基于联邦学习和多方安全计算的海铁联运数据安全共享方法研究

Research on Secure Data Sharing Methods for Sea-rail Intermodal Transportation Based on Federated Learning and Multi-Party Secure Computation

摘要

我国海铁联运占港口集疏运比例仍然过低，关键原因之一在于铁路对于港口适运货源的动态信息不明、营销组织不力。铁路货运营销部门缺乏在保证港口、铁路、海关三方数据隐私安全的前提下，根据铁路运力动态主动挖掘港口和海关数据中潜在适运货源的技术方法和手段，难以推出适销对路的运输产品和动态营销手段，也难以为海铁联运基础设施的建设提供有效决策依据。构建基于联邦学习和多方安全计算的铁路-港口-海关数据安全共享方法，使用结合同态加密等多方安全计算技术的梯度提升决策树作为模型训练算法，铁路、港口、海关三方地位对等协作，训练出海铁联运潜在货源识别策略；在该策略的正式运行实现过程中，铁路方能够获得路网各流向潜在适运货源的数量级，各方均看不见、带不走其余参与方的任何原始数据。

Abstract

Sea-rail intermodal transportation in China still accounts for a low percentage of port throughput, and one of the key reasons is the lack of dynamic information regarding suitable cargo sources from ports and ineffective marketing organization by the railway. The railway freight marketing department lacks technological methods of proactively exploring potential suitable cargo sources from port and customs data dynamically according to railway capacity, while ensuring the privacy and security of data among the port, railway, and customs. This hampers the development of suitable transportation products and dynamic marketing strategies. Consequently, it becomes challenging to provide effective decision-making support for the construction of sea-rail intermodal transportation infrastructure. This paper constructed a secure data-sharing method among railways, ports, and customs based on federated learning and multi-party secure computation. The paper utilized gradient boosting decision trees, combined with multi-party secure computation techniques such as homomorphic encryption as the model training algorithm. The collaborative effort among the railway, port, and customs with equal status was used to train a strategy for identifying potential cargo sources of sea-rail intermodal transportation. During the formal implementation of this strategy, the railway can gain insights into the volume of potential suitable cargo sources along various routes within the network, while ensuring that each party does not have visibility or access to the raw data of other participants.

Graphical abstract

关键词

海铁联运 / 多方安全计算 / 联邦学习 / 同态加密 / 梯度提升决策树

Key words

Sea-rail Intermodal Transportation / Multi-Party Secure Computation / Federated Learning / Homomorphic Encryption / Gradient Boosting Decision Tree

0　引言

集装箱海铁联运因其高效、低碳和大规模的优势，成为各国优先发展的多式联运运输方式。然而与欧美国家20%~30%的海铁联运集装箱运输占比相比，我国的占比仅为2%^[1]。目前我国铁路货运部门缺乏根据自身运能情况，主动从港口到达集装箱数据中动态挖掘出适用于海铁联运疏运方式的潜在货源的技术手段。若能实现上述技术，则可通过推出适销对路的海铁联运运输产品和营销手段、并制定动态调整策略，来吸引货主选择海铁联运方式，从而增加海铁联运占比。因此，如何基于铁路、港口和海关三方的动态、深层次数据共享，从铁路适运和货主适运两方面着眼，从我国到港的海量集装箱中挖掘出符合海铁联运适运货源的分货类、分流向的数量级，是支持我国铁路海铁联运货运营销与运输组织业务优化的前提条件。

在当前的海铁联运领域，电子数据交换(Electronic Data Interchange，EDI)是主流的数据共享技术^[2]。各参与方，包括铁路、港口、货代、海关等，通过发送统一格式的报文信息到EDI中心，并依据权限通过数据接口实现信息共享。在相关研究中，卢睿等^[3]深入探讨了铁路信息共享系统的挑战，并提出了基于区块链的解决方案，旨在降低数据流转过程中的组织信任成本并提高数据安全性。黄敏珍等^[4]以实现多式联运数据共享的去中心化、提高作业协同效率等为目标，也提出了基于区块链的多式联运数据共享架构。但这些方法都存在数据安全和隐私保护的问题，大多数数据交换仍然仅限于基础的运输协作数据，如港口请求车、铁路确认车及其相关后续运输生产协作数据，导致铁路方通常只能被动地等待港口和货主的需求。

