BTDA: طرح احراز هویت دینامیکی دو عاملی برای تجارت داده ها بر اساس زنجیره اتحاد

با افزایش سهم بازار تجارت داده ها ، خطرات مانند تأیید هویت و مدیریت مرجع به طور فزاینده ای تشدید می شوند. با هدف مشکلات تمرکز هویت هویت ، تغییرات پویا هویت و ابهام در تجارت در تجارت داده ها ، یک طرح احراز هویت پویا دو عاملی برای تجارت داده ها بر اساس زنجیره اتحاد (BTDA) ارائه شده است. در مرحله اول ، استفاده از گواهینامه های هویت برای حل مشکلات محاسبه بزرگ و ذخیره سازی دشوار ساده می شود. ثانیا ، یک استراتژی احراز هویت پویا دو عاملی طراحی شده است ، که از لجر توزیع شده برای دستیابی به تأیید هویت پویا در طول معاملات داده استفاده می کند. سرانجام ، یک آزمایش شبیه سازی در طرح پیشنهادی انجام می شود. مقایسه و تجزیه و تحلیل نظری با طرح های مشابه نشان می دهد که طرح پیشنهادی دارای هزینه کمتری ، راندمان احراز هویت بالاتر و امنیت ، مدیریت اقتدار آسانتر است و می تواند به طور گسترده در زمینه های مختلف سناریوهای معاملات داده مورد استفاده قرار گیرد.

روی نسخه خطی کار می کنید؟

1. معرفی

هیچ نوع فیزیکی از تجارت داده ها وجود ندارد که بتواند با حواس لمس شود. با داده ها به عنوان منبع و شیء تجارت ، رفتار و فرآیند آن تا حد زیادی به فضای مجازی بستگی دارد. با پیشرفت در سراسر جهان ، ارزش داده ها کاملاً مورد استفاده قرار گرفته و بسیار بهبود یافته است [1] ، و در زمینه های مختلف به طور گسترده مورد مطالعه و استفاده قرار گرفته است [2]. در سالهای اخیر ، بسیاری از کشورها به ترویج ساخت تجارت داده ها ادامه داده اند ، اما بازارهای موجود در تجارت داده ها به طور کلی دارای مشکلات مشترکی از جمله عدم وجود سیستم های مالکیت داده ، تأیید کنندگان هویت غیرقابل اعتماد ، قوانین گردش نامشخص و عدم هماهنگی در مدیریت تجارت هستند.[3]به عنوان اولین مانع برای اطمینان از امنیت داده ها [4] ، هویت هویت یک مسئله اساسی در تجارت داده ها است و فناوری آن تا حد زیادی بر امنیت و قابلیت اطمینان تجارت تأثیر می گذارد [5]. توسعه تجارت داده ها الزامات بالاتری را برای فناوری تأیید اعتبار در فرآیند تجارت ارائه می دهد [6]. به طور خاص ، تغییر پویا هویت کاربر و حقوق تجارت مبهم در طی فرآیند تجارت. تغییر پویا هویت به این معنی است که کاربر معامله گر است و ممکن است عضویت وی به دلیل به روزرسانی اطلاعات و مرجع تجارت تغییر کند. حقوق تجاری مبهم که اداره تجارت متعلق به اعضا به وضوح تعریف نشده است ، و هیچ بخش مرجع ریز دانه ای وجود ندارد. روشهای احراز هویت سنتی متنوع است ، اما همه آنها با کلیدهای پیچیده ، مدیریت گواهی بالا و یا ذخیره سازی متمرکز مشکل دارند [7 ، 8] ، که بدون شک بر کارآیی احراز هویت تأثیر می گذارد و خطرات امنیتی مانند نشت حریم خصوصی و تجزیه و تحلیل ردیابی کاربر را به همراه می آورد [9]بشر

به عنوان یک فناوری پایگاه داده که مشکلات اعتماد را حل می کند، بلاک چین می تواند برای حل مشکلات احراز هویت متمرکز به دلیل ماهیت توزیع شده آن استفاده شود [10، 11]. احراز هویت در سیستم های بلاک چین، مکانیسم های حفاظت از حریم خصوصی مربوطه را برای حل مشکل حفاظت از حریم خصوصی هویت معرفی کرده است. با این حال، منظم بودن داد و ستد داده ها برای مهاجمان برای شکستن ناشناس بودن بلاک چین و نقض حریم خصوصی کاربران، آسانی فراهم می کند [12]، و تضمین امنیت و انصاف تجارت دشوار است [13]. به عنوان یکی از سه نماینده معمولی بلاک چین، زنجیره اتحاد عمدتاً اعضای گروه های خاص و اشخاص ثالث محدود را هدف قرار می دهد و یک فناوری مهم برای حل مشکلات اعتماد در میان چندین موضوع اعتماد ضعیف است [14]. در حال حاضر، طرح های احراز هویت مبتنی بر بلاک چین عموماً دارای نقص های زیر هستند: (1) تولید، مدیریت و نگهداری گواهی هزینه زیادی دارد و کارایی سیستم پایین است.(2) فقط هویت قانونی گره را بدون تعیین مرجع عملیات مربوطه تأیید کنید.(3) کاربر فقط یک بار قبل از معامله احراز هویت می شود و نتیجه برای مدت طولانی معتبر است و تنوع هویت و اعتبار گره را نادیده می گیرد. در این مقاله، زنجیره اتحاد به تجارت داده معرفی می شود و یک طرح احراز هویت پویا دو عاملی به نام «لیست سیاه + TRV» ارائه می کند. نوآوری ها و مشارکت های اصلی به شرح زیر است: (1) استفاده از گواهی های هویت را ساده کنید، گواهینامه UIT را برای تأیید عضویت گره های زنجیره ای اتحاد طراحی کنید و هزینه اضافی را کاهش دهید.(2) عوامل احراز هویت را بر اساس رفتار و اعتماد معاملاتی طراحی کنید، مجوزهای معاملاتی را اصلاح کنید، فهرست های احراز هویت را ذخیره و جستجو کنید از طریق زنجیره های اتحاد، و تحقق هویت پویا و تأیید اعتبار معامله گران.

