《Electronics》:Exploration of Thangka Identification and Traceability Mechanism Empowered by Blockchain
Yufu Ma,
Minghu Tang and
Peng Luo
编辑推荐:
唐卡艺术品的真伪验证在市场中仍具挑战性,传统的物理鉴别方法可靠性有限,而现代光谱与化学检测技术成本高昂且不适用于大规模应用。尽管深度学习方法可通过图像特征实现高效鉴别,但其依赖集中式数据库存储特征信息,易受篡改风险影响,损害鉴别结果的可信度。为解决这些问题,本
唐卡艺术品的真伪验证在市场中仍具挑战性,传统的物理鉴别方法可靠性有限,而现代光谱与化学检测技术成本高昂且不适用于大规模应用。尽管深度学习方法可通过图像特征实现高效鉴别,但其依赖集中式数据库存储特征信息,易受篡改风险影响,损害鉴别结果的可信度。为解决这些问题,本研究提出一种融合区块链技术的唐卡绘画数字鉴别方法。该方法将图像特征存储于星际文件系统(IPFS),并将其哈希值记录在区块链上,确保特征数据的不可篡改性和可验证性。同时,采用卷积神经网络进行唐卡图像的特征提取与相似度分析,构建集存储、鉴别与溯源于一体的集成平台系统,提升鉴别结果的可靠性与自动化程度。该平台进一步支持唐卡存储与鉴别操作的全流程溯源,为建立科学可靠的唐卡数字鉴别体系提供了可行路径。在包含2847张唐卡图像的实验数据集上评估表明,鉴别准确率达99.2%,精确率为98.7%,F1分数为99.1%,端到端鉴别延迟平均为1247毫秒,验证了该系统在博物馆和市场实际部署场景中的有效性。
论文解读文章:
唐卡作为藏传佛教艺术中独特的卷轴绘画形式,起源于7世纪的中国西部地区,最初用于传播佛教教义,后逐渐演变为具有审美和收藏价值的装饰艺术品。然而,随着唐卡市场的发展,赝品和未经授权的复制品泛滥,破坏了市场诚信,削弱了收藏者信心,也损害了唐卡作为独特艺术形式和文化载体的价值。传统的物理特征鉴别方法可靠性有限,光谱分析、质谱法等现代科学手段虽精确但成本高昂,不适用于大规模应用。深度学习方法通过图像特征可实现高效鉴别,但依赖集中式数据库存储特征信息,易受篡改风险,结果可信度不足。为应对这些问题,研究人员提出了一种融合区块链、星际文件系统(IPFS)和卷积神经网络(CNN)的唐卡数字存储、鉴别与溯源系统。该系统实现了99.2%的鉴别准确率,并支持全流程溯源,为建立科学可靠的唐卡数字鉴别体系提供了可行方案。该研究论文发表在《Electronics》。
研究人员为开展本研究主要采用了以下关键技术方法:基于Hyperledger Fabric的联盟区块链网络,采用Raft共识算法,通过智能合约实现数据存证与验证;利用IPFS进行分布式内容寻址存储,将图像哈希值上链,实现“链下存储、链上哈希”的混合存储模式;采用SE-ResNet50骨干网络结合ArcFace度量学习(一种通过角度边缘约束增强特征区分性的损失函数)进行深度嵌入特征提取,生成512维特征向量,并通过余弦相似度(阈值设为0.99)进行真伪判定。样本队列来源为2847张唐卡图像,分别来自青海省博物馆验证藏品(1200张)、热贡地区传统唐卡工匠授权合作作品(982张)以及数字敦煌等公共文化遗产数据库(665张),涵盖156个图像学类别。
研究结果如下:
4.1 系统概述:研究人员设计了由存储、鉴别、溯源三大功能模块组成的系统架构,采用“链下计算、链上验证”模式:链下用GPU服务器进行特征提取,链上通过智能合约记录哈希值和鉴别结果,实现高效透明的全流程管理。
4.2 存储模块:通过将唐卡图像及元数据存储于IPFS,并采用SHA-256算法计算内容哈希值上链,确保数据的不可篡改性和长期可信性。该模块基于Hyperledger Fabric v2.4和Go语言链码实现,registerThangka函数负责注册、recordAuthentication函数负责记录鉴别结果。
4.3 鉴别模块:基于SE-ResNet50和ArcFace损失函数,在2847张唐卡数据集(训练集:测试集=8:2)上训练特征提取模型。模型将224×224像素输入映射为512维嵌入向量,通过余弦相似度(阈值0.99)进行真伪判定。实验表明,系统在569张测试集上达到99.2%准确率、98.7%精确率、99.1% F1分数,端到端鉴别延迟约1247 ms(包括IPFS检索、特征提取、链上验证等步骤)。特征哈希验证的比特错误率(BER)为0%,验证了证据链的完整性。
4.4 溯源模块:系统自动记录每次存储和鉴别操作的时间戳、操作标识、唐卡ID及鉴别结果,并通过区块链永久存储,确保全生命周期可追溯、可验证。
实验过程与结果分析:研究人员搭建了包含2个组织、各含2个Peer节点和3个Orderer节点的Hyperledger Fabric网络,采用Raft共识算法和CouchDB状态数据库。性能基准测试显示,系统可支持42个并发请求/秒,区块链存储开销恒定在180字节/注册,不随图像分辨率变化。与集中式数据库、可信执行环境(TEE)及公有以太坊方案的对比表明,本系统在延迟(1247 ms)、去中心化程度、审计透明度和成本上取得了最优平衡。
总结讨论部分:研究人员指出,系统面临数据集规模有限(共2847张,最少类别仅8张)、专业级复制品可能规避检测、未评估对抗扰动鲁棒性等局限性。未来需在万级数据集上验证,并引入红外或X射线等多模态信号,以及采用k折交叉验证增强泛化性。
结论部分翻译:针对唐卡市场真伪验证与流通不透明的挑战,本研究提出了一种融合区块链、IPFS与增强型SE-ResNet50 CNN的“链下计算、链上证存”集成框架。通过实现99.2%的复杂纹理与色彩变化识别准确率,该系统绕过了链上计算瓶颈,同时保证了结果不可篡改和全流程可溯源,且具有低延迟性能。该架构为刺绣、陶瓷等更广泛的文化遗产领域确立了三条通用设计原则:管理高分辨率数据的协同混合存储范式,保留文物完整性的非侵入式数字指纹方法,以及用算法共识替代集中背书的去中心化溯源模型。最终,这一领域可定制框架为高价值文化资产的数字保存和可信流通提供了科学化、标准化的解决方案,并具有延伸到相关遗产领域鉴别问题的应用潜力。局限性及未来方向在第6节中讨论。