为了解决这一问题，研究提出一种集成联邦学习和多方安全计算技术的铁路-港口-海关数据共享方案。该方案能够在不泄露任何参与方的敏感数据的前提下，实现数据的安全、实时共享，还能针对海铁联运的特定需求，提供一套更为灵活和高效的数据分析工具。这将有助于推动我国海铁联运的发展，满足市场需求，同时也为相关营销和运输组织的优化提供有力的数据支持。

1　铁路-港口-海关数据安全共享方法

1.1　数据共享方法研究框架

在多式联运运输领域中，特别是在海铁联运中，数据共享和安全性是2个亟待解决的问题。研究通过整合联邦学习和多方安全计算技术，以加密梯度提升决策树作为模型训练算法，提出海铁联运数据安全共享的研究框架，基于多方安全计算和联邦学习的海铁联运数据共享方法研究框架如图1所示，主要包括3个关键步骤：海铁联运数据共享需求、数据安全共享技术解决方案、基于数据安全共享的潜在货源识别策略。

1.2　海铁联运数据共享需求

目前铁路、港口、海关三方能交换的仅限于港口预订车、铁路确认车及其相关后续铁路车流箱流到达预报确报、海关放行、装箱清单、装车确认、车号箱号绑定、港口铁路交接、装车安全监测、中时停时等运输生产协作数据。

要识别海铁联运潜在货源，需要结合铁路运能运力情况，动态挖掘港口集装箱的船期、作业、堆场、疏运等生产业务数据和海关报关信息。而这些数据中，港口、铁路的EDI报文交换具有滞后性，海关的部分报关信息例如货主、境内目的地和货源地等，出于隐私考虑未向铁路方、港口方提供。

另外，港口对于铁路的数据需求迫切，但存在数据壁垒。港口亟需以机器可读方式获取铁路的运能运力动态、空重列车到达时间、到达编组、车站停限装、集装箱追踪等情况等数据。虽然铁路95306最新升级提供了更精确的车辆到达预报时间，但港口仍期望进一步提高预报期限和精度，以进行其卸船工班、库场入堆转堆作业、装卡、港口铁路调度等计划的提前编制，以降低港口作业成本，不断提升其自身的客户服务水平。在铁路-港口“一对多”的数据交换模式下，铁路难以满足各港口对于其数据个性化、动态化的需求，同时铁路的网信安全政策也不允许其将全量数据开放给港口供其挖掘使用。

因此，目前海铁联运面临数据壁垒问题，现有系统不能满足铁路、港口和海关的数据共享需求。

1.3　数据安全共享技术

（1）联邦学习。联邦学习的概念最早由谷歌提出^[5-7]，本质上是一种分布式学习，旨在通过各个数据参与方的分布式数据集共同构建机器学习模型，以防止隐私泄露。实际应用方面，张宗翔等^[8]从技术应用和技术管理的角度，对联邦学习应用现状进行分析。朱建明等^[9]探讨了基于联邦学习的智能边缘计算在物联网中的应用。孙昊颖^[10]介绍了联邦学习在银行、保险、反金融犯罪中的应用和可能存在问题。蒲天骄等^[11]提出了一种基于联邦强化学习的多智能体分布式协同优化策略，以应对分布式电源优化调度中的隐私和实时性问题。此外，Ramaswamy等^‎[12]发现联邦学习还可被应用于移动端的输入法优化支持。而Chen等^[13]则指出联邦学习在可穿戴医疗设备领域实现病人的隐私保护。

