基于区块链技术及应用的可视化研究综述

邵怡敏，赵凡，王轶，王保全

基于区块链技术及应用的可视化研究综述

邵怡敏1，2，赵凡1*，王轶1，王保全1

（1.中国科学院新疆理化技术研究所 新疆民族语音语言信息处理实验室，乌鲁木齐 830011； 2.中国科学院大学 计算机科学与技术学院，北京 100049）（ ∗ 通信作者电子邮箱zhaofan@ms.xjb.ac.cn）

区块链技术源自比特币，是一项颠覆性的创新技术，具有十分广阔的发展前景。面对区块链平台及应用领域不断扩展的需求，引进可视化技术能够增强用户的认知能力，帮助用户从海量复杂数据中高效发现有用信息，并辅助用户的理解与决策，是区块链技术的研究前沿之一。为了深入了解基于区块链技术及应用的可视化研究，首先，介绍了区块链和可视化基础理论，并从多个维度分析了现有区块链可视化研究文献；其次，从共性关键技术出发，介绍了区块链交易处理、共识机制、智能合约和网络安全方面的可视化研究方法；同时，概述了虚拟货币、社会民生和融合创新等多个领域中区块链可视化的应用现状；最后，总结和展望了基于区块链技术及应用的可视化研究的发展趋势。

区块链；可视化；可视分析；区块链应用；联盟链；元宇宙

0 引言

区块链技术作为比特币［1］的基础技术支撑，是一种具有去中心化、不可篡改、可追溯和可信等特性的分布式数据库。区块链技术使得互不信任的组织或个人，在没有中心控制机构的情况下验证和传递信息。从早期的以加密货币为主的区块链1.0阶段，到引入智能合约的区块链2.0阶段，再到多领域应用的区块链3.0阶段，最后可能到基于工业的区块链4.0阶段，区块链已有向生产生活的方方面面渗透的趋势［2］。

随着区块链平台的发展和应用领域的延伸，区块链数据的容量、类型、多样性和复杂性都逐渐增大，以列表形式展示的结构化数据已经无法高效地传递信息。可视化技术可以使数据更加直观有效，化繁为简，方便用户理解；也可以建立数据之间的关系和趋势，提升用户分析决策的能力和效率。

可视化［3］是利用视觉感知和交互增强用户认知能力的技术，可视化分析［4］在可视化基础上增加了自动化分析技术，使用户可以快速有效地探索数据和获取信息。可视化技术可以有效地将信息图形化表示，通过视觉感知推理分析，达到知识传播的目的。随着区块链技术的不断发展和政策的不断推动，不仅金融行业，其他行业，如教育、医疗、供应链等，也在不断引入区块链技术［5］。可视化技术不仅可以帮助区块链专业人士快速地挖掘有用信息，也可以帮助各行各业非专业人士更好地理解区块链系统。

近年来，虽然已有关于区块链可视化方面的综述论文［6-8］，但它们的研究对象主要围绕电子加密货币相关的金融领域，缺少共识机制、智能合约和其他领域的区块链可视化研究。本文从共性关键技术可视化和多领域应用可视化两大类进行综述。共性关键技术主要包含交易处理、共识机制、智能合约和网络安全的可视化，多领域应用则是区块链技术在不同业务场景下应用的可视化研究。

1 基础理论

1.1　区块链

区块链是将区块数据按照时间顺序形成链式结构的去中心化分布式账本，并通过密码学、共识机制和智能合约等技术保证数据安全、更新和操作，具有防篡改、可追溯、可编程和安全可靠等特性［9］。区块链可分为公有链、联盟链和私有链，其中：公有链指任何人都可参与到区块链网络中，属于完全去中心化状态，如比特币［1］、以太坊［10］；联盟链指由几个组织共同组成的区块链系统，进入联盟链需要一定的权限，如Hyperledger Fabric［11］；私有链则是组织内部使用的区块链系统，不对外开放。从比特币、以太坊到Hyperledger Fabric等区块链应用，尽管实现方式有所不同，但它们的体系架构均可划分为网络层、共识层、数据层、合约层和应用层［12］。其中前4层是区块链系统的基础保障和核心，主要涉及交易处理、共识机制、智能合约和网络安全等共性关键技术，而应用层则与应用场景和具体业务有关，区块链的总体框架如图1所示。

图1　区块链总体框架

交易是区块链的最小信息单元，区块是区块链的基本存储单元，由一定数量的交易组成，实体则是区块链系统中涉及的个人或组织。区块链共识机制是区块链中非常重要的一项技术，它保障了区块链分布式网络中互相不信任的节点之间达成共识，也保障了数据一致性。常见的共识机制有工作量证明（Proof of Work， PoW）、权益证明（Proof of Stake， PoS）、实用拜占庭容错（Practical Byzantine Fault Tolerance， PBFT）、委托权益证明（Delegated Proof of Stake， DPoS）等［13］。智能合约是区块链中另一项关键技术，是运行在区块链系统上的一段自动执行的代码脚本，它允许用户提前预设好合约，当满足合约条件后，程序会自动执行［14］。区块链网络中，在交易、共识、智能合约和加密等方面都可能会出现安全问题，可能会受到双花、恶意智能合约、51%攻击、分布式拒绝服务（Distributed Denial of Service， DDoS）等攻击［15］。

