💻 computer science

ICBAC: an Intelligent Contract-Based Access Control framework for supply chain management by integrating blockchain and federated learning

Dit artikel stelt ICBAC voor, een intelligent toegangscontroleframework voor toeleveringsketens dat een permissioned blockchain integreert met federated learning en speltheoretische cliëntselectie om dynamische, privacy-bewuste anomaliedetectie mogelijk te maken tussen concurrerende organisaties zonder gevoelige gegevens te delen.

Oorspronkelijke auteurs: Sadegh Sohani, Salar Ghazi, Farnaz Kamranfar, Sahar Pilehvar Moakhar, Mohammad Allahbakhsh, Haleh Amintoosi, Kaiwen Zhang

Gepubliceerd 2026-02-10

📖 5 min leestijd🧠 Diepgaand

CC BY 4.0

Oorspronkelijke auteurs: Sadegh Sohani, Salar Ghazi, Farnaz Kamranfar, Sahar Pilehvar Moakhar, Mohammad Allahbakhsh, Haleh Amintoosi, Kaiwen Zhang

Oorspronkelijk artikel gelicentieerd onder CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ Dit is een AI-gegenereerde uitleg van het onderstaande artikel. Het is niet geschreven of goedgekeurd door de auteurs. Raadpleeg het oorspronkelijke artikel voor technische nauwkeurigheid. Lees de volledige disclaimer

Stel je een enorme, wereldwijde toeleveringsketen voor als een gigantische, bruisende marktplaats waar duizenden verschillende bedrijven (boeren, fabrieken, vrachtwagenchauffeurs en winkels) goederen verhandelen. Iedereen moet met elkaar communiceren, maar ze moeten ook hun eigen geheimen veilig houden. Het probleem is dat het in deze marktplaats moeilijk is om te weten wie wat mag doen, en nog moeilijker om iemand te betrappen die zich voort doet alsof hij toestemming heeft, maar eigenlijk verdacht handelt (zoals een werknemer die voorraad steelt of een vrachtwagenchauffeur die een vreemde omweg neemt).

Dit artikel introduceert ICBAC, een nieuw "slim beveiligingsbewaker"-systeem dat deze problemen probeert op te lossen. Zo werkt het, onderverdeeld in eenvoudige concepten:

1. Het Digitale Grootboek: Het "Onbreekbare Notitieboek"

Eerst gebruikt het systeem Blockchain (specifiek een versie genaamd Hyperledger Fabric). Zie dit als een gigantisch, onbreekbaar notitieboek dat iedereen in de toeleveringsketen deelt.

Waarom het helpt: Je kunt geen vermeldingen wissen of vervalsen in dit notitieboek. Als iemand probeert een record aan te passen, ziet de hele groep dat.
De Twist: In plaats van één groot notitieboek voor iedereen, gebruikt ICBAC private kanalen. Stel je een gebouw voor met veel verschillende kamers. De "Fruitkamer" heeft zijn eigen notitieboek, en de "Elektronicakamer" heeft het zijne. Dit houdt de gegevens van concurrerende bedrijven gescheiden en privé, zodat een concurrent niet jouw verkoopcijfers kan zien.

2. De Smart Contracts: De "Automatische Regels"

Binnen deze digitale kamers gebruikt het systeem Smart Contracts. Zie deze als verkoopautomaten met strikte regels.

Hoe het werkt: Als je de juiste munt erin stopt (toestemming), geeft de machine de snack (toegang tot gegevens). Als je niet de juiste munt hebt, zegt hij "Nee".
De Upgrade: Oude systemen hadden alleen statische regels (bijv. "John mag de deur openen"). ICBAC voegt een Permission Revoke List toe. Als het systeem denkt dat John vreemd gedrag vertoont, kan het hem onmiddellijk op een "In afwachting"-lijst plaatsen, waardoor zijn toegang wordt bevroren totdat een menselijke manager hem controleert.

3. De AI Agent: De "Gedragsbeveiliger"

Dit is het meest innovatieve deel. Het systeem controleert niet alleen of je een sleutel hebt; het kijkt naar hoe je die gebruikt.