ساختار بقیه این مقاله به شرح زیر است. فرقه2 برخی از آثار مرتبط را معرفی می کند. فرقه3 فناوری های مربوطه مورد استفاده در اجرای طرح را توضیح می دهد. فرقه4 طراحی سیستم BTDA را ارائه می دهد. فرقهشکل 5 نتایج تجربی شبیه سازی را نشان می دهد و آنها را به صورت نظری تجزیه و تحلیل می کند. فرقه6 مقاله را با کارهای آینده به پایان می رساند.

2 کارهای مرتبط

احراز هویت سنتی هویت بیش از حد به سازمان مرکزی متکی است. پس از حمله به پایگاه داده مرکزی ، یک نقطه شکست واحد وجود خواهد داشت ، و یک افشای مرکزی وجود خواهد داشت [15 ، 16] ، که نمی تواند الزامات ناشناس بودن و ضد ردیابی فناوری تأیید هویت کاربر را در برنامه ها برآورده کند [17]بشردر تجارت داده ها ، مهاجمان معمولاً از قوانین معاملاتی برای رمزگشایی هویت واقعی معامله گران یا استنباط سایر اطلاعات اجتماعی استفاده می کنند. Carvalho و همکاران.[18] تأثیر COVID-19 بر اسپانیا را از طریق میلیاردها سوابق معاملات داده داده تجزیه و تحلیل کرد و سه رابطه اجتماعی را حدس زد. بر اساس مشکلات فوق ، برخی از محققان پیشنهاد کردند که فناوری blockchain را به سیستم تجارت داده ها معرفی کنند. Gyeongjin [19] یک طرح مدیریت کاربر blockchain را برای شناسایی و مجوز پیشنهاد داد و یک پروتکل ناشناس برای محافظت از حریم شخصی کاربر و جلوگیری از ردیابی و افشای کاربران از هویت واقعی خود طراحی کرد. DAI [20] اکوسیستم تجارت داده را بر اساس فناوری blockchain پیشنهاد کرد و تجزیه و تحلیل و بحث عمیق در مورد مدیریت و کنترل فرآیند خاص تجارت داده ها انجام داد. Sahoo S et al.[21] مشکل علامت گذاری را در زمینه تجارت داده های بزرگ بر اساس blockchain Ethereum مورد مطالعه قرار داد. شیانگ [22] یک طرح معاملات غیر متمرکز بر اساس قراردادهای هوشمند و علامت های دیجیتالی را ارائه داد و الگوریتم هایی را برای جلوگیری از فروش مجدد داده ها و اطمینان از انصاف به اشتراک گذاری داده ها طراحی کرد.

آسیب پذیری های هویت هویت علت مستقیم مسائل امنیتی تجارت داده ها است. ویژگی های منحصر به فرد فناوری blockchain باعث می شود که در تأیید هویت هویت مزایای بسیاری داشته باشد. در این مرحله ، تحقیق در مورد احراز هویت هویت بر اساس blockchain به نتایج اولیه رسیده است. یائو [23] ویژگی های مدل معاملاتی سیستم blockchain و تفاوت های آن از سیستم متمرکز سنتی از نظر احراز هویت در مقاله را معرفی کرد. و نقص ها و روند توسعه مدیریت هویت در سیستم های blockchain موجود را تجزیه و تحلیل کرد. گائو [24] یک طرح احراز هویت هویت را بر اساس محافظت از حریم خصوصی blockchain پیشنهاد داد. کاربران به طور مستقل هویت های مختلفی را تولید می کنند که می توانند برای صدور گواهینامه ها و ثبت نام هویت کامل از طریق blockchain برای محافظت از اطلاعات هویت استفاده شوند. وی [25] یک پروتکل احراز هویت متقابل دامنه را بر اساس رمزنگاری هویت و blockchain برای حل مشکل امنیت هویت ناشی از تعامل مکرر بین کاربران و نهادهای خدمات اطلاعاتی در حوزه های مختلف مدیریت شبکه طراحی کرد. به منظور دستیابی به تأثیرات بهتر ، برخی از محققان فناوری هویت هویت چند عاملی را پیشنهاد کرده اند. BAO [26] یک طرح احراز هویت دو عاملی را بر اساس استخراج کننده های blockchain و فازی پیشنهاد کرد تا از نشت متمرکز پایگاه داده و خطر ترمینال جلوگیری شود. حسین و همکاران.[27] طرح هویت دو عاملی را برای اطمینان از تأیید اعتبار بین کاربران و سرورهای از راه دور ارائه دهید. دانیل و همکاران.[28] یک طرح احراز هویت چند عاملی قوی را از طریق اعتبار هویت و بیومتریک اجرا کرد.

تحقیقات و تجزیه و تحلیل جامع نشان داد که در حال حاضر مطالعات کمی در مورد احراز هویت توزیع شده در تجارت داده ها وجود دارد و بیشتر راه حل ها در این زمینه هنوز در تحقیقات و اکتشافات بیشتر هستند [29 ، 30]. با این حال ، برخی از ادبیات انصاف تجارت داده ها را مورد مطالعه قرار داده اند [31]. BTDA یک طرح احراز هویت پویا است که در این مقاله با توجه به نیازهای کاربردی سناریوهای معاملات داده و مزایای فناوری زنجیره اتحاد طراحی شده است. هدف این است که مشکلات وابستگی به تمرکز ، تغییر هویت پویا و حقوق تجارت مبهم را حل کنید و از منافع معامله گران و اعتبار تجارت و بهره وری و امنیت تجارت داده ها اطمینان حاصل کنید. این طرح از ضرر "صدور گواهینامه یک بار ، اعتبار طول عمر" برخوردار است و به تأثیر محدود کردن رفتار معاملاتی اعضا و ترویج توسعه سازگار تر و قانونی تر بازار تجارت داده ها دست می یابد.