1.2　可视化

可视化利用点、线、面等几何图形，以及位置、尺寸、形状、亮度、颜色、方向、纹理等视觉通道，对数据进行可视化编码，将数据转化为视觉表达，从而增强人脑认知的能力，让人们从视觉认知洞察数据。可视化也提供了丰富的交互手段，如选择、探索、重配、编码、抽象/具象、过滤和关联等［58］，人们可以通过交互式可视化优化信息显示方式降低认知负担，实现更精准更高效的可视化表达。同时通过可视化自动化分析复杂高维多元的数据，以便用户能够快速获取关键信息，从而实现高效精准的推理和决策。

目前，可视化已经成为呈现、分析和探索数据的重要工具。在区块链行业的快速发展过程中，可视化也起到了积极的促进作用。它不仅可以使区块链中的关键技术直观地表达，让用户了解区块链中区块、节点、网络等数据情况，从而帮助用户分析和决策，也可以让区块链系统界面更加友好和利于交互，从而使得不同行业、不同人员和不同业务之间更好地协作。

1.3　区块链可视化

近年来，国内外研究者在区块链可视化方面做了大量研究工作，同时也涌现了一些关于区块链可视化方面的综述论文。Sundara等［6］简要描述了8个在线的比特币可视化工具，简要总结了它们的可视化方式，并表示可视化技术现已被用于显示区块链交易。Tovanich等［7］整理分类了46个在线比特币可视化工具，将它们分为5个分析任务：金融交易、交易网络、P2P网络活动、加密货币交易所和娱乐休闲工具，并发现现有的在线可视化工具多专注于金融交易、加密货币交易和P2P网络活动。此后，Tovanich等［8］扩展了数据源，从目标区块链、区块链数据、目标受众、任务域和可视化类型这5类区块链可视化源出发，分别系统地、定量地评估了收集到的76个可视化工具，并进一步详细地描述任务域中的不同类型的工具。

现有的区块链可视化研究综述的研究对象主要集中于电子加密货币，缺少对于共识机制、智能合约和区块链其他应用领域资源的研究。为了更全面地了解基于区块链技术和应用的可视化研究现状，本文在前人的研究基础上，进一步总结和分析了区块链可视化的相关研究。

2 区块链可视化重要研究分析

本文将从可视化方式、可视化内容、时间、区域和领域等多个维度，对基于区块链技术和应用的可视化研究文献进行归纳整理和统计分析。

在可视化方式方面，现有研究普遍使用基本图表方式，如柱形图、条形图、折线图、饼图和散点图等，其次是多视图和交互方式，较少使用字形、隐喻、Google Blockly和统一建模语言（Unified Modeling Language， UML）模型图等高级图表。在可视化内容方面，在共性关键技术中，普遍是针对区块链交易处理和网络安全的可视化，而针对共识机制的可视化较少；在多领域应用可视化方面，普遍是虚拟货币领域，社会民生领域和融合创新领域较少。结合可视化方式和可视化内容两方面，交易处理和网络安全涉及交易、区块、时间、节点、实体、网络和外部用户等多种信息，基本图表无法满足需求，大多采用多视图和交互增加可视化效果，提升用户的分析能力。智能合约因可编程的特殊性，普遍借助可视化编程工具降低编程门槛。在时间维度方面，区块链可视化研究呈缓慢增长的趋势。从区域角度，亚洲和欧洲关于区块链可视化方面的研究相对较多，其他州的相关工作较少。从领域角度，基于区块链应用的可视化研究在虚拟货币领域的研究最多，在社会民生和融合创新领域，每年涉及的领域在逐年缓慢增多，呈现多样化趋势。

3 区块链共性关键技术可视化

区块链是综合性技术产物，涉及数据处理、数据存储、P2P网络、密码学、安全、共识机制和智能合约等技术。现有的基于区块链技术的可视化研究大多集中于数据处理、P2P网络和安全，小部分研究关注共识机制和智能合约，本文将其中涉及的区块链共性关键技术划分为4类：交易处理、共识机制、智能合约和网络安全。从交易的生成到交易的传播，再到区块的生成，最终到区块链的存储，交易处理贯穿始终；共识机制可以决定哪个节点可以创建区块，保证分布式系统的数据一致性；智能合约是一段自动执行的代码，它确定了整个交易处理过程的逻辑规则，也确保了区块链系统的不可篡改性；而网络安全是区块链系统中必不可少的环节，不论是交易处理、共识机制、智能合约，还是区块链中其他技术环节，都需要考虑到网络安全。以下就区块链共性关键技术的相关可视化研究分别展开阐述。