综上所述，联邦学习能在原始数据不直接参与的情况下进行模型训练，已经在多种领域进行实际应用。海铁联运潜在货源挖掘场景中，港口生产业务样例数据来源于同一港口，涉及到的业务数据特征重叠较多，同时港口和铁路用户特征重叠较少，故可采用纵向联邦学习。

（2）多方安全计算。多方安全计算在1982年由姚期智院士提出^[14]，该方法可保证在无可信第三方的前提下完成模型训练，并保证结果的隐私性和正确性。集装箱海铁联运潜在箱源识别方法可采用Paillier同态加密技术^[15]，这是一种基于复合剩余类困难问题的公钥加密算法。Paillier同态加密满足加法同态性，即密文相加的结果等于对应明文相加的结果，可以表达为

Dec(Enc(x+y))=Dec(Enc(x)\oplus Enc(y))⑴

式中：Dec表示解密；Enc表示加密；x和y均表示明文；“+”表示明文运算；“⨁”表示密文运算。

在联邦学习框架中使用多方安全计算，可满足联邦学习对于保护各方用户数据与共享过程隐私安全的需求。在海铁联运数据共享场景中，同态加密可对三方数据共享过程中的需求参数与梯度传输进行加密。

1.4　数据安全共享技术应用方案

根据海铁联运数据共享需求，结合联邦学习和多方安全计算技术，设计海铁联运数据共享技术应用方案。该方案的架构参考微众银行开发的FATE框架，并分为2个主要部分，即铁路、港口、海关的联邦计算节点和铁路隐私计算平台。在此方案中，主要的模型训练将在铁路隐私计算平台中进行，海铁联运数据安全共享技术应用方案如图2所示。隐私计算平台分为3层：数据存储层、模型训练层、数据应用层。

（1）数据存储层，连接着铁路、港口和海关的数据节点，主要负责数据管理任务，包括在模型训练过程中收集三方的模型训练参数(加密梯度)、存储整个模型训练过程中的中间数据，并在模型训练完成后存储模型。

（2）模型训练层，作为海铁联运隐私计算平台的核心模块，是隐私计算技术介入模型训练过程的主要应用模块。该层主要利用联邦学习和同态加密等多方安全计算技术，通过公钥加密模型训练中间参数，并利用同态加密的特性保证训练结果的准确性。除了负责主要的模型更新、模型构建和模型训练功能外，模型训练层还会通过权限监控对节点进行管理。

（3）数据应用层，用于对平台的训练结果进行可解释性展示，是模型应用落地的重要体现。该层提供模型训练结果的评估报告，利用常见的模型训练指标对训练结果进行评估，并生成表格数据。同时，采用可视化技术对表格数据进行展示。数据应用层会应用模型训练结果并收集用户反馈，生成模型服务结果报告。

从总体数据流动看，提出的方案通过联邦计算平台向铁路提供路网各流向、潜在货源、箱源数量级等信息。铁路利用自身数据生成的梯度，结合港口和海关训练生成的梯度，使用梯度提升决策树等算法进行模型训练。训练结果存储在铁路联邦计算平台中，并等待应用，铁路在此过程中没有权限查看训练结果中涉及港口的相关信息。整个过程中，各参与方无法接触其余各方的原始数据。

2　方案应用

2.1　海铁联运潜在货源识别数据与技术选用

任何场景下的海铁联运数据安全共享，都需要首先厘清参与方共享数据源。潜在货源识别场景中，涉及到的潜在货源所用数据如表1所示。

所需的港口数据中隐私数据为非铁路运输集装箱的作业统计信息、非铁路运输集装箱的调度信息。所需的海关信息包含集装箱信息和货主信息，均属于敏感数据。所需铁路信息中隐私数据是不为港口运输集装箱的动态信息和运输信息。其余数据为非隐私数据。整个过程原始数据不搬家，保证数据的隐私性。潜在货源识别模型训练步骤如下。

