網絡中最重要的參與者。負責驗證，連接并轉發塊到正確的目的地。區塊鏈路由器不可能同步所有子鏈的塊，因此希望將塊收集任務分配給第三方，這稱為連接器。提名者通過向驗證者貢獻自己的資金而獲得獎勵。提名者不承擔任何其他功能。驗證者負責代表提名者維護網絡狀態。提名人根據捐款金額獲得相應的收益。如果驗證者受到懲罰，其支持提名人也將受到相應懲罰。監視者的任務不是驗證區塊信息的真實性，而是監視區塊鏈路由器的行為。文獻[8-9]利用機器學習圖形分析技術去分析大量的區塊鏈交易數據，得出實驗結論，機器學習圖形化技術可以揭示比特幣交易用戶的身份。文獻[9]利用圖卷積神經網絡（Graph Convolutional Networks，GCN）和可視化技術對交易數據進行預測生成交易圖，并可以根據交易數據映射到交易實體。在對非法交易進行識別的過程中，將交易實體劃分為合法交易實體（交易所、錢包提供商、礦工、合法服務等）與非法交易實體（詐騙、惡意軟件、恐怖組織、勒索軟件、龐氏騙局等），并不斷地建立完善非法交易實體這樣一個黑名單。如果發起交易的實體（即控制與特定交易的輸入地址相關聯的私鑰的實體）屬于合法（非法）類別，則該交易被視為合法（相對于非法）。同時，通過對區塊鏈非法交易具有的特征（投入/產出的數量、交易費用、產出量和匯總數字，例如投入/產出收到（花費）的平均BTC 以及與投入/產出相關的傳入（傳出交易）的平均數量等）進行分析，得出可疑的非法交易。進一步提高TBC 的執行效率，在RBC 中建立了一個智能合約市場，為TBC 提供智能合約的服務。在提供的過程中如何去保證智能合約結果的正確性，部署了零知識證明去驗證智能合約的正確性。雙鏈的總體架構如圖1所示。

圖1 雙鏈式整體結構

2.1 雙鏈式架構原理說明

Leng K等人[10]提出在供應鏈中使用雙鏈結構-交易鏈和用戶信息鏈，但無法實現對用戶交易的實時監管。姜浩等人[11]提出了主鏈和輔助鏈的雙鏈結構，以減少交易的確認時間。Leng Kaijun等人[12]提出了一種基于雙鏈架構的農業供應鏈系統公共區塊鏈，主要研究了雙鏈結構及其存儲方式，資源尋租與匹配機制以及共識算法。但是對于非法交易都缺乏有效的監管。本文提出了一種新的雙鏈式結構，其中所有交易數據均由相關監管部門和法律部門節點對交易數據進行機器學習模型分析，映射交易實體，并結合交易數據的特征對節點的交易進行有效的監管。在雙鏈式結構中有多個TBC和RBC，一條RBC可以監管多個TBC，RBC中的各個節點也進行相互的監管。雙鏈結構如圖2所示。

圖2 雙鏈式結構

監管區塊鏈（RBC），監管區塊鏈分為監管節點和校驗節點。監管節點主要由各種監管部分和法律部門組成，校驗節點主要由專業審計人員組成。監管節點負責和交易區塊鏈進行交互，并對交易數據進行實時的分析，得出可疑的非法交易；校驗節點負責利用鏈中的零知識證明去校驗智能合約結果的正確性和存儲交易區塊鏈的隱私數據。監管鏈監管節點主要由相關監管部門和法律部門組成。這些節點根據實時的分析交易數據或交易的特征判斷交易中是否存在非法交易。如果監管節點發現交易節點之間存在非法交易，則相應的節點將被凍結，節點將無法繼續交易，防止造成進一步的損失。交易鏈節點可以使用監管鏈中的相應智能合約。在監管鏈中，其主要作用是對交易數據進行分析，對非法交易進行有效的監管和處罰，為交易鏈中的交易參與者提供安全可靠的智能合約。