3.1　交易处理可视化

交易处理可能涉及交易、区块、地址、节点和实体等多种信息，现有研究中普遍采用基本图表、多视图和交互相结合的方式可视化，但可视化侧重的研究对象存在一些差异。

1）研究侧重于区块链交易细节的可视化。Shrestha等［16］将每一笔交易通过它的地址映射到3D渲染的地球中，并提供缩放功能改变地球的大小，同时在左侧显示比特币交易的地址、时间、价值等信息，如图2（a）所示。SilkViser工具［17］可视化了区块链、块、交易和地址信息，并针对这4类数据分别设计了4个页面：区块链页面采用黄色旧纸质账本的隐喻表示一个块，再将块按照时间顺序串联起来，并用折现图和条形图显示交易和块的产生趋势；块页面使用类似铜币的设计表示交易信息；交易页面采用铜币‒桑基图显示交易的输入输出；地址页面的双轴线性复合图显示了某地址的余额变化和交易参与趋势，如图2（b）所示。Peral等［18］和HyperSec工具［19］则是基于联盟链浏览器Hyperledger Explorer可视化了交易和区块的详细信息和统计信息。

2）侧重于对区块链中实体的可视化。BitConduite工具［20］通过多视图联动和过滤、关联、选择等交互手段分析比特币实体活动，用户可以通过过滤视图（A）、树视图（B）和集群视图（C）层层递进筛选实体组，接着在实体浏览器（D）中通过实体星形符号的相似性和差异性判断实体之间的联系，并在交易视图（E）中显示选中实体的具体交易时间线，如图2（c）所示。区块链实体浏览器［21］则是更注重单个实体，通过集群地址和交易细节分析单个实体，如图2（d）所示，其中：A为地址输入栏；B为时间轴，实线表示处于活动状态，虚线的端点为数据集的起止时间；C为地址栏；由右上圆角与实心圆组成的输入字形和左下圆角与实心圆组成输出字形分别表示对应地址的发送和接收状态，同时存在则是发送和接收地址一致，字形中圆圈大小表示收发的数量的多少，m则表示挖矿。

图2　交易处理可视化

3）侧重于区块链中交易和实体之间关系的可视化。Oggier等［22］和Tharani等［23］提出了地址、交易之间的关系网络图，可用于探索感兴趣或者可疑的节点地址。BitVis工具［24］基于多视图设计了实体、地址和交易之间的关系网络图，并提供鼠标滚动、拖拽、选择等交互手段改变图形大小和布局。用户通过搜索面板（A）筛选实体、交易或地址，并确定关系浏览器（V1～V4）中是显示基于实体还是基于交易的关系网络图，而关系网络图中实体总数等量化指标和选中的实体或交易的详细信息，则会分别显示在视图面板（C）和详细面板（D）中，同时在时间显示模块（E）中则提供了历史统计信息和实时交易趋势，如图2（e）所示。

3.2　共识机制可视化

区块链通过共识机制生成和更新数据，从而保障了信息的一致性。部分研究人员通过可视化区块链网络节点的运行状态和动画，帮助用户了解区块链中共识协议如何决策。例如，Baldouski等［25］基于投票的共识机制设计了一款可视化插件，将参与共识的角色分为验证者、委员会和块生产者，通过每个节点的角色表示和节点间的动画，快速评估当前节点是否正确履行职责，从而帮助用户理解和调试区块链系统，如图3（a）所示。也有部分研究员则侧重于利用共识机制的特性，了解区块链中网络节点的演化。例如，温啸林等［26］基于DPoS共识机制特性，提出了区块链社区演变的可视化交互系统，通过共识机制的选择和激励效能、节点所属地域分布以及节点间演化过程中的差异3个方面分析和发现区块链社区的演化过程中的异常情况，更进一步地发现DPoS共识机制的优点和不足之处，从而及时改进和调整，界面如图3（b）所示。

图3　共识机制可视化

3.3　智能合约可视化

智能合约需要编程实现，即需要专业人士完成。为了使普通用户能够定制满足自我需求的合约，需要设计便于操作、易于理解的智能合约可视化编程工具，使得合约构建更容易。部分研究人员将智能合约与Google Blockly结合，通过拖拽界面的代码块，生成自定义的智能合约［27-30］。例如，图4（a）是智能合约可视化编程框架SmartBuilder［30］的用户界面，其中c）为可视化块编辑器，用户可以拖拽左侧b）中的自定义工具箱，在右侧d）和e）中分别会显示出相应代码块的简单摘要和智能合约源代码。此外，部分研究人员则是利用前端开发框架设计了智能合约构建工具。例如，LATTE［31］基于Electron和React框架的以太坊可视化智能合约构建工具，并且支持用户随时查看以太坊上智能合约运行成本（gas）。

与前面借助可视化技术构建智能合约的研究不同，部分研究通过可视化技术显示智能合约，提高用户对智能合约的可读性［32-34］。Jeong等［32］实现的智能合约可视化平台，可以将智能合约自动转化为人类易读的数字文档，即李嘉图合约，从而提高普通用户对合约的理解。Pierro等［33］则是将智能合约源代码可视化为UML类图，帮助开发人员更好地分享和理解智能合约整体架构。E-EVM［34］是在以太坊虚拟机上执行的工具，将合约代码块的关系映射为有向图进行可视化显示，便于用户理解智能合约运作方式，如图4（b）所示。