（1）模型训练发起。由铁路发起，确定训练数据范围和学习算法。

（2）生成识别逻辑。利用各参与方提供数据进行模型训练，生成潜在货源识别模型。

（3）应用潜在货源识别模型。对实时数据进行预测，挖掘出在铁路需求时间段内且未确认为海铁联运运输方式的潜在货源。

梯度提升决策树具有可灵活处理各类数据、准确率较高、适用范围广和可解释性强的特点^[16]，因此采用梯度提升决策树算法作为机器学习算法。由于模型训练需要在加密状态下进行，选用同态加密算法作为参数加密算法，即加密梯度提升决策树^[17]。加密梯度提升决策树参考了树模型算法XGBoost^[18]，并通过加密参数参与将损失函数最小化的过程。目标函数公式为

ob{j}^{(t)}={\displaystyle \sum _{i=\mathrm{1}}^N}l(y_i,{{\stackrel{⌢}{y}}_i}^{(t-\mathrm{1})}+f_t(x_i))+\Omega (f_t)⑵

式中：l表示损失函数；y_i表示实际值；{{\stackrel{⌢}{y}}_i}^{(t-\mathrm{1})}表示第t-1轮的预测；f_t(x_i)表示样本在第t轮的得分函数；\mathrm{\Omega }(f_t)表示树的复杂度，\mathrm{\Omega }(f_t)值越小，树的复杂度越低，泛化能力越强。

2.2　模型训练流程

2.2.1　数据选择

潜在货源识别模型中的模型训练的港口选用特征值如表2所示，铁路选用特征值如表3所示，海关选用特征值如表4所示，其中将集装箱箱号作为模型训练中样本对齐使用的编号。

2.2.2　数据准备阶段

潜在货源识别模型的数据准备分为3个阶段，分别为数据预处理、特征补全和正样本补充。

在数据预处理阶段，类别型数据可分为2类：直接映射为布尔型数据(如贸易类型中的外贸为[1]，内贸为[0])，以及需要使用one-hot编码进行处理的超过2类类别型数据(如货类中的普通货物可表示为[1，0，0，0，0，0，0]，危险品可表示为[0，1，0，0，0，0，0])。

特征补全阶段利用基础数据，如港口至各目的地的公路、水路、铁路距离统计，结合海关数据中的境内目的地统计，来估计单个集装箱的公路运输里程、公路运输时间和公路运输价格等。同时，使用发布政府、补贴金额、补贴条件等基础数据来补全海关到发站的政府补贴支持情况。

由于海铁联运中满足潜在货源条件的正样本数量较少，需要进行正样本补充。具体而言，通过潜在货源挖掘逻辑确定正样本。正样本补充步骤具体如下。

步骤1：首先确定筛选潜在货源的铁路需求时间段。

步骤2：将船舶到达预确报及到港时间、卸船时间、靠泊时间均在铁路需求时间段内或提前1~2 d的集装箱，以及当天8 h工班计划卸船的集装箱、已卸集装箱，形成集合A。

步骤3：在堆场中，将堆存期在时间段内且已超过免堆期的所有集装箱重箱(考虑港口堆场周转率影响参数)，形成集合B。

步骤4：通过基础数据筛选目的流向距离港口公路M₁ km、水路M₂ km的货源(此类货源位于临港工业区或周边沿海沿江地区，不适合铁路运输)，以及距离最近的铁路货运站与铁路运距相对较大的货源，如大于N(终端送达转运物流距离过远，不适合铁路运输)，形成集合D。

步骤5：将铁路订车计划、铁路承认车计划的预订时间在该时间段内或提前1~2 d的集装箱，即表示已经预订或确认海铁联运，归为集合E。

步骤6：根据时间筛选出初步的潜在货源，其计算公式如下。

F=A+B-D-E⑶

步骤7：对集合F中的货源按货类和目的流向进行分类汇总，得到矩阵G_xy，其中x表示货类，y表示目的流向，g_xy 表示货类x去往目的流向y的货源数量累计。

步骤8：在港口生产业务历史大数据中，统计货类x去往目的流向y的总货源数量中，经铁路运输的货源数量，生成矩阵H_xy，并将货类x去往目的流向y的铁路线中的停限装动态集合表示为R_xy。