3 فناوری مرتبط

BTDA از فناوری گواهی هویت پارچه Hyperledger و فناوری احراز هویت دو عاملی استفاده می کند. در حین اجرای طرح ، استفاده از گواهینامه های هویت ساده می شود. و دو عامل ، لیست سیاه و TRV برای تشکیل یک فرآیند احراز هویت پویا معرفی شده اند. دو فناوری زیر به طور خلاصه معرفی شده اند.

3. 1 گواهی هویت پارچه Hyperledger

فناوری تأیید هویت پارچه Hyperledger از طریق سیستم گواهی دو سطح PKI اجرا می شود [32]. گواهی معامله TCERT با توجه به گواهی ثبت نام ECERT تولید می شود. کاربران باید نشانه های تولید شده توسط ECERT را برای مجوز عملیات در زنجیره اتحاد نگه دارند. گره های عضو با یکدیگر دخالت نمی کنند ، که دارای محرمانه بودن و حریم خصوصی خاصی است [33]. این مقاله استفاده از ECERT را در مکانیسم اصلی پارچه و احراز هویت UIT (توکن منحصر به فرد) بر اساس فناوری گواهی هویت پارچه ساده می کند. UIT با محاسبه هش توکن ایجاد می شود ، که برای شناسایی منحصر به فرد عضویت گره و دستیابی به ناشناس بودن و بی ربط که طرح احراز هویت باید داشته باشد ، استفاده می شود. TCERT در پارچه در درجه اول برای کنترل مجوزهای هر معامله استفاده می شود ، اما معمولاً فقط برای یک معامله واحد و فقط برای یک دوره کوتاه معتبر است. بنابراین ، این طرح از TCERT استفاده نمی کند ، بلکه UIT به عنوان ورود هویت هویت است. این دو عامل را برای تأیید هویت و روشن شدن اقتدار تجارت ، جلوگیری از یک سری از تولید و استفاده از فرآیندهای TCERT و CRL ، به طور مؤثر بار ذخیره گواهینامه و بار کاری CA را کاهش می دهد.

3. 2 احراز هویت پویا دو عاملی

در طرح BTDA ، احراز هویت هویت گره ها تا حدی به آخرین معاملات بستگی دارد. عوامل تأیید اعتبار BTDA "لیست سیاه" و "TRV" هستند که هر دو در زنجیره اتحاد ذخیره می شوند. اولی به طور مشترک توسط همه گره های عضو نگهداری می شود ، در حالی که دومی توسط هر گره نگهداری می شود و در زنجیره منتشر می شود. اگر گره تجارت غیرقانونی داشته باشد ، لیست سیاه خواهد شد و احراز هویت بعدی آن تحت تأثیر قرار می گیرد. TRV گره معاملاتی محاسبه می شود و ارزش آن به طور مستقیم بر هویت معاملاتی گره تأثیر می گذارد ، بنابراین مرجع تجارت را تعیین می کند. بنابراین ، تأیید اعتبار و تجارت گره های عضو با تجارت به صورت پویا تغییر می کند. طرح احراز هویت دو عاملی یک ترکیب ساده از عوامل واحد نیست ، اما هویت و حقوق معامله گر را با فرض اجرای کل تجارت و ارزیابی درجه اعتماد معامله گر تأیید می کند.

4 طراحی طرح احراز هویت دو عاملی

4. 1 مدل احراز هویت BTDA

معماری Hyperledger Fabric توانایی تمرکززدایی بلاک چین، ضد دستکاری و قابلیت ردیابی قابل اعتماد را تضمین می کند و پشتیبانی فنی مربوطه را برای تحقق چندین سرویس امنیتی فراهم می کند. BTDA برنامه لایه بالایی را بر اساس معماری زیربنایی بلاک چین گسترش می دهد. در مقایسه با جزئیات زیربنایی، توجه بیشتری به منطق تجاری دارد. طراحی مدل طرح BTDA در شکل 1 نشان داده شده است. در میان آنها، ثبت نام برای تولید هویت کاربر استفاده می شود. دفتر کل توزیع شده برای ذخیره، پرس و جو و به روز رسانی اطلاعات تأیید مربوطه پشتیبانی می کند. تایید تایید مسئولیت بررسی قانونی بودن عملیات است. در نهایت، عملکردهای مورد نیاز از طریق قرارداد هوشمند محقق می شود. فناوری های فوق نکات کلیدی برای تحقق BTDA هستند.

4. 1. 1 گواهینامه UIT

هنگامی که تعداد داد و ستد داده های گره n=1 باشد، ابتدا فرآیند احراز هویت UIT شروع می شود. گواهینامه UIT ورودی و پایه احراز هویت پویا دو عاملی است که به دسته آن تعلق ندارد. با فرض اینکه گره 1 تجارت اولیه است، گره های 2 و 3 گره های معاملاتی غیر اولیه هستند. UIT، به عنوان مدرکی برای اثبات عضویت گره 1، در حین احراز هویت توسط گره 2 تأیید می شود. گره 2 لیست TRV گره 1 را پس از گذراندن گواهینامه UIT پرس و جو می کند. اگر لیست در حالت اولیه باشد، گره 1 اولین معامله است و معاملات داده را می توان تحت پایین ترین مرجع معاملاتی انجام داد. برای گره 2، هویت تجاری و قدرت آن باید با استفاده از استراتژی دو عاملی احراز هویت شود. گواهی UIT تضمین می کند که گره جدید به طور معمول می تواند در معاملات و ارزیابی شرکت کند.