图4　智能合约可视化

3.4　网络安全可视化

在区块链系统中，安全是必不可少的环节。部分研究人员提出用可视化工具帮助网络安全分析师检测、发现和分析区块链系统中的攻击。例如，可视化分析监控工具HyperSec［19］可用于辅助安全专家监测网络攻击，如图5（a）所示。其中①仪表盘和链码视图中，（A）显示了与区块链框架漏洞相关的安全问题，（B）则显示了配置被篡改时的警报信息；②网络视图通过节点‒链接图交互式显示整个网络活动；③交易视图则显示了交易、块和处理时间等信息。Killer等［35-36］设计了一个针对区块链信号系统安全的交互式仪表盘，方便网络分析师可以根据实时安全状态来调整对分布式拒绝服务攻击的防御强度，如图5（b）所示。

由于比特币价值日益增加，部分研究员则通过可视化工具探索和发现比特币中的异常和违法行为。Akcora等［37］和Oggier等［22］分别提出了一种高效的数据可视化分析框架和一个图形挖掘工具BiVA，可以有效地分析区块链网络中的可疑地址，发现勒索行为。BlockChainVis工具［38-39］允许用户从区块间隔、交易数量、交易价值、矿工数量这4方面过滤掉部分交易数据，从而更便于分析和发现比特币交易中存在的非法活动，也可用于发现WannaCry勒索软件，如图5（c）所示。其中从左上图开始，最初可视化信息包含所有信息，后面的图通过不断调整过滤条件，到最后一张图只涉及两个节点的交易。Tharani等［23］通过图形化分析发现比特币中的欺诈活动，BitVis工具［24］则可以帮助金融监管机构更为高效地追踪可疑账户。Ahmed等［40］设计了一个追踪被盗或被污染的比特币的图形模型，用户可以通过选择、过滤等交互行为减少数据密度，减缓污染重叠问题。

图5　网络安全可视化

4 区块链多领域应用可视化

近年来，区块链已经成为金融行业的热点话题，虚拟货币更是备受关注。区块链技术初始大多用于虚拟货币，而随着区块链技术的蓬勃发展，区块链不仅影响着衣食住行、吃喝玩乐相关的食品、医疗、教育、旅游等社会民生领域，也影响着供应链、物联网、大数据和元宇宙等融合创新领域。

4.1　虚拟货币领域可视化

目前区块链可视化在金融行业的研究大多是关于虚拟货币，部分研究关注虚拟货币的交易处理，如区块、交易、实体等信息；部分关注虚拟货币的安全性，如勒索软件、可疑账户、欺诈活动、盗取货币等威胁；还有一部分则关注虚拟货币相关联的交易所和矿池，如交易所演变历史、矿池监管等。

BitExTract工具［41］通过多视图联动的方式探索比特币交易所之间或交易所与客户端之间的交易模式的演变，从而了解每个交易所及关系网络的演变历史，同时提供选择、过滤等交互手段，实现概览与细节显示转化，从而进一步帮助领域专家进行可视化分析工作，它的主要界面如图6（a）所示。其中比较视图（A）显示了交易所的交易历史（竖条）、客户总数（竖条宽度）、按照一定规则排序的交易所公司（竖条中的横条）以及日常交易摘要（垂直线）；交易列表面板（B）则按照时间序列显示交易所历史交易量；海量序列视图（C）的横轴表示时间，每一行表示一个交易，每个交易按照时间顺序纵向排列；以及连接视图（D）通过节点连接图和同心圆，在地理层级上显示了不同大洲、不同交易所在所选时间段内的交易情况。

图6　虚拟货币领域可视化

SuPoolVisor［42］和MiningVis［43］也是多视图交互式可视化分析工具，但主要用于监管矿池。SuPoolVisor工具［42］提供焦点+上下文的交互设计来放大重要细节，并设计了排序流视图（a）、迁移时间轴视图（b）、阈值面板（c）、大规模序列视图（d）、Radviz图（e）和池结构视图（f）这6个组件，让用户可以从池和地址两个级别对矿池进行可视化监管，从而帮助监管机构监测和评估市场中矿池的健康状态，如图6（b）所示。MiningVis工具［43］则通过时间过滤视图（A）、挖矿分布视图（B）、详细视图（C）、比特币新闻视图（D）和交叉池视图（E）这5个组件，配合选择、探索等交互手段，显示了矿池随时间的分布变化、比特币的统计数据、比特币的新闻头条和矿工的挖矿奖励等信息，从而帮助经济学分析师探索和分析矿池的演变，如图6（c）所示。

应用SPSS 19.0软件进行计算，计数资料使用Fisher确切概率法检验，等级资料使用Mann-Whitney U检验。P<0.05为差异有统计学意义。

4.2　社会民生领域可视化

区块链近些年应用于各个行业。区块链在社会民生领域中的应用，使得食品、医疗、教育、旅游等行业变得更加智能。在食品行业，公众都非常关心食品质量和安全，区块链的可追溯性给食品安全性方面增加了一层保障。食品溯源涉及原料、加工、运输和销售等环节，整个环节可能需要多方参与，无论哪个环节出问题，都会影响到最后的食品安全。Hao等［44］利用区块链的可追溯性，提出了食品安全风险溯源可视化分析，使用①热图展示风险程度、②迁移图和③力导向图对不合格产品进行溯源分析，并为了更好地分析，将②和③的结果简化后得到的图像④，如图7（a）所示。尹斐生［45］提出了一个食用农产品溯源系统，通过树形图、饼状图、力导向图和弦图等多种图形结合，对商户、消费者和司机三方面的信息进行交互式可视化研究，从而便于监管部门查询和分析溯源信息。