De Analogie: Stel je een beveiligingsbeveiliger voor die je normale routine kent. Als je normaal gesproken om 9:00 uur de voordeur ontgrendelt, maar plotseling probeert om 3:00 uur de kluis te openen en 1.000 bestanden te downloaden, wordt de bewaker wantrouwig.
De Actie: Deze "AI Beveiliger" leeft binnen elke kamer van de toeleveringsketen. Het leert wat "normaal" is voor die specifieke groep. Als het een anomalie opmerkt (zoals een plotselinge, massale data-download), markeert het de gebruiker direct als verdacht en beperkt het diens toegang.

4. Het Privacyprobleem: "Leren Zonder te Delen"

Hier komt het lastige deel: Om echt goed te worden in het opsporen van vreemd gedrag, moet de AI leren van veel verschillende toeleveringsketens. Maar bedrijven kunnen hun geheime gegevens (zoals hun klantenlijsten of prijzen) niet delen met concurrenten.

De Oplossing: Federated Learning. Stel je een groep chefs voor die proberen een soeprecept te perfectioneren. In plaats van hun geheime ingrediënten naar een centrale keuken te sturen, bereiden ze elk een kleine batch in hun eigen keuken, proeven deze, en sturen alleen de receptaanpassingen (niet de soep zelf) naar een centrale pot. De centrale pot wordt slimmer, maar niemand ziet ooit de geheime ingrediënten van de andere chefs.
ICBAC's Aanpak: De AI-agenten van verschillende toeleveringsketens delen hun "geleerde lessen" (wiskundige updates) maar delen nooit de werkelijke ruwe gegevens. Dit houdt de geheimen van iedereen veilig terwijl de beveiliging voor iedereen slimmer wordt.

5. Het "Vriendengroep"-systeem: "Hedonic Coalition Formation"

Het artikel realiseert zich dat niet alle toeleveringsketens hetzelfde zijn. Een keten voor "Bederfelijke Voeding" gedraagt zich heel anders dan een keten voor "Auto-onderdelen". Als je ze allemaal bij elkaar mengt om te leren, raakt de AI in de war.

De Analogie: Denk aan een schoolfeest. Je wilt niet met iedereen dansen; je wilt dansen met mensen die van dezelfde muziek houden.
Het Mechanisme: ICBAC gebruikt een speltheoretische methode om toeleveringsketens "Vriendengroepen" (Coalities) te laten vormen. Elke keten zegt: "Ik wil leren van deze specifieke partners." Het systeem gebruikt vervolgens een wiskundig algoritme (Tarjan's algoritme) om de meest stabiele groepen te vinden waar iedereen tevreden is om van elkaar te leren.
Het Voordeel: Dit zorgt ervoor dat de AI leert van groepen die daadwerkelijk logisch zijn (bijv. voedselketens die leren van andere voedselketens), in plaats van incompatibele groepen bij elkaar te dwingen.

Wat hebben ze gevonden?

De auteurs hebben dit systeem getest op een computersimulatie met behulp van echte wereldgegevens uit de toeleveringsketen.

Snelheid: Het draait bijna net zo snel als oudere, simpelere beveiligingssystemen.
Slimheid: Het heeft succesvol "slechte actoren" (anomalieën) betrapt, zelfs wanneer de gegevens rommelig waren of verschilden tussen groepen.
Privacy: Dit werd bereikt zonder dat enig bedrijf ooit zijn ruwe, gevoelige gegevens met iemand anders heeft gedeeld.

Kortom: ICBAC is een beveiligingssysteem dat een onveranderlijk digitaal record, automatische regelhandhaving, een slimme AI die toeziet op verdacht gedrag en een privacy-beschermende manier combineert waarmee verschillende bedrijven deze AI kunnen trainen zonder hun geheimen prijs te geven. Het is ontworpen om toeleveringsketens veiliger en aanpasbaarder te maken zonder het vertrouwen tussen concurrenten te verbreken.