4. 1. 2 احراز هویت پویا دو عاملی

When the number of node data trading n>1، استراتژی احراز هویت دو عاملی اتخاذ شده است که شامل احراز هویت لیست سیاه و احراز هویت TRV است. لیست سیاه و لیست TRV با افزایش تعداد معاملات به صورت پویا تغییر خواهند کرد. تغییرات این دو عامل بر احراز هویت هویت و تأیید معامله بعدی گره تأثیر می گذارد و یک طرح احراز هویت پویا دو عاملی حلقه بسته را تشکیل می دهد که در کل فرآیند معاملاتی اجرا می شود.

1. (1) احراز هویت لیست سیاه

اعضای اتحاد تجارت داده ها معمولاً افراد ، بنگاهها یا سازمان هایی هستند که توسط دولت یا مؤسسات اجتماعی شناخته شده اند و دارای صلاحیت عملیاتی هستند. معامله گران عادی همچنین به دلیل توجه به تأثیر منافع ، سعی می کنند از ناسازگاری و تخلفات خودداری کنند. بنابراین ، چند گره غیرقابل اعتماد در سازمان اتحاد تجارت داده ها وجود خواهد داشت. به منظور کاهش هزینه های ذخیره سازی و محاسبات ، این طرح از لیست سیاه برای ضبط گره های نامشخص استفاده می کند. لیست سیاه به طور مشترک توسط گره های عضو نگهداری می شود. اول ، گره 1 لیست سیاه را پرس و جو می کند. اگر گره 2 در لیست سیاه قرار نگیرد ، تجارت داده ها ادامه خواهد یافت. در غیر این صورت ، گره 1 می تواند با توجه به عرضه و تقاضای داده های معاملاتی خود و میزان ریسکی که می تواند تحمل کند ، ادامه یا خاتمه معاملات را انتخاب کند. اگر گره 1 تصمیم به ادامه تجارت داشته باشد ، داوری TIL (TIL ، سطح نفوذ معامله) خواهد بود. TIL به شباهت بین محتوای ضبط معاملات گره ها در لیست سیاه و اطلاعات داده های قبل از ترامپ اشاره دارد. هرچه شباهت بالاتر باشد ، مقدار TIL بزرگتر می شود و برعکس. مقدار TIL از طریق مقایسه شباهت به دست می آید و با MST (MST ، آستانه امنیتی حداکثر) گره 1 مقایسه می شود. MST به حداقل شباهت داده های معاملاتی که گره ها می توانند بپذیرند ، اشاره دارد. اگر TIL ≥ MST باشد ، به این معنی است که ریسک معاملات در محدوده امنیتی است و سیستم به طور خودکار تعیین می کند که معاملات ادامه خواهد یافت و مرحله صدور گواهینامه TRV را وارد می کند. در مقابل ، ریسک خیلی زیاد است و تجارت خاتمه می یابد. دامنه مقدار TIL و MST (0،1) است و مقادیر خاص با توجه به نیازهای معاملاتی واقعی تعیین می شوند. الگوریتم احراز هویت لیست سیاه در الگوریتم 1 نشان داده شده است.

فرآیند احراز هویت لیست سیاه در شکل 2 نشان داده شده است ، و مراحل خاص به شرح زیر است:

مرحله 1: گره 1 پرس و جو می کند که آیا گره 2 در لیست سیاه قرار دارد.

مرحله 2: نتیجه پرس و جو را برگردانید. اگر گره 2 در لیست سیاه قرار ندارد ، به مرحله 6 بروید. در غیر این صورت ، به مرحله 3 بروید.

مرحله 3: ادامه تجارت را انتخاب کنید و به مرحله 4 بروید. در غیر این صورت ، به مرحله 5 بروید.

مرحله 4: مقایسه TIL و MST. اگر Til ≥ MST ، به مرحله 6 بروید. در غیر این صورت ، به مرحله 5 بروید.

مرحله 5: تجارت را خاتمه دهید.

مرحله 6: مرحله احراز هویت TRV را وارد کنید.

1. (2) احراز هویت TRV

گره شرکت کننده در معاملات پس از احراز هویت موفقیت آمیز لیست سیاه ، وارد تأیید اعتبار TRV (TRV ، Trust Rating Vault) می شود. TRV و ATRV (ATRV ، میانگین ارزش رتبه بندی اعتماد) مطابق فرمول پس از ارزیابی اعتماد توسط معامله گر طرف مقابل محاسبه می شوند. اندازه ATRV نشان دهنده اعتبار معامله گران است که بر تأیید هویت بعدی و تأیید معاملات گره ها تأثیر می گذارد. گره های عضو در زنجیره کنسرسیوم لیست های TRV مربوطه را حفظ می کنند ، که سوابق معاملاتی تاریخی گره را از زمان ورود به این زنجیره ذخیره می کنند ، از جمله زمان تجارت ، معامله گران ، TRV و سایر اطلاعات. الگوریتم احراز هویت TRV در الگوریتم 2 نشان داده شده است.

فرآیند احراز هویت TRV در شکل 3 نشان داده شده است ، و مراحل خاص به شرح زیر است:

مرحله 1: گره 1 لیست TRV گره 2 را پرس و جو می کند.

مرحله 2: ارزش ارزیابی اعتماد TRV سه سوابق جدید معاملات داده گره 2 را دریافت کنید.

مرحله 3: ATRV را با فرمول (1) محاسبه کنید

مرحله 4: سطح مرجع تجارت را با توجه به ATRV و تأیید اعتبار کامل TRV تعیین کنید.

$$> = sum>_ /3 ؛ Quad (1 le i ، le 3) $ $TRV_من: مقدار I-th در لیست TRV که شرایط پرس و جو را برآورده می کند.