医疗涉及医疗保健、医疗器械和医疗服务等业务。区块链技术的安全性可以极大保障患者数据隐私。Peral等［18］将文件信息和发送接收者信息存储在区块中，并通过可视化方式实现患者和外部伙伴之间数据文件共享透明，避免信任危机，如图7（b）所示。Attia等［50］提出了基于Hyperledger Fabric的医疗保健监控系统，通过仪表盘、地图和一些基本图表，显示了病人资料、历史交易和病患位置等信息。

教育是一个与人们生活息息相关的行业，人们的生存、科技的发展都离不开教育行业，也因此备受各行各业的人们关注。学历文凭是证明接受教育程度的关键证书，可以利用区块链技术来保障数据的安全性和完整性。Vidal等［53］通过Blockcerts存储文凭信息，并设计可视化平台，使得任何人都可通过此平台检查和查看自己的文凭信息，图7（c）为文凭可视化界面。智能合约可编程性对于初学者来说，存在一定理解困难，SmartBuilder工具［30］也可充当教学工具，用来帮助初学者快速理解和学习智能合约。

在当前经济压力持续增大的情况下，旅游成了很多人缓解压力、调节情绪的方式之一，旅游市场需求也逐渐增多。旅游行业涉及旅行社、景点和游客等信息，可以利用区块链技术保障交易透明和数据安全。Arif等［51］提出了基于以太坊的旅游严肃游戏，模拟了游客、售票员、吉普车司机、商人和马匹租赁等角色之间的交易活动，并通过可视化分析得出gas价格会影响交易过程的速度。Scarlato等［52］则利用区块链来保障安全性和数据完整性，基于区块链架构实现了旅游数据插入和可视化，根据欧洲旅游指标系统（ETIS）的图形化表示，分析了旅游对目的地整体体验满意的游客百分比，如图7（d）所示。

图7　社会民生领域可视化

4.3　融合创新领域可视化

区块链技术具有广泛的应用前景，与供应链、物联网、大数据、元宇宙等的融合创新应用，会给各个行业带来新的机遇。供应链和区块链的双链融合模式，可以帮助供应链中工厂、批发商、零售商和消费者达到信息共享和流程透明，并提高了安全性和可信性。如Ibba等［46］利用区块链的安全性和可信性，提出了供应链决策模拟工具SimChain，该工具模拟了由工厂、批发商、零售商和消费者组成的供应链，设计了数据仪表盘，玩家可以通过市场需求趋势（①）、库存、订单、环境和交易数据（②）等可视化信息，不断改善供应链决策，从而发现供应链中的潜在机会，如图8（a）所示。

现有的物联网业务大多是基于中心化管理，区块链技术有可能会给物联网在可扩展性、可信、安全等方面带来新的思考。Bogner等［47］利用区块链保证数据的完整性，基于区块链提出了一种可以扩展到物联网领域的异常检测工具，通过可视化时间序列、交易数量、gas使用情况等信息，并结合交互和机器学习，帮助专家分析发现系统中异常情况。Song等［48］基于Logchain设计了一个可视化工具，通过分析从物联网区块链中收集到的区块数据、区块生成周期、网络信息和节点事件等信息识别恶意节点，从而监测区块链的健康情况。图8（b）为该系统的一个可视化样例，其中：①为网络信息，②为节点事件数据，③为实时更新和内部数据。Shahzad等［49］则基于Sawtooth框架，提出了关于物联网分布式绿色大数据可视化解决方案BGbV，不仅可以防止数据被篡改，保障数据安全，也可以降低系统成本和能源消耗，达到环境友好。

近些年，元宇宙已成为热门话题之一，它借助大数据、AI、沉浸式交互和区块链等技术，将现实高度模拟到三维虚拟空间。在元宇宙中，可以使用区块链技术提供完善的经济体系，还可以通过区块链存储数据，从而确保数据的隐私、安全、质量和完整性，实现数据共享和数据互操作性［57］。Duan等［54］提出的大学校园的元宇宙可视化原型，如图8（c）所示。通过引入区块链存储数据保证该生态系统的去中心化和公平性，利用AR和VR等沉浸式技术保证用户身临其境的体验，构建了一个从物理世界跨越到虚拟世界的架构。Bhattacharya等［55］提出了基于元宇宙的辅助远程手术的智能医疗理想解决方案，通过联盟区块链技术来保障数据透明和安全可信，通过可解释的AI模块监测病人健康状况，实现对病患身体状态的分析和预测。Gemiverse［56］则是一个基于区块链技术的智慧旅游平台，可以提供旅游专业认证、培训、和实践等服务，并为了构建更友好的在线旅游世界，计划将它融入元宇宙中，成为一所将游戏、社交和学习相结合的休闲旅游大学。