Technische Samenvatting: ICBAC – Een Intelligent Contract-gebaseerd Toegangscontroleframework voor Supply Chain Management

1. Probleemstelling

Moderne Supply Chain Management (SCM)-systemen opereren over meerdere onafhankelijke en vaak concurrerende organisaties, wat een complexe omgeving creëert voor toegangscontrole. Bestaande mechanismen zijn overwegend statisch, gecentraliseerd en beleidsgestuurd (bijv. RBAC, ABAC), waardoor ze slecht uitgerust zijn om om te gaan met dynamische insider-dreigingen, foutief gedrag en contextafhankelijk misbruik. Hoewel blockchaintechnologie decentralisatie en onveranderlijkheid biedt, vertrouwen huidige blockchain-gebaseerde toegangscontroleframeworks nog steeds op vooraf gedefinieerde regels en missen zij behaviorale intelligentie.

Converteerbaar is dat hoewel Machine Learning (ML)-gebaseerde User and Entity Behavior Analytics (UEBA) anomalieën kan detecteren, gecentraliseerde training vereist dat gevoelige gedragsgegevens worden geaggregeerd. Dit creëert een conflict met de privacy-, regelgevings- en concurrentiebeperkingen die inherent zijn aan SCM, waarbij organisaties geen ruwe gegevens kunnen delen. Bovendien introduceert het direct toepassen van Federated Learning (FL) op heterogene en concurrerende supply chains uitdagingen met betrekking tot dataverdeling mismatches (non-IID data), convergentie-instabiliteit en strategische deelname, aangezien gedrag dat als anomalie wordt beschouwd in de ene supply chain, normaal kan zijn in een andere.

2. Methodologie: Het ICBAC-framework

Het artikel stelt ICBAC (Intelligent Contract-Based Access Control) voor, een framework dat een permissioned blockchain (Hyperledger Fabric) integreert met Federated Learning (FL) en game-theoretische cliëntselectie.

2.1 Architectuur

ICBAC is gestructureerd in twee primaire lagen:

Blockchain-laag: Gebouwd op Hyperledger Fabric, gebruikmakend van een multi-channel architectuur waarbij elk kanaal ( $C_i$ ) een afzonderlijke supply chain-context vertegenwoordigt met zijn eigen deelnemers, activa en vertrouwensgrenzen. Dit zorgt voor isolatie en selectieve gegevensdeling.
AI-laag: Implementeert een toegewezen AI-agent ( $AI_i$ ) voor elk kanaal om het gedrag van deelnemers te monitoren en anomalieën lokaal te detecteren.

2.2 Kerncomponenten

Smart Contracts: Drie gespecialiseerde contracten handhaven de toegangscontrole:
- Asset Management ( $SC_{AM}$ ): Behandelt de creatie en updates van activa.
- Basic Access Control ( $SC_{BAC}$ ): Beheert basispermissies via LeastPrivilege en dynamisch aangepaste ExtraPrivilege-sets, wat het verhogen of verlagen van gebruikersrechten mogelijk maakt.
- Permission Revoke List ( $SC_{PRL}$ ): Houdt een lijst bij van deelnemers die als anomalie zijn gemarkeerd. Wanneer een AI-agent verdacht gedrag detecteert, wordt de deelnemer toegevoegd aan de PRL, en worden daaropvolgende toegangsverzoeken als "Pending" gemarkeerd in afwachting van administratieve beoordeling.
AI-gebaseerde Anomaliedetectie: Elk kanaal traint een lichtgewicht temporeel model op lokale gedragssequenties (feature vectoren inclusief identiteit, type operatie, frequentie en timing). Het model voorspelt normaal gedrag; afwijkingen die een drempelwaarde overschrijden, triggeren een anomalie-vlag.
Federated Learning (FL): AI-agenten verbeteren gezamenlijk hun anomaliedetectiemodellen door modelupdates (parameters) te delen in plaats van ruwe data. Het framework gebruikt Federated Averaging (FedAvg) voor aggregatie.

2.3 Game-Theoretische Cliëntselectie

Om de heterogeniteit van supply chains en de instabiliteit van globale FL aan te pakken, introduceert ICBAC een Hedonic Coalition Formation mechanisme voor cliëntselectie:

Preferentie-gebaseerd: Elke AI-agent verklaart een lijst van "vrienden" (vertrouwde/compatibele partners) zonder de onderliggende criteria te onthullen.
Stabiliteit: Het mechanisme gebruikt Tarjan's algoritme om Strongly Connected Components (SCCs) te identificeren in de preferentie-grafiek.
Garanties: Deze aanpak garandeert core stability (geen groep agenten heeft een prikkel om af te wijken) en strategy-proofness (agenten kunnen niet profiteren van het foutief rapporteren van voorkeuren).
Resultaat: Kanalen vormen stabiele, kleinschalige coalities voor FL, waardoor wordt gewaarborgd dat aggregatie plaatsvindt tussen gedragsmatig compatibele deelnemers, wat de "client drift" die gebruikelijk is in non-IID settings, mitigeert.