4. 2 روند یکپارچه BTDA

فرآیند تأیید اعتبار کلی BTDA عمدتا شامل پنج بخش است: اولیه سازی و ثبت نام ، صدور گواهینامه UIT ، ارزیابی معاملات ، احراز هویت لیست سیاه و احراز هویت TRV. روند کلی BTDA در شکل 4 نشان داده شده است.

4. 2. 1 اولیه سازی

1. (1) اولیه سازی اداره تجارت

قوانین اقتدار گره ها در همان شبکه زنجیره اتحاد هنگام انجام معاملات داده باید متحد و واضح باشند. قوانین اداره تجارت سیستم زنجیره اتحاد در سناریوهای مختلف برنامه به همین ترتیب تغییر می کند ، اما آنها از طریق قراردادهای هوشمند اجرا می شوند. از آنجا که این بلوک برای ذخیره مقدار زیادی از داده های معاملاتی مناسب نیست ، یک شاخص بر اساس اطلاعات مربوط به داده های پیش از ترجمه کاربر و ذخیره شده در زنجیره تشکیل می شود و از حجم داده های شاخص تجارت برای نشان دادن اندازه آن استفاده می شودبشراین مقاله فرض می کند که قوانین اداره تجارت در جدول 1 نشان داده شده است.

1. (2) اولیه سازی لیست سیاه

سوابق TRV حاوی مقدار TRV ، نوع داده معاملات و غیره است. مقدار TRV به صفر می رسد تا اطمینان حاصل شود که گره های جدید می توانند به طور عادی در فعالیت معاملاتی شرکت کنند. ساختار و اولیه سازی لیست TRV در شکل 5b نشان داده شده است.

4. 2. 2 ثبت نام

گره کاربر اطلاعات هویت واقعی را به CA ارسال می کند ، و تولید ECERT به معنای موفقیت آمیز ثبت نام است. با این حال ، از آنجا که این نشانه اعتبار است که گره های عضو در زنجیره اتحاد دارای حقوق عملیاتی هستند و به طور منحصر به فرد عضویت را شناسایی می کنند ، یک UIT از این نشانه تولید می شود و به کاربر باز می گردد. فرآیند تولید UIT در شکل 6 نشان داده شده است.

4. 2. 3 احراز هویت

گره 1 پس از پیوستن به شبکه زنجیره اتحاد ، برای اولین بار در تجارت داده ها شرکت می کند و Node 2 گواهینامه UIT را روی آن انجام می دهد. پس از گذشت ، کمترین سطح اداره تجارت را برآورده می کند. فرآیند صدور گواهینامه UIT در بخش به تفصیل است. 4. 1. 1. گره های 2 و 3 گره هایی با معاملات متعدد هستند و از طریق استراتژی احراز هویت دو عاملی ، یکدیگر را تأیید می کنند. آنها پس از تصویب احراز هویت ، می توانند تحت مرجع مربوطه تجارت انجام دهند. استراتژی احراز هویت پویا دو عاملی در فرقه شرح داده شده است. 4. 1. 2.

4. 2. 4 ارزیابی معاملات

ارزیابی معاملات نشانگر پایان این تجارت است و همچنین برای احراز هویت بعدی آماده می شود. این پلی است که دو تجارت را به هم وصل می کند. ارزیابی بر اساس رفتار معاملاتی هر دو معامله گران است ، که به طور کلی شامل قیمت لیست و قیمت فروش ، حجم داده های معاملاتی ، نوع عرضه داده ها/نوع تقاضای ، مصرف زمان معاملات (زمان برآورد شده و زمان واقعی) و غیره است. رفتارهای تجاری خاص باید باشدبا توجه به سناریوهای برنامه و الزامات واقعی تعیین می شود.

پس از اتمام معاملات ، ابتدا قضاوت کنید که آیا ارزیابی TRV را بر اساس اینکه آیا طرف مقابل رفتارهای نامشخصی داشته باشد ، انجام دهید. در صورت وجود هرگونه رفتار غیرقابل اعتماد مانند کلاهبرداری داده در فرآیند تجارت گره همتای. نیازی به انجام یک ارزیابی TRV نیست ، TRV = - 1 به طور مستقیم تنظیم شده است تا گره را به لیست سیاه اضافه کند و سابقه معاملات در لیست سیاه ذخیره می شود. در مقابل ، TRV را مطابق فرمول (2) محاسبه کنید و این رکورد معاملاتی به لیست TRV گره اضافه می شود. در فرمول (2) ، t نشان دهنده t-th در رفتار تجارت و t است_حرفنشانگر درجه قوام رفتار معاملات کالا T-th است که با مقایسه اطلاعات معاملات واقعی با اطلاعات شاخص معاملات با استفاده از قرارداد هوشمند بدست می آید.

فرمول محاسبه TRV:

$$> = left(>راست چپ(<sum T_> راست) ؛ Quad ( ، 0 le t_ le 100 ٪ ، ، 2 le t) $ $5 شبیه سازی آزمایشی و تجزیه و تحلیل طرح

این بخش به طور عمده آزمایش های شبیه سازی و تجزیه و تحلیل های مقایسه ای از طرح های احراز هویت را انجام می دهد. بخش 5. 1 مقدمه مختصری در مورد پیکربندی محیط آزمایشی و سه آزمایش مقایسه ای ارائه می دهد و نتایج شبیه سازی را تجزیه و تحلیل می کند. بخش 5. 2 BTDA را با سایر طرح های مشابه از نظر عملکرد و امنیت مقایسه می کند و نتایج مقایسه را ارائه می دهد.