交易區塊鏈（TBC）：交易區塊鏈用作交易。鏈中生成的新塊可以存儲交易生成的數據。監管區塊鏈提供的智能合約，以確保交易鏈可以根據智能合約的預定規則執行交易。在交易鏈中，可以根據實際交易和智能合約組合，從而更高效地去執行交易。

對于交易區塊鏈，交易鏈的數目可根據實際的需求而建立。對于單鏈而言，有更好的擴展性。監管區塊鏈，單鏈中監管節點和校驗節點的數量都至少為三個，因為監管鏈中的節點可能存在不誠信的行為。因此，節點之間應相互監管。如果發現節點是欺詐性的，則各個節點進行投票，欺詐性節點將通過投票機制[13]被清除。雙鏈結構允許并行操作，可以提高鏈中交易的效率。這種結構不僅可以發揮區塊鏈的現有優勢，而且可以進一步提高交易的速度和可擴展性，使更多的用戶可以加入雙鏈結構，進一步提高交易信息的安全性。

2.2 機器學習算法檢測非法交易

在實驗階段，交易數據是來自Elliptic[14]提供的公開的數據集。數據集由203 769個節點交易、234 355個有向邊支付流和節點特征組成。每個節點具有166 個特征，前94個特征代表有關交易的本地信息，包括時間步長、投入/產出的數量、交易費用、產出量以及匯總數字，例如投入/產出收到（花費）的平均BTC以及傳入（傳出）的平均數量（傳出））與輸入/輸出相關的交易。其余72個稱為聚合特征，聚合特征是通過從中心節點向后/向前單跳聚合交易信息而獲得的，例如相同信息數據（輸入數量）的相鄰交易的最大、最小、標準差和相關系數/輸出、交易費等。數據集將比特幣交易分為非法交易、合法交易和未知交易。對交易數據分析得出，利用交易數據的特征可以有效地去識別非法交易。文中利用機器學習算法模型對數據進行分類，分類的準確率可以達到90%以上，嘗試通過神經網絡對非法交易進行預測，預測的準確率可以達到95%以上。

首先對交易數據進行可視化分析，去看看特征與交易之間是否存在某種聯系，是否能夠從特征中去識別出非法交易。圖3所示的是隨著時間步長（區塊鏈中時間戳與每個節點相關聯，表示比特幣網絡確認交易的時間估計。根據時間設置了49 個不同的時間步長，平均間隔約兩周。每個時間步長都包含彼此之間少于三個小時的交易的單個關聯組件。沒有連接不同時間步長的邊）非法交易、合法交易和未知交易的數量。可以看出交易量基本穩定在2 000～8 000之間。

圖3 交易量

對交易數據的特征進行可視化分析，發現在特征數據集中，對于部分特征中，非法交易的交易量比合法交易量和未知交易量較穩定，故有部分特征能夠凸顯出交易是否是非法交易。如圖4 所示，0 代表未知交易，1 代表非法交易，2代表合法交易。

通過可視化非法交易之間的交易和合法交易之間的交易，可以看出非法交易者一般交易的賬戶都是非法交易賬戶，且可以清楚地看到，一些非法分子單獨工作，有些則集體工作。合法交易者一般交易的賬戶都是合法交易賬戶。如圖5 和圖6 所示，圖中兩個節點有連線表示他們之間存在交易。

對數據集70%用來訓練模型進行分類時，將數據集按7∶3分割為訓練數據集和測試數據集。也就是說，前面的70%行用來訓練模型，剩下的30%用來測試模型。先使用三種標準分類模型對交易數據進行測試分類，也就是Logistic 回歸[15]、隨機森林[16]和多層感知器這三種標準分類模型。通過4個評價指標（準確率、召回率、綜合評價指標（F1分數）和微平均）對各個模型進行分析，具體的如表1 所示。對表1 數據對比分析，可以看出隨機森林模型對交易數據分類的效果相對于其他兩種模型的分類效果要好。

