Технология обмена информацией по безопасности цепочки поставок на основе алгоритма консенсуса блокчейна и федеративного обучения

Почему важен защищённый обмен в цепочках поставок

Современные цепочки поставок зависят от быстрого обмена данными между заводами, складами и транспортными компаниями. Но по мере того как всё больше информации переходит в онлайн, растёт риск утечек, мошенничества и подделок. В этой работе исследуется новый способ, позволяющий множеству компаний быстро обмениваться конфиденциальными данными, сохраняя их приватность и доверие, с использованием идей из области цифровых реестров и совместного машинного обучения.

Проблема доверия и приватности

Цепочки поставок охватывают множество независимых компаний, которые часто должны сотрудничать, но не полностью доверяют друг другу. Сегодня информация — заказы, уровни запасов и записи о перевозках — обычно хранится в централизованных системах. Такие системы могут стать единой точкой отказа, а инсайдеры или хакеры могут копировать или изменять записи. Традиционное шифрование защищает данные при передаче, но после расшифровки ими трудно пользоваться для совместного анализа, не раскрывая секреты. Задача — позволить партнёрам учиться на данных друг друга, не раскрывая исходных подробностей.

Общий реестр, который справедливо выбирает лидеров

Авторы опираются на блокчейн — общий реестр, который поддерживают несколько компьютеров, так что ни одна сторона не контролирует записи. Они адаптируют известный метод координации, при котором один узел выбирается лидером для сбора и подтверждения обновлений, но усиливают его проверяемой лотереей. Каждый узел использует свой секретный ключ и случайное значение для генерации таймера, который другие могут проверить, что затрудняет нечестному узлу захват лидерства. Узлы группируются по зонам с малыми комитетами, что снижает энергозатраты и ускоряет достижение согласия по новым записям. Постоянные проверки состояния следят за сбоями или неправильным поведением узлов и автоматически переводят их в менее доверенную роль.

Обучение вместе без обмена исходными данными

Поверх этого реестра строится система обучения с заботой о приватности. Вместо объединения всех записей в одном месте компании сохраняют данные локально и совместно обучают общую модель. Специальный мастер-узел и небольшой комитет координируют обучение, но никогда не видят незашифрованных данных. Перед объединением записей система находит совпадающих клиентов или отправления между партнёрами с помощью продуманных случайных функций и метода упаковки, называемого кукушиной хешированием. Такое выравнивание раскрывает лишь информацию о том, какие записи совпадают, а не их содержимое, и оставляет коммуникационные затраты низкими даже при большом числе узлов.

Блокировка вычислений с помощью «умного» шифрования

Во время обучения мастер-узел создаёт пару ключей шифрования и передаёт участникам только открытый ключ. Они шифруют промежуточные результаты так, чтобы можно было выполнять суммы и другие операции, пока данные остаются «запертыми». Части секретного ключа распределяются между несколькими узлами комитета, поэтому в случае сбоя мастера другой узел может совместно восстановить ключ, без того чтобы какая-либо одна сторона имела полный контроль. Дополнительные приёмы, такие как добавление контролируемого шума в метки и проверка на аномалии в обновлениях, помогают защищать от фальсификации личности, подделки данных и попыток реконструировать приватные записи из модели.

Что показывают эксперименты на практике

Исследователи тестируют свою архитектуру в смоделированной сети из десятков узлов и на реальных данных в стиле цепочки поставок от двух компаний. Их улучшенный метод выбора лидера принимает решения быстрее, чем две распространённые альтернативы, с меньшими задержками и большей пропускной способностью даже по мере роста числа узлов. Улучшенная модель обучения достигает большей точности за меньшее число раундов обучения и работает в несколько раз быстрее стандартной схемы. В живых тестах обмена метод генерирует данные, соответствующие оригинальным записям примерно в 92 процентах случаев, обнаруживает почти 99 процентов попыток подделки и крайне редко допускает утечки приватности, при среднем времени отклика примерно одна секунда.

Что это значит для реальных цепочек поставок

Для неспециалистов главный вывод в том, что становится более реалистичным возможность для конкурирующих и сотрудничающих компаний извлекать пользу из общих данных, не передавая их одному доверенному оператору. Сочетая общий реестр с приватным обучением и тщательным управлением ключами, этот подход позволяет компаниям быстро выявлять ошибки и мошенничество, обмениваться полезными инсайтами и при этом держать конфиденциальные деловые детали вне доступа. Проще говоря, это шаг в сторону цепочек поставок, где информация может свободно, но безопасно перемещаться с прозрачными записями о том, кто что и когда сделал.

Цитирование: Xu, D., Li, J. & Ren, Z. Supply chain information security sharing technology based on blockchain consensus algorithm and federated learning. Sci Rep 16, 16175 (2026). https://doi.org/10.1038/s41598-026-46101-z

Ключевые слова: блокчейн, федеративное обучение, цепочка поставок, информационная безопасность, обмен данными