5. 1 شبیه سازی آزمایشی

5. 1. 1 پیکربندی آزمایش

این راه حل از جاوا برای کدگذاری قراردادهای هوشمند و اجرای آنها بر روی دستگاه رایانه ویندوز 10 و ماشین مجازی ، VMware WorkStation Pro استفاده می کند. رایانه دارای CPU Core Intel (R) Core (TM) I5-1135G7 @ 2. 40 گیگاهرتز 2. 42 گیگاهرتز با معماری 16 گیگابایتی و X86_64 است. ابتدا یک شبکه تست پارچه را در سیستم اوبونتو 20. 04 بسازید. حالت اولیه شامل یک گره سفارش و دو گره همسالان است. پس از اتمام آزمایش شبکه ، یک کانال در شبکه پارچه ایجاد کرده و کد زنجیره ای را مستقر کنید.

5. 1. 2 طراحی و اجرای

1. (1) آزمایش 1: بدون احراز هویت دو عاملی ، همه اعضای زنجیره اتحاد می توانند در معاملات شرکت کنند. نتیجه اجرای قرارداد هوشمند در شکل 7 نشان داده شده است.
2. (2) آزمایش 2: احراز هویت لیست سیاه ، گره فقط یک بار تأیید می شود و می تواند پس از گذراندن احراز هویت در معاملات شرکت کند. نتیجه اجرای قرارداد هوشمند در شکل 8 نشان داده شده است.
3. (3) آزمایش 3: احراز هویت پویا دو عاملی: لیست سیاه و TRV. گره ها می توانند پس از گذراندن احراز هویت لیست سیاه و احراز هویت TRV در معاملات شرکت کنند. نتیجه اجرای قرارداد هوشمند در شکل 9 نشان داده شده است.

300 آزمایش شبیه سازی را در سه طرح فوق انجام دهید ، و میانگین مصرف زمان آنها و استفاده از CPU در جدول 2 نشان داده شده است. نادیده گرفتن تأثیر شبکه ، توجه اصلی زمان صرف شده برای ایجاد و پیوستن به کانال ، استقرار و اجرای کد زنجیرهتوابع تأیید فراخوانی ، و همچنین استفاده از CPU در مراحل نصب و اجرای کد زنجیره ای.

5. 2. 2 تجزیه و تحلیل امنیتی

1. (1) عدم تمرکز

طرح BTDA ذخیره سازی توزیع شده لیست سیاه و لیست TRV را تحقق می بخشد و تأیید هویت هویت به سه TRV معاملات جدید داده ، که شامل گره های متعدد در شبکه معاملاتی است بستگی دارد. عدم تمرکز تجارت داده ها در شبکه زنجیره اتحاد تحقق یافته است و دشواری حملات مخرب و امنیت سیستم افزایش یافته است.

طرح BTDA هنگام تأیید هویت و اقتدار معامله گر ، اطلاعات هویت واقعی خود را مرتبط نمی کند ، اما اطلاعات ارسال شده توسط کاربر عضو برای تولید ECERT صحیح است. اگر یک کاربر عضو مرتکب حمله مخرب شود ، هویت آن را می توان از طریق سوابق ثبت نام در CA ردیابی کرد.

1. (3) حملات ضد بازی

احراز هویت هویت منجر به تغییر طرح BTDA با تجارت می شود. مهاجمان برای رهگیری اطلاعات معاملات باید هزینه محاسبات بالا را خرج کنند و اطلاعات به دست آمده نمی توانند تضمین کنند که تأیید هویت بعدی گره تحت تأثیر قرار می گیرد ، بنابراین می توان از حملات پخش مجدد به طور مؤثر جلوگیری کرد.

1. (4) احراز هویت متقابل

در طرح پیشنهادی در این مقاله ، معامله گران از لیست TRV یکدیگر در شبکه اتحاد پرس و جو می کنند و هویت و مرجع تجارت را تأیید می کنند ، تا بتوانند در تجارت داده ها به تأیید اعتبار متقابل دست یابند.

1. (5) ضد ردیابی

استراتژی احراز هویت دو عاملی BTDA مبتنی بر رفتارهای تجاری و اعتماد است ، این شامل اطلاعات هویت واقعی کاربران نمی شود. علاوه بر این ، منابع داده تجارت به شدت از سطح اداره تجارت پیروی می کنند ، بنابراین یافتن الگوهای معاملاتی دشوار است. این به طور موثری مانع از افشای هویت یک کاربر واحد می شود و مهاجمان از ردیابی و تجزیه و تحلیل معاملات.

1. (6) به موقع به روزرسانی

استراتژی احراز هویت دو عاملی ، استفاده از گواهینامه ها را ساده می کند و باعث می شود لیست سیاه و لیست TRV نقش TCERT و CRL را بازی کنند. علاوه بر دستیابی به ذخیره سازی بالاتر و کارآیی پرس و جو ، همچنین مشکل تولید گواهینامه پیچیده ، چرخه های نگهداری طولانی و به روزرسانی به روز در برنامه های عملی را حل می کند. گره ها از آخرین هویت معتبر برای شرکت در تجارت داده ها استفاده می کنند که امنیت را بیشتر بهبود می بخشد.

1. (7) احراز هویت پویا

تا حدودی ، احراز هویت هویت معامله گران به آخرین تجارت گره بستگی دارد. هویت و امتیازات معاملاتی با روند معاملات به صورت پویا تغییر می کند ، که از ضرر "یک احراز هویت برای زندگی معتبر است" در طرح های احراز هویت موجود جلوگیری می کند و بازرگانان را به شرکت در فعالیت های تجاری به صورت قانونی ارتقا می بخشد.

نتایج مقایسه امنیت طرح ها در جدول 4 نشان داده شده است.