圖4 交易量波動圖

圖5 非法交易圖

圖6 合法交易圖

表1 交易分類結果

根據機器學習模型對交易數據進行分類，分類的結果達到一定的期望。然后，嘗試通過構建神經網絡對交易數據中的非法交易進行預測。實驗中，構建了四層神經網絡，每一次進行了10次的模型訓練和測試，并進行反復的訓練和測試。訓練和測試中，對所有特征和本地特征分開進行。測試的結果如圖7 和圖8 所示，圖7 所示的是根據所有特征訓練和測試的結果，圖8所示的是根據本地特征訓練和測試的結果。

圖7 所有特征預測結果

圖8 本地特征預測結果

2.3 零知識證明校驗智能合約

智能合約應用范圍廣泛，但并不是完全安全的，且出現問題后，暫時沒有完善的風險管理措施去處理。因此，智能合約被部署在區塊前，校驗過程十分重要。對于智能合約可以通過形式化驗證[17]的方式、反編譯[18]、審計工具等提高其安全性，但是準確性還有待驗證。故智能合約需要進行一個統一的市場化的管理，來制定統一的開發和監管標準，提高安全性。需要對其增加法律監管力度，在智能合約正式投入使用前，需要對其功能進行多輪校驗，以降低交易風險。利用監管鏈中的監管節點監管和管理這個智能合約市場。在監管鏈中，一個智能合約從創建到投入市場使用需要經過的流程如圖9所示。

假設有n個驗證節點，每一個驗證節點生成一個待求和的值Vi,i=1,2,…,n，每一個節點都僅知道自己的值Vi，不知道其他節點的值。節點將生成的待求和值發送給智能合約，智能合約的功能是求和，即：

圖9 智能合約校驗過程

Vm為求得的和值。驗證過程如圖10所示。

圖10 零知識證明校驗智能合約

步驟1智能合約所有者A 通過公式（1）得到和值Vm，并生成一個隨機數P(P≠0)，該隨機數是秘密的，可丟棄不可泄露。再生成一個隨機數q（q＞3 且隨機數P和q互素，q＜max(Vi)）計算：

其中，Vm是待驗證數，是保密的。隨機數P也是秘密的。隨機數q和計算結果E1(Vm)是公開的。智能合約所有者將計算得值E1(Vm)發送給驗證節點。

步驟2驗證節點生成一個秘密隨機數R，由節點1先進行計算：

節點1將計算結果發送給節點2，當節點數i＞1 時，依次進行迭代計算：

因為計算結果是均勻分布的，所以后續節點Vi無法通過計算得知前面Vi-1的具體值。當計算到第n個節點時，得到結果：

步驟3第n個驗證節點將計算結果E2(Vn)發送給智能合約所有者。

步驟4智能合約所有者計算：

將E3(Vm)的值發送給驗證節點。

步驟5驗證節點計算：

步驟6驗證節點比較E3(Vm)和E4(Vn)的值，若相等，則證明智能合約計算結果Vm可能正確。

步驟7返回第一步，重新生成隨機數進行T次驗證，若E3(Vm)和E4(Vn)的值每一次都相等，則證明智能合約計算結果Vm正確。

總結：本文所提出的的雙鏈架構可以達到監管所有單位的效果，在監管鏈中部署零知識證明算法可以達到校驗智能合約執行結果正確性的效果。

3 公雙鏈架構的評估分析

（1）安全性分析

雙鏈式架構具有P2P 結構，避免了單點攻擊，并通過聯合所有節點來維護系統的穩定性。在監管鏈中，監管節點對交易數據進行圖形化分析，可以有效地發現非法交易，校驗節點校驗智能合約的結果正確性，提高智能合約的安全性，并可以存儲交易節點的隱私信息，起到保護隱私的重要。監管鏈節點之間設置投票機制，有效地避免不可信作弊的行為出現。

