面向供应链溯源数据流向异常的篡改节点检测方法与流程

本发明涉及数据安全，具体涉及面向供应链溯源数据流向异常的篡改节点检测方法。

背景技术：

1、在现代供应链管理中，溯源数据记录了货物从生产、仓储、物流到销售终端的全流程流转信息，是质量追溯与责任界定的核心依据。供应链溯源数据具有明确的方向性和时序性，随物理货物流转方向在各节点间依次生成，任一环节的数据被篡改均会破坏整条证据链的可信度。目前，面向供应链溯源数据异常的检测，通常基于数据一致性的交叉比对，依靠核对上下游节点的数据哈希值或数字签名来定位潜在的篡改节点。

2、在实际供应链溯源场景中，故意篡改行为往往具有极强的隐蔽性，攻击者通常会刻意挑选审核薄弱的历史节点进行局部伪装。这种针对特定节点或路径的数据异常，在流向表现上与供应链中常见的退货补单、拥堵分流等正常业务波动高度相似。仅依赖单一维度的校验，难以在复杂异常工况中准确区分正常的业务容错波动与真实数据篡改，容易造成预警的漏判与误判，进而导致对数据流向异常的篡改节点识别缺乏足够的准确性和可靠性。

技术实现思路

1、为了解决现有技术中难以在复杂异常工况中准确区分正常的业务容错波动与真实数据篡改，容易造成预警的漏判与误判的技术问题，本发明的目的在于提供一种面向供应链溯源数据流向异常的篡改节点检测方法，所采用的技术方案具体如下：

2、本发明提供了一种面向供应链溯源数据流向异常的篡改节点检测方法，所述方法包括：

3、获取供应链中各货物批次在不同流转节点的流转数据以及多维监测指标数据，并依据流转节点衔接关系构建供应链的流转拓扑；

4、基于供应链的流转拓扑，将目标货物批次的流转数据与历史同等业务条件下的参考数据进行偏差对比，获取各流转节点的异常流向度量指标，并依据异常流向度量指标筛选出异常流转节点；

5、针对各异常流转节点，分析目标货物批次的多维监测指标在时序上的关联连贯特征，以及异常流向度量指标沿流转拓扑中流转路径的衰减演化特征，筛选出异常流转节点组成的疑似篡改流转段以及对应的篡改评估指标；

6、针对各疑似篡改流转段，根据各货物批次的篡改评估指标分布，以及目标货物批次的异常影响占比和重要等级，确定目标货物批次在疑似篡改流转段的篡改预警评级指标；基于篡改预警评级指标输出对应的分级管控指令。

7、进一步地，所述流转拓扑的获取方法包括：

8、从供应链业务系统中提取各流转节点之间的标准上下游衔接关系；根据上下游衔接关系，确定各流转节点之间的有向连接边，其中连接边的方向由上游节点指向下游节点；

9、对各品类货物在各流转节点中的必经节点进行标记，形成包含节点集合、有向连接边集合以及必经节点标记信息的流转拓扑。

10、进一步地，所述异常流向度量指标的获取方法包括：

11、对于任意一个流转节点，以目标货物批次进入该流转节点至离开该流转节点的时段为当前比对窗口；在历史数据中，提取与该当前比对窗口的总流量及同类货物占比相似的时段，作为参考窗口；

12、提取参考窗口内与目标货物批次同类型且同一起点的货物作为参考货物；

13、根据目标货物批次与参考货物在该流转节点的滞留时长偏差、目标货物批次从起点至该流转节点的实际路径相对于参考货物历史路径的偏离程度、以及目标货物批次在已流转路径中时序方向与物理流转方向一致程度，获取该流转节点处目标货物批次的异常流向度量指标。

14、进一步地，所述依据异常流向度量指标筛选出异常流转节点，包括：

15、将异常流向度量指标超过预设异常阈值的流转节点作为目标货物批次的异常流转节点。

16、进一步地，所述关联连贯特征的获取方法包括：

17、获取目标货物批次经过各异常流转节点的停留时段，作为对应的异常时间窗；

18、对于任意一个异常流转节点，获取目标货物批次在该异常流转节点处与目标货物批次类型相同、且在该异常流转节点的异常时间窗内存在时序交集的其他并行货物批次；

19、分别分析目标货物批次与各并行货物批次在各监测指标上的数据差分幅值差异和增长趋势差异，确定目标货物批次在该异常流转节点的波动异常程度；

20、根据目标货物批次在该异常流转节点与其上游节点之间各监测指标的相关性变化，确定关联稳定程度；

21、根据波动异常程度和关联稳定程度，获得关联连贯特征，波动异常程度和关联稳定程度均与关联连贯特征呈负相关。

22、进一步地，所述衰减演化特征的获取方法包括：

23、沿流转拓扑中目标货物批次的实际流转路径顺序，对各流转节点的异常流向度量指标进行一阶差分；根据差分值中负值的数量，确定衰减演化特征。

24、进一步地，所述疑似篡改流转段的获取方法包括：

25、提取流转过程中的所有异常流转节点，将流转拓扑中直接相连且异常时间窗在时序上相邻的多个异常流转节点合并，生成疑似篡改流转段。

26、进一步地，所述篡改评估指标的获取方法包括：

27、针对每一疑似篡改流转段，根据该疑似篡改流转段内各异常流转节点的关联连贯特征的大小，确定连贯性表征值；依据该疑似篡改流转段的衰减演化特征以及各异常流转节点在历史数据中被标记为异常流转节点的频次，获得审核风险表征值；

28、根据该疑似篡改流转段的异常流转节点的数量占比，结合连贯性表征值与审核风险表征值，获得该疑似篡改流转段的篡改评估指标。

29、进一步地，所述篡改预警评级指标的获取方法包括：

30、获取目标货物批次的预设运输重要等级系数；提取在目标货物批次的疑似篡改流转段内，各货物批次的所有被标记为异常流转节点的异常流向度量指标；根据目标货物批次的异常流向度量指标与各货物批次的异常流向度量指标间的偏差，获得异常影响度；

31、根据目标货物批次在供应链中处于疑似篡改流转段中的异常流转节点数量占比，结合疑似篡改流转段的篡改评估指标大小、异常影响度和预设运输重要等级系数，获得目标货物批次在疑似篡改流转段的篡改预警评级指标。

32、进一步地，所述基于篡改预警评级指标输出对应的分级管控指令，包括：

33、针对篡改预警评级指标预先划分多级风险区间，将篡改预警评级指标匹配至对应的风险区间内，依据对应风险区间的等级下发对应的分级管控指令至各业务终端。

34、本发明具有如下有益效果：

35、本发明基于流转拓扑将目标货物批次的流转数据与历史同等业务条件下的参考数据进行偏差对比，考虑了供应链实际业务压力的动态变化，准确获取各流转节点的异常流向度量指标并锁定异常流转节点。其次，针对异常流转节点，深入分析多维监测指标在时序上的关联连贯特征以及异常度量沿流转路径的衰减演化特征，利用正常业务波动沿时空传递的客观规律与故意篡改的孤立断裂属性，生成疑似篡改流转段及篡改评估指标，有效剥离了业务波动与故意攻击的表象相似性。最后，综合各批次评估指标分布、目标货物的异常影响占比及重要等级，对疑似篡改流转段进行量化评估，精准输出匹配的分级管控指令。本发明通过时空多维特征的联合分析及异常演化规律追踪，有效区分业务波动与隐蔽篡改的异常，提升供应链溯源数据流向异常中篡改节点检测的准确性与预警管控的可靠性。