图8　融合创新领域可视化

5 总结和展望

在共性关键技术可视化研究中：1）现有研究多采用多视图交互的方式，区块链涉及交易、区块、地址、时间等多种数据，单一视图往往无法满足需求，多视图交互已是区块链可视化研究趋势；2）共识机制可视化研究较少，且现有的研究大多集中于区块链网络在不同共识算法下节点运行状态的可视化；3）智能合约需要专业人士编程实现，也使得智能合约的可读性比较差，可视化技术可以帮助用户快速创建智能合约，也可以使得智能合约更便于用户理解，但现有智能合约的可视化方式相对比较单一；4）关于区块链网络安全方面的可视化研究大多集中在虚拟货币上，对于包含交易、共识、智能合约、网络的整体安全可视化研究较少。在多领域应用可视化研究中，区块链可视化研究主要集中在虚拟货币领域，对于社会民生和融合创新领域的研究相对较少，可视化方式的多样性也远不如虚拟货币领域，不过目前的元宇宙研究则给区块链可视化研究提供了新的研究方向。

根据以上的分析和总结可以发现，现有的区块链可视化研究还处于初步阶段，随着区块链技术向各行各业不断发展和渗透，区块链可视化也将有着广阔的发展前景，同时也还有许多可以探索和挑战的方向。

1）共识机制在区块链中有着重要作用，确保了区块链的数据一致性，但是对于区块链中的共识过程用文字表述很难让用户理解，可以采用可视化技术帮助用户理解和监测共识机制。

2）智能合约通常涉及复杂的代码和业务逻辑，可视化技术可以帮助非技术人员更容易地创建和理解智能合约；因此，需要探索更加多样且更加便捷的可视化方式，如将可视化编程和可视化合约相结合，使得智能合约既便于创建，也便于阅读。

3）安全一直是区块链技术发展中不可忽视的问题，随着区块链项目和应用越来越多，综合了交易、共识、智能合约、网络和应用于一体的区块链安全态势感知也将成为了迫切需求。

4）现有的研究中也缺少对区块链系统性能评测的可视化工具，已有的区块链可视化研究中仅有对交易、区块和流量的统计信息，缺少对区块链系统的性能评测，比如共识机制的性能、交易区块吞吐量等。

[1] NAKAMOTO S. Bitcoin： a peer-to-peer electronic cash system［EB/OL］. ［2022-02-02］.https：//bitcoin.org/bitcoin.pdf.

[2] BODKHE U， TANWAR S， PAREKH K， et al. Blockchain for Industry 4.0： a comprehensive review［J］. IEEE Access， 2020， 8： 79764-79800.

[3] 陈为，沈则潜，陶煜波， 等. 数据可视化［M］. 第2版. 北京：电子工业出版社， 2019： 2-5.（CHEN W， SHEN Z Q， TAO Y B， et al. Data Visualization［M］. 2nd ed. Beijing： Publishing House of Electronics Industry， 2019： 2-5.）

[4] KEIM D， ANDRIENKO G， FEKETE J D， et al. Visual analytics： definition， process， and challenges［M］// KERREN A， STASKO J T， FEKETE J D， et al. Information Visualization： Human-Centered Issues and Perspectives， LNCS 4950. Berlin： Springer， 2008： 154-175.

[5] 中国信息通信研究院. 区块链白皮书［R/OL］. （2021-12） ［2022-04-08］.http：//www.caict.ac.cn/kxyj/qwfb/bps/202112/P020211224394830046624.pdf.（China Academy of Information and Communications Technology. Whitepaper of blockchain［R/OL］. （2021-12） ［2022-04-08］.http：//www.caict.ac.cn/kxyj/qwfb/bps/202112/P020211224394830046624.pdf.）

[6] SUNDARA T， GAPUTRA I， AULIA S. Study on blockchain visualization［J］. JOIV： International Journal on Informatics Visualization， 2017， 1（3）： 76-82.

[7] TOVANICH N， HEULOT N， FEKETE J D， et al. A systematic review of online Bitcoin visualizations［C］// Posters of the 2019 European Conference on Visualization. Eindhoven： Eurographics Association， 2019： 69-72.

[8] TOVANICH N， HEULOT N， FEKETE J D， et al. Visualization of blockchain data： a systematic review［J］. IEEE Transactions on Visualization and Computer Graphics， 2021， 27（7）： 3135-3152.

[9] 袁勇，王飞跃. 区块链技术发展现状与展望［J］. 自动化学报， 2016， 42（4）： 481-494.（YUAN Y， WANG F Y. Blockchain： the state of the art and future trends［J］. Acta Automatica Sinica， 2016， 42（4）： 481-494.）

[10] BUTERIN V. A next-generation smart contract and decentralized application platform［R/OL］. （2014） ［2022-02-03］.https：//ethereum.org/669c9e2e2027310b6b3cdce6e1c52962/Ethereum_Whitepaper_-_Buterin_2014.pdf.

[11] ANDROULAKI E， BARGER A， BORTNIKOV V， et al. Hyperledger Fabric： a distributed operating system for permissioned blockchains［C］// Proceedings of the 13th EuroSys Conference. New York： ACM， 2018： No.30.