（2）效率和可擴展性分析

以具體的例子去分析單鏈和雙鏈在效率和可擴展方面的區別。

對于單鏈，假設單鏈中存在200 個節點，一般的交易200 個節點足夠。區塊鏈中確定新的塊，需要進行6次確認，即6 次交換信息，所以每次建塊確認需要2.4×105(6×200×200)次交換消息。假設塊的產生時間為1 min，每天工作24 h，則每天可以建0.144×104(60×24) 塊，則每天需要 3.456×108(240 000×1 440) 次建塊交換消息，則平均每秒需要4 000((3.456×108)/(60×60×24))次建塊交換消息。假設單鏈24 h需要處理108筆交易，則平均每秒需要1 160(1×108/(24×60×60))次交易。假設單鏈中每個節點有107個賬戶，則每個節點每天需要1015(10 000 000×100 000 000)次查詢計算，則每個節點每秒平均需要1.16×1010次查詢計算。綜上所述，單鏈結構中每個節點平均每秒需要處理6 萬次建塊交換消息、1 160次/s交易、1.16×1010次/s交易查詢計算。

在雙鏈式結構中，每條RBC 鏈可以對多條TBC 鏈進行監管，但是并不需要對所有TBC 鏈進行監管。因此，TBC數量和賬戶是可以變動的。假設存在10條TBC鏈，每條TBC 鏈有30 個節點，每個節點有1 000 個賬戶（對于存在違法交易的賬戶可以繼續留在TBC鏈中，但是不能進行交易）。TBC鏈每次建塊需要5 400(30×30×6)次建塊交換消息。這遠少于單鏈結構中單個節點的工作量。對于單條TBC鏈，每天可以建0.144×104(60×24)塊，所有節點要處理7.776×106(60×24×5 400)次建塊交換消息，則平均每秒需要90(7.776×106/(60×60×24))次建塊交換消息，所有每條TBC 鏈所有節點的工作量稍遠小于單鏈的一個節點的工作量。同樣的，TBC 鏈24 h 需處理億筆交易，每條TBC 鏈每天平均要處理107(108/10)次交易消息，平均每個節點每秒處理111((1×107)/(60×60×24))次交易。交易量少于單鏈結構中單個節點的工作量。假設單鏈中每個節點有50 個賬戶，則每個節點每天需要5×109(50×100 000 000)次查詢計算，則每個節點每秒平均需要5.79×104((5×109)/(60×60×24))次查詢計算，所以每個TBC交易查詢工作量少過單鏈結構的交易查詢工作量。

在雙鏈式結構中，每條RBC 鏈可以對多條TBC 鏈進行監管。假設有 10 條 RBC 鏈，每條 RBC 鏈有 6 個節點，每個節點有20 個賬戶。每條RBC 鏈每個節點每秒需要216(6×6×6)次建塊交換消息，對于單條RBC 鏈，每天可以建0.144×104(60×24) 塊，所有節點要處理3.11×105(60×24×216)次建塊交換消息。每條RBC 鏈每秒共需要處理4(3.11×105/(60×60×24))次建塊交換消息，單條RBC 鏈所有節點的工作量遠少過于TBC 鏈和單鏈單節點的工作量。每條RBC鏈每天平均要處理107(108/10)次交易（每筆交易至少要2個賬戶，假設復雜情況下有更多賬戶，如4 個賬戶，所有交易平均分在10條RBC 鏈），每秒每個節點平均處理111((1×107)/(60×60×24))次交易，所以單條RBC鏈所有節點的工作量遠少過于單鏈單個節點的工作量.。每個節點每秒需要查詢2×109(20×100 000 000)次交易查詢計算，每條RBC鏈每秒所有節點一共要處理1.16×104((2×109)/(60×60×24))次交易查詢計算，單條RBC鏈所有節點的工作量遠少過于單鏈中單個節點的工作量。具體的如表2所示。

