技术摘要：ECO/CPO-DAG

问题陈述

供应链运行在对抗性环境中，其中互不信任的各方必须依赖彼此的记录。虽然基于区块链的追溯性提供了防篡改的账本，但它无法解决“预言机问题”：账本可以保证某方声称了某些内容，但无法保证该陈述与物理现实相符。现有的解决方案通常试图通过将声明与地面真值（ground truth）进行比对，或依赖复杂的共识机制来解决此问题，然而，误报的经济动机依然存在。

本文提出了一个更窄、更具可操作性的问题：如何在不尝试验证声明是否符合地面真值的情况下，在半信任供应链中通过经济手段抑制可证明的矛盾（provable contradictions）？可证明的矛盾被定义为由可识别方签署的一对声明，在特定的领域规则下，这两者不能同时成立（例如：同一个批次被声称同时起源于两个互斥的区域，或者一个密封的数量在所有权转移之间莫名其妙地增加了）。

方法论

作者提出了 ECO/CPO-DAG，这是一个领域特定的问责层，它将矛盾检测形式化为一种补充验证机制，而非共识协议。

核心架构

1. 事件声明对象 (Event Claim Objects, ECOs)： 参与者将签署的声明发布到一个因果有序、仅追加的定向无环图 (DAG) 中。
   • 每个 ECO 包含对声明载荷的承诺（使用 Pedersen 承诺以实现隐私）、混合逻辑时钟时间戳、因果父引用以及数字签名。
   • 该 DAG 不用于全局一致性或全序排列；每个参与者维护各自的局部视图。
2. 矛盾证明对象 (Contradiction Proof Objects, CPOs)： 当观察者检测到关于同一主体的两个 ECO 违反了领域约束时，他们会编译一个 CPO。
   • CPO 是一个自验证对象，它将两个签署的声明、违反的规则以及挑战者的身份绑定在一起。
   • 任何人都可以验证 CPO，无需访问物理货物，仅依赖于加密签名和领域规则。
3. 领域约束： 该协议将五类约束映射到 GS1 EPCIS 2.0 事件语义：
   • 空间 (Spatial)： 一个主体在同一时间出现在两个位置。
   • 时间 (Temporal)： 回溯时间（断言的时间与“发生在前”的顺序相矛盾）。
   • 数量 (Quantity)： 守恒违规（同一发行人的输出超过输入）。
   • 质量 (Quality)： 自相矛盾的状态声明（例如：连续冷链断言与温度偏差日志之间的矛盾）。
   • 监管 (Regulatory)： 被撤销/过期记录所矛盾的合规性断言。

经济激励机制

系统采用抵押惩罚（slashing）机制来遏制恶意行为：

• 质押 (Staking)： 参与者根据其交易价值和风险历史提交比例为 $S$ 的质押金。
• 威慑 (Deterrence)： 如果造假的预期效用为负，则造假行为会被遏制。论文推导出了一个条件 $S > \frac{1-p}{p}g$（其中 $p$ 是检测概率，$g$ 是造假的收益）。
• 确定性归责 (Determinate Blame)： 只有在责任是确定的情况下才会触发惩罚。这仅限于以下情况：
  1. 自我等价性 (Self-equivocation)： 单一发行人签署了两个共同不可满足的声明。
  2. 守恒违规 (Conservation violations)： 单一发行人的输入/输出声明违反了质量平衡（$P_{outputs} > P_{inputs}$）。
  • 不同发行人之间的矛盾或模糊情况会导致产生带有 $\perp$（模糊）责任的 CPO，作为链下仲裁的可移植证据，而不是触发自动化的链上惩罚。

隐私层

该协议支持选择性披露：

• 承诺 (Commitments)： 声明载荷通过 Pedersen 承诺保持隐藏，直到受到挑战。
• 零知识证明 (ZK)： 挑战者可以在不揭示底层数据的情况下证明矛盾的存在（例如数量违规），使用简洁证明（如 Groth16 或 Bulletproofs）。
• 披露层级 (Disclosure Tiers)： 字段可以是公开的、选择性披露的，或通过 ZK 进行检查。论文明确指出，某些约束（如质量随链条退化的过程）在不打开数据的情况下无法进行隐私检查。

核心贡献

1. 形式化模型： 使用 DAG 中的签署 ECO 和自验证 CPO，实现了基于矛盾问责的形式化。
2. 领域映射： 将五类约束类具体映射到 GS1 EPCIS 2.0 事件类型，使“领域特定”的说法具有可操作性。
3. 经济学分析： 在理性及 $k$-方共谋对手模型下，推导了威慑条件，建立了质押、检测概率与收益之间的关系。
4. 隐私集成： 利用承诺方案和可选 ZK 证明构建的隐私层，并针对每个约束类的披露需求提供了明确的分类法。
5. 分析与实证验证：
   • 一个分析检测模型 ($1 - (1-p_{min})^h$) 展示了覆盖范围如何随诚实观察者数量 $h$ 的增加而扩展。
   • 一个单机参考实现证实了检测模型与测量结果的一致性，显示零错误指控并验证了预测的覆盖区间。

结果

• 检测覆盖率： 分析模型预测，检测概率随独立观察者数量的增加而扩展。参考实现证实了这一点：在测得的单观察者检测概率 ($\hat{p}_{min}$) 约为 0.50 的情况下，预测的覆盖范围在每个观察者计数下都与测量的 95% 置信区间重叠。
• 错误指控： 在所有运行中，系统记录了 零错误指控。精确度为 1.000；所有生成的 CPO 均为真实的矛盾。
• 责任解决： 系统正确区分了可惩罚情况（自我等价、单一发行人守恒违规）与模糊情况 ($\perp$)，将后者路由至链下仲裁而不惩罚诚实方。
• 存储： 在既定假设下（每天 10,000 个 ECO，每个对象约 256 字节），预计存储增长约为 每位参与者每年 1 GB。
• 性能： 明文 CPO 生成耗时约 1.5 $\mu$s，验证耗时约 1.1 ms。使用保守的 MODP/Sigma 实现的零知识证明，证明与验证分别需要约 2.1 秒。

意义与范围

论文将 ECO/CPO-DAG 定位为一种 补充审计层，而非源头验证或预言机聚合的替代品。其重要性在于提供了一种机制，可以在不需要全序共识或获取地面真值的情况下，通过经济手段惩罚 可证明的不一致性。

明确的边界与局限性：

• “一致的谎言者”盲点 (The "Consistent Liar" Blind Spot)： 该层无法检测出一个始终如一且不产生矛盾的造假者。如果一个参与者从未发出冲突的声明，他们在该协议下就是不可见的。作者指出这是内在边界，而非缺陷。
• 责任模糊性： 两个不同发行人之间的矛盾（即双方均未进行自我等价行为）无法在链上自动执行惩罚；它们仅作为链下解决问题的证据。
• 分析性质： 论文明确指出，其定量声明（检测概率、存储、ZK 开销）均为模型输出或保守上限（例如使用朴素的 Sigma 协议而非基于曲线的 Bulletproofs）。参考实现是一个单机概念验证，而非生产级网络。

总之，ECO/CPO-DAG 提供了一个具有具体且具备加密基础的供应链问责原语，它将可证明的矛盾转化为经济处罚，严格运行在通过逻辑不一致性而非物理验证进行检测的限制之内。