[12] 邵奇峰，金澈清，张召，等. 区块链技术：架构及进展［J］. 计算机学报， 2018， 41（5）： 969-988.（SHAO Q F， JIN C Q， ZHANG Z， et al. Blockchain： architecture and research progress［J］. Chinese Journal of Computers， 2018， 41（5）： 969-988.）

[13] ZHENG Z， XIE S， DAI H， et al. An overview of blockchain technology： architecture， consensus， and future trends［C］// Proceedings of the 2017 IEEE International Congress on Big Data. Piscataway： IEEE， 2017： 557-564.

[14] ZHENG Z， XIE S， DAI H N， et al. An overview on smart contracts： challenges， advances and platforms［J］. Future Generation Computer Systems， 2020， 105： 475-491.

[15] MOUBARAK J， FILIOL E， CHAMOUN M. On blockchain security and relevant attacks［C］// Proceedings of the 2018 IEEE Middle East and North Africa Communications Conference. Piscataway： IEEE， 2018： 1-6.

[16] SHRESTHA A K， VASSILEVA J. Bitcoin blockchain transactions visualization［C］// Proceedings of the 2018 International Conference on Cloud Computing， Big Data and Blockchain. Piscataway： IEEE， 2018： 1-6.

[17] ZHONG Z， WEI S， XU Y， et al. SilkViser： a visual explorer of blockchain-based cryptocurrency transaction data［C］// Proceedings of the 2020 IEEE Conference on Visual Analytics Science and Technology. Piscataway： IEEE， 2020： 95-106.

[18] PERAL J， GALLEGO E， GIL D， et al. Using visualization to build transparency in a healthcare blockchain application［J］. Sustainability， 2020， 12（17）： No.6768.

[19] PUTZ B， BÖHM F， PERNUL G. HyperSec： visual analytics for blockchain security monitoring［C］// Proceedings of the 2021 IFIP International Conference on ICT Systems Security and Privacy Protection， IFIPAICT 625. Cham： Springer， 2021： 165-180.

[20] KINKELDEY C， FEKETE J D， BLASCHECK T， et al. BitConduite： visualizing and analyzing entity activity on the Bitcoin network［EB/OL］. （2019-12-18） ［2022-02-03］.https：//arxiv.org/pdf/1912.08101.pdf.

[21] ISENBERG P， KINKELDEY C， FEKETE J D. Exploring entity behavior on the Bitcoin blockchain［EB/OL］. ［2022-02-03］.http：//petra.isenberg.cc/publications/papers/Isenberg_2017_EEB.pdf.

[22] OGGIER F， PHETSOUVANH S， DATTA A. BiVA： Bitcoin network visualization & analysis［C］// Proceedings of the 2018 IEEE International Conference on Data Mining Workshops. Piscataway： IEEE， 2018： 1469-1474.

[23] THARANI J S， CHARLES E Y A， HÓU Z， et al. Graph based visualisation techniques for analysis of blockchain transactions［C］// Proceedings of the IEEE 46th Conference on Local Computer Networks. Piscataway： IEEE， 2021： 427-430.

[24] SUN Y， XIONG H， YIU S M， et al. BitVis： an interactive visualization system for Bitcoin accounts analysis［C］// Proceedings of the 2019 Crypto Valley Conference on Blockchain Technology. Piscataway： IEEE， 2019： 21-25.

[25] BALDOUSKI D， TOŠIĆ A. Grafana plugin for visualising vote based consensus mechanisms， and network P2P overlay networks［EB/OL］. （2021-12-02） ［2022-05-07］.https：//arxiv.org/pdf/2112.01082.pdf.

[26] 温啸林，李长林，张馨艺，等. 基于DPoS共识机制的区块链社区演化的可视分析方法［J］. 计算机科学， 2022， 49（1）： 328-335.（WENG X L， LI C L， ZHANG X Y， et al. Visual analysis method of blockchain community evolution based on DPoS consensus mechanism［J］. Computer Science， 2022， 49（1）：328-335.）

[27] GUIDA L， DANIEL F. Supporting reuse of smart contracts through service orientation and assisted development［C］// Proceedings of the 2019 IEEE International Conference on Decentralized Applications and Infrastructures. Piscataway： IEEE， 2019： 59-68.

[28] MAO D， WANG F， WANG Y， et al. Visual and user-defined smart contract designing system based on automatic coding［J］. IEEE Access， 2019， 7： 73131-73143.

[29] WEINGAERTNER T， RAO R， ETTLIN J， et al. Smart contracts using Blockly： representing a purchase agreement using a graphical programming language［C］// Proceedings of the 2018 Crypto Valley Conference on Blockchain Technology. Piscataway： IEEE， 2018： 55-64.

[30] MERLEC M M， LEE Y K， IN H P. SmartBuilder： a block-based visual programming framework for smart contract development［C］// Proceedings of the 2021 IEEE International Conference on Blockchain. Piscataway： IEEE， 2021： 90-94.

[31] TAN S， S BHOWMICK S S， CHUA H E， et al. LATTE： visual construction of smart contracts［C］// Proceedings of the 2020 ACM SIGMOD International Conference on Management of Data. New York： ACM， 2020： 2713-2716.

[32] JEONG S， AHN B. A study of application platform for smart contract visualization based blockchain［J］. The Journal of Supercomputing， 2022， 78（1）： 343-360.