جدول 4 مقایسه امنیت طرح

6 نتیجه گیری و کار آینده

با توجه به محدودیت های طرح های احراز هویت موجود که در سناریوهای داد و ستد داده اعمال می شوند، این مقاله یک طرح احراز هویت پویا دو عاملی برای تجارت داده ها بر اساس زنجیره اتحاد (BTDA) طراحی می کند. استفاده از ECert ساده شده است و گواهینامه UIT برای حل مشکلات تولید گواهی پیچیده، ذخیره سازی بالا و فشار محاسبه طراحی شده است. از آن به عنوان ورودی احراز هویت دو مرحله ای استفاده می شود. استفاده از احراز هویت دو مرحله ای "لیست سیاه + TRV" برای حل مشکل تغییر پویا هویت و اختیار معامله گر. استقرار و آزمایش کد زنجیره اصلی در پارچه، انجام آزمایش های شبیه سازی، و اثبات امنیت و امکان سنجی طرح BTDA از طریق مقایسه و تجزیه و تحلیل نظری با طرح های مشابه. طرح BTDA بر اساس رفتارهای تجاری و اعتماد می تواند به طور موثر مشکلات موجود در احراز هویت در تجارت داده ها را حل کند و به ساخت بیشتر یک سیستم معاملاتی داده کامل کمک کند.

طرح BTDA از استفاده از TCert و CRL در مکانیسم اصلی پارچه اجتناب می کند، اما هنوز به طور کامل از شر گواهی ها خلاص نمی شود. با گسترش شبکه معاملاتی، زمانی که مقدار داده های لیست خیلی زیاد باشد، سربار پرس و جو غیر ضروری به گره ها منتقل می شود. بنابراین، برای کار تحقیقاتی بعدی در مورد BTDA، اولین قدم بهبود روش صدور گواهینامه UIT برای دستیابی به احراز هویت بدون گواهی است. دوم، روش های ذخیره سازی فهرست و جستجو را برای اطمینان از کارایی بازیابی سوابق معاملاتی در شبکه زنجیره ای بزرگ اتحاد بهبود دهید. در همان زمان، به طور فعال اجرای طرح را برای حل مشکلات برنامه احراز هویت در زمینه تجارت داده ها ترویج دهید.