（3）算法分析

對上述零知識證明進行分析：

①完備性

如果智能合約求得正確的和值Vm，且校驗雙方均誠實的話，因為PVmmodq有唯一確定解，那么根據交換律E3(Vm)和E4(Vn)的值一定相等。

表2 效率的總體比較結果

②健壯性

假設智能合約未能求值正確，求得和值為Qm，那么E1(Vm)=PQmmodq，則：

E3(Vm)和E4(Vn)的值僅有1/q的可能相等，當驗證重復T輪后，每一輪E3(Vm)和E4(Vn)的值相等的可能性為1/qT，因此，在有限域內，隨機素數q的值選取得越大，重復的次數T越多，則校驗的健壯性越強。使用多個節點進行校驗，還可以預防中間人攻擊（MITM）[19]，在未知驗證節點個數的情況下，想要偷聽到所有的驗證節點發送的數據Vi，幾乎是不可能的事，尤其是在T輪驗證的情況下，持續監聽代價極大，且攻擊者并不能確定監聽是否有遺漏，從而無法確定監聽結果的正確性。

③零知識性

對于模運算AmodB=C，已知A和B的值，可以確定唯一的值C，但是已知B和C的值，并不能確定唯一值A，因此在驗證過程中，每個節點雖然都知道上一個節點的求值結果E2(Vi-1)，但并不能確定具體的Vi-1的值，同理，也不能確定Vm的值，在未知隨機數P值的情況下，驗證節點對Vm的值一無所知。

驗證過程中計算簡單，因此驗證速度快，需要的存儲空間小，可以大量節省算力資源和存儲資源。

以實例演示驗證過程，如圖11所示。

圖11 零知識證明驗證過程

假設有4個驗證節點，分別取隨機數V1=3，V2=4，V3=7，V4=8，節點間互相不知道其他節點的值。智能合約可根據公式（1）求得Vm=22。生成隨機數P=4（P保密），q=5。智能合約按照公式（2）得E1(Vm)=(4 ×22) mod 5=3。節點生成隨機數R=3（R保密）。根據公式（3）和（4）依次得E2(V1)=4，E2(V2)=1，E2(V3)=2，E2(V4)=1。因為n=4，所以根據公式（5）得E2(Vn)=1，節點將E2(Vn)的值發送給智能合約。智能合約所有者根據公式（6）得E3(Vm)=(4 ×1) mod 5=4，將計算結果發送給驗證節點，驗證節點根據公式（7）計算得E4(Vn)=(3 ×3 )mod 5=4。E3(Vm)和E4(Vn)結果相等，所以本次驗證通過，為了避免偶然性，繼續依上述步驟執行多次，直到驗證節點確信智能合約確實可以求和。

本次驗證過程中，智能合約僅知道隨機數P、q和值Vm，驗證節點僅知道自己的隨機數Vi和隨機數R、q，無法確定其他節點的隨機數，更無法求得和值。讓驗證節點在不能得知任何秘密信息的情況下，相信智能合約正確地實施了功能，求得了和值。滿足零知識證明的條件，并且計算方法簡單，性能要求不高。求和是最基本的計算方法，在智能合約程序中有著廣泛應用，因此這種校驗方法實用性較強。

在驗證的過程中，并不能保證驗證節點不是惡意或者是誠實的。驗證節點被認為是不誠實的。驗證的過程中容易受到兩種威脅。首先是所提供數據的質量。不誠實的驗證者可能會向請求者提供有偏見和不準確的結果，從而使得驗證過程失敗。第二是數據權限管理。原始數據共享后，數據所有者將失去對這些數據的控制權，不誠實的驗證者可能會將數據共享給其他未授權實體。

4 結束語

監管鏈中的監管節點對非法交易能夠進行有效的監管，校驗節點能保護交易節點的隱私安全和檢驗智能合約結果的正確性。監管鏈和交易鏈并行運行，可以進一步提高交易的效率和系統的可擴展性。交易鏈交易參與者可以從監管鏈中調用零知識證明校驗的智能合約，高效地實現交易。交易的安全性和合法性得到有效的保護。雙鏈式的結構為電子政務和電子商務等領域提供一定的參考，并為監管機構對非法交易監管提供一定的參考，其實現形式等待進一步的學習和研究。