基于区块链和联邦学习的食品全程全息风险信息可信共享模式

针对传统共享模式下食品全程全息风险信息敏感易泄露、中心化服务器和恶意节点的自利性与完全自治化易产生恶意行为、跨环节交互困难、单一目的导致的数据利用率低等问题,本研究提出一种基于区块链和联邦学习的食品全程全息风险信息可信共享模式。首先,在分析食品企业和监管机构信息共享需求的基础上,将联邦学习融入分层区块链架构中,并结合中继思想,构建食品全程全息风险信息可信共享模型;其次,以风险信息特征和类别为不同侧重点,将模型联邦学习过程划分为横向和纵向联邦学习过程,并用两种联邦学习聚合算法实现对数据的聚合;再次,针对企业内、企业间、企业监管间共享风险信息数据的不同需求,利用同态加密算法和零知识证明思想,实现对不同敏感度风险信息的分级加密与定向可信共享;最后,以食品安全风险评估为仿真背景,基于食品风险信息公开数据集和开源平台对本模型进行仿真验证。结果表明,所构建的基于区块链和联邦学习的食品全程全息风险信息可信共享模型在满足企业与监管机构各方对风险信息数据不同共享需求的同时,能够实现对风险信息数据的充分利用和安全可信、高效精准的共享,从而增强食品企业与监管机构共享数据的决心,促进食品行业数据可信共享和食品安全数字化的发展。