منابع

1. Zhao Y, Yu Y, Li Y et al (2019) تجارت عادلانه داده ها با حفظ حریم خصوصی مبتنی بر یادگیری ماشینی در بازار کلان داده. Inf Sci 478:449-460 ArticleGoogle Scholar
2. Heo G, Yang D, Doh I et al (2021) سیستم بلاک چین کارآمد و ایمن برای تجارت محتوای دیجیتال. IEEE Access 9:77438 77450 ArticleGoogle Scholar
3. لیو دی، هوانگ سی، نی جی و همکاران (2022) بازاریابی داده شفاف ابری بلاک چین: مدیریت کنسرسیوم و انصاف. IEEE Trans Comput 71(12):3322-3335 Google Scholar
4. خلیل یو، مالک اوآ، اودین ام و همکاران (2022) تجزیه و تحلیل مقایسه ای روی بلاک چین در مقابل معماری های احراز هویت متمرکز برای دستگاه های هوشمند مجهز به اینترنت اشیا در شهرهای هوشمند: یک بررسی جامع، پیشرفت های اخیر و جهت گیری های تحقیقاتی آینده. Sensors 22(14):5168 ArticleGoogle Scholar
5. Che Z, Wang Y, Zhao J et al (2019) مکانیزم احراز هویت تجارت انرژی توزیع شده بر اساس یک بلاک چین کنسرسیوم. Energies 12(15):2878 ArticleGoogle Scholar
6. Khezr S, Yassine A, Benlamri R (2022) به سوی مکانیزم تئوری بازی قابل اعتماد برای تجارت داده در اکوسیستم بلاک چین-IoT. J Netw Syst Manag 30(4):1-33 ArticleGoogle Scholar
7. شن ام، لیو اچ، ژو ال و همکاران (2020) احراز هویت دستگاه ایمن به کمک بلاک چین برای اینترنت اشیا صنعتی متقابل دامنه. IEEE J Sel Areas Commun 38(5):942-954 ArticleGoogle Scholar
8. Hameed K, Garg S, Amin MB et al (2021) یک طرح احراز هویت غیرمتمرکز مبتنی بر بلاک چین برای اینترنت اشیا. J Supercomput 77(12):14461 14501 ArticleGoogle Scholar
9. Jeong J, Kim D, Ihm SY et al (2021) سیستم احراز هویت چندجانبه نمونه کارها بر اساس پارچه هایپرلجر. ACM Trans Inteet Technol (TOIT) 21(1):1-17 ArticleGoogle Scholar
10. Babu ES, Dadi AK, Singh KK et al (2022) یک طرح احراز هویت مبتنی بر هویت توزیع شده برای دستگاه های اینترنت اشیا با استفاده از سیستم بلاک چین مجاز. Expert Syst 39(10):e12941 ArticleGoogle Scholar
11. Esposito C، Ficco M، Gupta BB (2021) احراز هویت و مجوز مبتنی بر بلاک چین برای برنامه های کاربردی شهر هوشمند. Inf Process Manag 58(2):102468 ArticleGoogle Scholar
12. Gao K, Liu Y, Xu H et al (2020) طراحی و اجرای سیستم ردیابی زنجیره تامین مواد غذایی بر اساس پارچه هایپرلجر. Int J Comput Sci Eng 23(2):185-193 Google Scholar
13. لی زد، چن اس، ژو بی (2021) مدل تجارت انرژی خودروهای برقی همتا به همتا بر اساس smes و بلاک چین. IEEE Trans Appl Supercond 31(8):1 4 Google Scholar
14. Li Y, Xu M, Xu G (2022) پروتکل احراز هویت متقابل مبتنی بر بلاک چین بدون CA. J Supercomput 78:1-23 ArticleGoogle Scholar
15. Mehbodniya A, Webber JL, Neware R et al (2022) چارچوب بلاک چین امضای دیجیتال Lamport Merkle اصلاح شده برای احراز هویت داده های مراقبت بهداشتی اینترنت اشیا. Expert Syst 39(10):e12978 ArticleGoogle Scholar
16. Ma Z-F، Meng J-L، Wang J-H و همکاران (2020) طرح مدل سازی احراز هویت غیرمتمرکز مبتنی بر بلاک چین در محیط لبه و اینترنت اشیا. IEEE Inteet Things J 8(4):2116 2123 Google Scholar
17. محسن AH، Zaidan AA، Zaidan BB et al (2019) احراز هویت بلاک چین برنامه های کاربردی شبکه: طبقه بندی، طبقه بندی، قابلیت ها، چالش های باز، انگیزه ها، توصیه ها و جهت گیری های آینده. رابط های پایه کامپیوتری 64:41-60 ArticleGoogle Scholar
18. Carvalho VM ، Garcia JR ، Hansen S et al (2021) پیگیری بحران COVID-19 با داده های معامله با وضوح بالا. Royal Soc Open Sci 8 (8): 210218 ArticleGoogle Scholar
19. Ra G ، Seo D ، Bhuiyan Mza و همکاران (2020) یک پروتکل ناشناس با شناسایی کاربر و قابلیت های پیوند برای حریم شخصی کاربر در یک blockchain مجاز. الکترونیک 9 (8): 1183 ArticleGoogle Scholar
20. Dai W ، Dai C ، Choo KKR et al (2019) SDTE: اکوسیستم تجارت مبتنی بر داده های مبتنی بر blockchain. IEEE Trans Inf Forens Secur 15: 725-737 ArticleGoogle Scholar
21. Sahoo S ، Halder R (2021) قابلیت ردیابی و ادعای مالکیت داده ها در بازار داده های بزرگ با استفاده از فناوری blockchain. J Inf Telecommun 5 (1): 35-61 Google Scholar
22. Xiang Y ، Ren W ، Li T et al (2021) یک طرح تراکنش داده های چند نوع و غیر متمرکز بر اساس قراردادهای هوشمند و علامت های دیجیتال. J Netw Comput Appl 176: 102953 ArticleGoogle Scholar
23. Yao Q ، Zhang D-W (2021) نظرسنجی در مورد مدیریت هویت در blockchain. J Softw 32 (7): 2260 2286 Google Scholar
24. Gao S ، Su Q ، Zhang R et al (2021) یک طرح احراز هویت هویت حفظ حریم خصوصی بر اساس blockchain. Secur Commun Commun Communtw 2021: 1-10 Google Scholar
25. Wei S-J ، Li S-S ، Wang J-H (2021) پروتکل احراز هویت متقابل دامنه توسط رمزنگاری مبتنی بر هویت در blockchain کنسرسیوم. Chin J Comput 44 (05): 908-920 Google Scholar
26. Bao D ، You L (2021) طرح احراز هویت دو عاملی بر اساس استخراج کننده های blockchain و فازی. Comput 27: 1091-1103 ArticleGoogle Scholar
27. Hossain MJ ، Xu C ، Li C et al (2021) ICAS: طرح احراز هویت هویت دو عاملی برای سران از راه دور. J Syst Architect 117: 102077 ArticleGoogle Scholar
28. Prabakaran D ، Ramachandran S (2022) احراز هویت چند عاملی برای معاملات مالی امن در محیط ابر. CMC-Comput Mater 70 (1): 1781-1798 Google Scholar
29. Xue L ، Ni J ، Liu D et al (2023) تجارت داده های مبتنی بر blockchain و تجارت داده های ریز و درشت با حفظ حریم خصوصی. IEEE Trans Comput. https://doi. org/10. 1109/tc. 2023. 3251846articlegoogle Scholar
30. Huang Y ، Zeng Y ، Ye F et al (2023) اشتراک سود برای تولید کننده داده ها و احزاب متوسط در تجارت داده ها از طریق محیط های محاسباتی حاشیه فراگیر. IEEE Trans Mob Comput 22 (1): 429-442 ArticleGoogle Scholar
31. Sergi D ، Cristina P ، Guillermo N et al (2020) یک پروتکل منصفانه برای تجارت داده ها بر اساس معاملات بیت کوین. Futur Gener Comput Syst 107: 832-840 ArticleGoogle Scholar
32. Kakei S ، Shiraishi Y ، Mohri M et al (2020) گواهی متقابل نسبت به زیرساخت های تأیید اعتبار توزیع شده: موردی از پارچه هایپرلر. IEEE Access 8: 135742 135757 ArticleGoogle Scholar
33. Jiang L ، Chang X ، Liu Y et al (2020) تجزیه و تحلیل عملکرد پلت فرم پارچه Hyperledger: یک رویکرد مدل سلسله مراتبی. Peer-to-Peer NetW Appl 13 (3): 1014-1025 ArticleGoogle Scholar
34. WEI Z-Y ، ZHOU L-G (2020) طراحی و اجرای سیستم احراز هویت هویت بر اساس blockchain. نرم افزار ENG 23 (11): 37-40 Google Scholar
35. Miao W-H ، Wang J-X ، Zheng Z-H (2022) طرح احراز هویت بر اساس ترکیب blockchain و چند عامل. Comput Simul 39 (05): 402-408 Google Scholar

منابع مالی

این کار توسط بنیاد علوم طبیعی استان شاندونگ ، تحقیقات در مورد فن آوری های کلیدی کنترل دسترسی به بازی پویا بر اساس blockchain ، شماره صندوق ZR2020MF029 و بنیاد علوم طبیعی استان شاندونگ ، شماره صندوق ZR2020MF058 پشتیبانی می شود.

اطلاعات نویسنده

نویسندگان و وابستگی ها

1. دانشکده علوم و مهندسی اطلاعات ، دانشگاه Linyi ، Lanshan ، Linyi ، 276000 ، Shandong ، China Fengmei Chen ، Bin Zhao ، Yilong Gao & Wenyin Zhang

1. فنگمی چن