步骤9：计算潜在货源，计算公式如下。

Q_{xy}=(G_{xy}-H_{xy})⊙R_{xy}。

基于以上步骤，Q_xy 即为潜在货源集合。

2.2.3　模型训练阶段

完成数据准备后，各参与方采用数据库交叉点的隐私保护协议^[19]在加密状态下进行样本对齐，以便统一三方的训练样本。随后，对已经对齐的样本进行数据融合，此过程原始数据均为加密状态。数据融合后，对样本进行数据切分，划分为训练集、验证集和测试集。最终，完成模型训练，生成一个潜在货源识别模型。模型训练流程如图3所示。模型训练结果会显示特征的重要性，根据重要性可整理出潜在货源识别模型的判定条件的优先级，优先级由高到低依次为：①未选择海铁联运运输方式；②目的地流向与铁路运输方向相同；③堆存时长将要超过免堆期；④铁路运输时长少于公路运输时长；⑤到发站未在铁路停限装公告里；⑥到发站有政府补贴；⑦铁路运输里程少于公路运输里程；⑧铁路运输价格合计少于公路运输价格。

2.3　应用过程

模型应用过程如图4所示，在潜在货源识别策略模型服务的应用过程中，与模型训练过程类似，完成数据准备之后，通过加密参数传输数据参与模型应用。随后，推理出的结果将传输回铁路，铁路根据权限进行解密，以统计潜在货源并基于其特征执行相应的营销策略和动态策略调整。上述模型训练和应用过程，保证了数据的隐私性和准确性。首先，参与方不会将其原始数据发送给其余参与方，三方无法访问对方的原始数据。其次，同态加密的特性确保在加密状态下，三方的运算结果能与未加密时的结果保持一致。最后，模型训练中用到的所有参数都处于加密状态下，三方都不能通过加密后的参数获取对方的数据信息。整个过程确保数据不搬家，原始数据不可见。

3　结束语

针对海铁联运占比较低的问题，铁路、港口和海关需打破数据壁垒，以挖掘尚未选择海铁联运运输方式的潜在货源，为铁路制定营销策略和动态计划提供技术支持。为确保三方的数据安全，使用联邦学习和多方安全计算技术，设计铁路-港口-海关数据安全共享方案，保证铁路、港口和海关在数据不搬家的情况下完成模型训练。在后续研究中，可以考虑运用秘密共享、差分隐私、不经意传输等加密算法对梯度提升决策树算法进行加密，并且联邦学习还包括横向和联邦迁移学习模式，未来可以探索多种场景下的数据共享。

参考文献

[1] 毕成成. “双碳”背景下我国港口海铁联运发展现状及对策：以天津港为例[J]. 中国港口，2023(1)：26-31.

[2] 傅赟，李樱灿，刘畅，等. 我国集装箱海铁联运信息共享模式探析[J]. 铁道货运，2020，38(12)：7-12.

[3] FU Yun， LI Yingcan， LIU Chang，et al. Analysis on Information Sharing Mode of Sea-Rail Container Intermodal Transportation in China[J]. Railway Freight Transport，2020，38(12)：7-12.

[4] 卢睿，王子甲，尤嘉，等. 区块链技术驱动的铁路工程信息共享框架研究[J]. 铁道工程学报，2020，37(11)：100-105.

[5] LU Rui， WANG Zijia， YOU Jia，et al. Research on the Information Sharing Framework in Railway Construction Driven by Block Chain Technology[J]. Journal of Railway Engineering Society，2020，37(11)：100-105.

[6] 黄敏珍，王瑞民，林晓蕾. 多式联运数据交换区块链技术应用研究[J]. 铁道运输与经济，2021，43(2)：75-81.

[7] HUANG Minzhen， WANG Ruimin， LIN Xiaolei. A Study of the Application of Block Chain Technology on Multimodal Transportation Data Exchange[J]. Railway Transport and Economy，2021，43(2)：75-81.