3. Belangrijkste Bijdragen

Het artikel schetst vier primaire bijdragen:

Blockchain-gebaseerde Toegangscontrole voor SCM: Een multi-channel framework op Hyperledger Fabric dat heterogene supply chain-contexten reflecteert.
AI-gestuurde Dynamische Toegangsinvalidatie: Integratie van per-kanaal AI-agenten voor real-time anomaliedetectie en geautomatiseerde, contextbewuste permissie-intrekking via smart contracts.
Privacy-preserverende Federated Learning: Een mechanisme dat gezamenlijke modelverbetering mogelijk maakt zonder uitwisseling van ruwe data.
Game-Theoretische Cliëntselectie: Een hedonic coalition formation mechanisme dat stabiele, strategy-proof en privacy-preserverende FL-coalities waarborgt.

4. Experimentele Resultaten

Experimenten werden uitgevoerd op een Hyperledger Fabric testbed met de DataCoSupplyChain dataset (180.000+ records).

Blockchain Prestaties: ICBAC demonstreerde latentie en doorvoer vergelijkbaar met state-of-the-art statische frameworks (MedTrace, AccessChain, ProChain). Hoewel leesoperaties een marginale toename in latentie vertoonden (ongeveer een 18,6% reductie in doorvoer vergeleken met ProChain in één specifieke test) vanwege dynamische permissiechecks, gaven statistische analyses (t-tests) aan dat er in de meeste prestatie-metrieken geen significant verschil was.
Anomaliedetectie (FL):
- IID vs. Non-IID: Het framework werd getest onder zowel Independent and Identically Distributed (IID) als Non-IID dataverdelingen.
- Coalitie-effectiviteit: Door het voorgestelde mechanisme gevormde preferentie-gebaseerde coalities presteerden consequent beter dan willekeurige coalities en all-inclusive federaties, met name in Non-IID settings. Ze bereikten snellere convergentie en hogere F1-scores met lagere loss.
- Privacy: FL-coalities bereikten nul privacy-lekken (geen ruwe data gedeeld), terwijl gecentraliseerde modellen getraind op geaggregeerde data een meetbaar lek vertoonden (0,15–0,53).
- Nauwkeurigheid: Onder IID-condities benaderde de FL-prestatie die van gecentraliseerde modellen. Onder Non-IID-condities behielden gecentraliseerde modellen een hogere nauwkeurigheid, terwijl FL-modellen een sterke prestatie behielden terwijl zij de privacy waarborgden.

5. Betekenis en Claims

Het artikel claimt dat ICBAC een praktische en schaalbare oplossing biedt voor dynamische, privacy-preserverende toegangscontrole in gedecentraliseerde supply chain ecosystemen. De betekenis ligt in het overbruggen van de kloof tussen de transparantie van blockchain en de adaptiviteit van AI, waarbij specifiek wordt ingegaan op de beperkingen van statische policies in het licht van insider-dreigingen.

De auteurs benadrukken dat het framework uniek geschikt is voor concurrerende omgevingen waar organisaties geen data kunnen delen maar wel baat willen hebben bij collectieve intelligentie. Door gebruik te maken van hedonic coalition formation, zorgt ICBAC ervoor dat samenwerking stabiel en strategy-proof is zonder dat de gevoelige criteria voor samenwerking onthuld hoeven te worden.

Het artikel erkent bescheiden de beperkingen, waarbij wordt opgemerkt dat de prestaties in Non-IID FL-scenario's lager zijn dan in gecentraliseerde settings en dat leesoperaties een lichte overhead veroorzaken. Toekomstig werk wordt voorgesteld om de heterogene data-aggregatie aan te pakken en om het framework volledig onafhankelijke cross-blockchain scenario's uit te breiden met behulp van cross-chain interoperabiliteitsprotocollen.