[8] KONEČNÝ J， MCMAHAN H B， RAMAGE D，et al. Federated Optimization：Distributed Machine Learning for On-Device Intelligence[EB/OL]. (2016-11-08)‍[2024-03-10].

[9] KONEČNÝ J， MCMAHAN H B， YU F X，et al. Federated Learning：Strategies for Improving Communication Efficiency[EB/OL]. (2017-08-30)‍[2024-03-10].

[10] MCMAHAN H B， MOORE E， RAMAGE D，et al. Federated Learning of Deep Networks Using Model Averaging[EB/OL]. (2016-02-17)[2024-03-10].

[11] 张宗翔，郑大庆，张成洪，等. 面向应用的联邦学习研究评述：基于“要素-过程”框架[J]. 管理工程学报，2024，38(1)：14-30.

[12] ZHANG Zongxiang， ZHENG Daqing， ZHANG Chenghong，et al. Literature Review on Federated Learning Application：Based on “Element-Process” Framework[J]. Journal of Industrial Engineering and Engineering Management，2024，38(1)：14-30.

[13] 朱建明，张沁楠，高胜，等. 基于区块链的隐私保护可信联邦学习模型[J]. 计算机学报，2021，44(12)：2464-2484.

[14] ZHU Jianming， ZHANG Qinnan， GAO Sheng，et al. Privacy Preserving and Trustworthy Federated Learning Model Based on Blockchain[J]. Chinese Journal of Computers，2021，44(12)：2464-2484.

[15] 孙昊颖. 联邦学习在金融产业的应用展望[J]. 新疆师范大学学报(哲学社会科学版)，2022，43(3)：140-148.

[16] SUN Haoying. The Prospects of Applications of Federated Learning in Finance Industry[J]. Journal of Xinjiang Normal University (Philosophy and Social Sciences)，2022，43(3)：140-148.

[17] 蒲天骄，杜帅，李烨，等. 面向隐私保护基于联邦强化学习的分布式电源协同优化策略[J]. 电力系统自动化，2023，47(8)：62-70.

[18] PU Tianjiao， DU Shuai， LI Ye，et al. Collaborative Optimization Strategy of Distributed Generators Based on Federated Reinforcement Learning for Privacy Preservation[J]. Automation of Electric Power Systems，2023，47(8)：62-70.

[19] RAMASWAMY S， MATHEWS R， RAO K，et al. Federated Learning for Emoji Prediction in a Mobile Keyboard[EB/OL].(2019-07-01)‍[2020-04-07].

[20] CHEN Y Q， QIN X， WANG J D，et al. FedHealth：A Federated Transfer Learning Framework for Wearable Healthcare[J].IEEE Intelligent Systems，2020，35(4)：83-93.

[21] YAO A C. Protocols for Secure Computations[EB/OL].(1982-11-03)‍[2024-03-10].https：/ieeexplore.ieee.orglabstract/document/4568388.

[22] PAILLIER P. Public-Key Cryptosystems Based on Composite Degree Residuosity Classes[EB/OL].(1999-04-15)‍[2024-03-10].

[23] ELGAMAL T. A Public Key Cryptosystem and a Signature Scheme Based on Discrete Logarithms[J]. IEEE Transactions on Information Theory，1985，31(4)：469-472.

[24] CHENG K W， FAN T， JIN Y L，et al. SecureBoost：A Lossless Federated Learning Framework[J]. IEEE Intelligent Systems，2021，36(6)：87-98.

[25] CHEN T Q， GUESTRIN C. XGBoost：A Scalable Tree Boosting System[EB/OL].(2016-08-13)[2024-03-10].

[26] LIANG G， CHAWATHE S S. Privacy-Preserving Inter-Database Operations[EB/OL].(2004-06-10)‍[2024-03-10].

基金资助

国家自然科学基金项目(52172311)

中国国家铁路集团有限公司科技研究开发计划课题(K2022W003)