[33] PIERRO G A. Smart-Graph： graphical representations for smart contract on the Ethereum blockchain［C］// Proceedings of the 2021 IEEE International Conference on Software Analysis， Evolution and Reengineering. Piscataway： IEEE， 2021： 708-714.

[34] NORVILL R， PONTIVEROS B B F， STATE R， et al. Visual emulation for Ethereum’s virtual machine［C］// Proceedings of the 2018 IEEE/IFIP Network Operations and Management Symposium. Piscataway： IEEE， 2018： 1-4.

[35] KILLER C， RODRIGUES B， STILLER B. Security management and visualization in a blockchain-based collaborative defense［C］// Proceedings of the 2019 IEEE International Conference on Blockchain and Cryptocurrency. Piscataway： IEEE， 2019： 108-111.

[36] KILLER C， RODRIGUES B， STILLER B. Threat management dashboard for a blockchain collaborative defense［C］// Proceedings of the 2019 IEEE Globecom Workshops. Piscataway： IEEE， 2019： 1-6.

[37] AKCORA C G， LI Y， GEL Y R， et al. BitcoinHeist： topological data analysis for ransomware detection on the Bitcoin blockchain［C］// Proceedings of the 29th International Joint Conference on Artificial Intelligence. California： ijcai.org， 2020： 4439-4445.

[38] BISTARELLI S， SANTINI F. Go with the -Bitcoin- flow， with visual analytics［C］// Proceedings of the 12th International Conference on Availability， Reliability and Security. New York： ACM， 2017： No.38.

[39] BISTARELLI S， PARROCCINI M， SANTINI F. Visualizing Bitcoin flows of ransomware： WannaCry one week later［C］// Proceedings of the 2nd Italian Conference on Cyber Security. Aachen： CEUR-WS.org， 2018： No.13.

[40] AHMED M， SHUMAILOV I， ANDERSON R. Tendrils of crime： visualizing the diffusion of stolen Bitcoins［C］// Proceedings of the 2018 International Workshop on Graphical Models for Security LNCS 11086. Cham： Springer， 2019： 1-12.

[41] YUE X， SHU X， ZHU X， et al. BitExTract： interactive visualization for extracting Bitcoin exchange intelligence［J］. IEEE Transactions on Visualization and Computer Graphics， 2019， 25（1）： 162-171.

[42] XIA J Z， ZHANG Y H， YE H， et al. SuPoolVisor： a visual analytics system for mining pool surveillance［J］. Frontiers of Information Technology and Electronic Engineering， 2020， 21（4）： 507-523.

[43] TOVANICH N， SOULIÉ N， HEULOT N， et al. Interactive demo： visualization for Bitcoin mining pools analysis［C］// Proceedings of the 2021 IEEE International Conference on Blockchain and Cryptocurrency. Piscataway： IEEE， 2021： 1-2.

[44] HAO Z， MAO D， ZHANG B， et al. A novel visual analysis method of food safety risk traceability based on blockchain［J］. International Journal of Environmental Research and Public Health， 2020， 17（7）： No.2300.

[45] 尹斐生. 基于可视化技术的食用农产品追溯系统的设计与实现［D］. 南昌：南昌大学， 2020： 49-67.（YIN F S. Design and implementation of edible agricultural products traceability system based on visualization technology［D］. Nanchang： Nanchang University， 2020： 49-67.）

[46] IBBA N， WIIPONGWII T， CHUNG T T. SimChain： simulator for supply chain decision making with blockchain［C/OL］. Proceedings of the 2021 Pre-ICIS SIGDSA Symposium on Analytics and AI for Sustainable Future ［2022-02-03］.https：//aisel.aisnet.org/cgi/viewcontent.cgi？article=1004&context=sigdsa2021.

[47] BOGNER A. Seeing is understanding： anomaly detection in blockchains with visualized features［C］// Proceedings of the 2017 ACM International Joint Conference on Pervasive and Ubiquitous Computing/ 2017 ACM International Symposium on Wearable Computers. New York： ACM， 2017： 5-8.

[48] SONG J， NANG J， JANG J. Design of anomaly detection and visualization tool for IoT blockchain［C］// Proceedings of the 2018 International Conference on Computational Science and Computational Intelligence. Piscataway： IEEE， 2018： 1464-1465.

[49] SHAHZAD I， MAQBOOL A， RANA T， et al. Blockchain-based green big data visualization： BGbV［J］. Complex and Intelligent Systems， 2021， 8（5）： 3707-3718.

[50] ATTIA O， KHOUFI I， LAOUITI A， et al. An IoT-blockchain architecture based on Hyperledger framework for healthcare monitoring application［C］// Proceedings of the 10th IFIP International Conference on New Technologies， Mobility and Security. Piscataway： IEEE， 2019： 1-5.

[51] ARIF Y M， PRADANA R P， NURHAYATI H， et al. A blockchain-based multiplayer transaction for tourism serious game［C］// Proceedings of the 2020 International Conference on Computer Engineering， Network， and Intelligent Multimedia. Piscataway： IEEE， 2020： 138-143.

[52] SCARLATO M， CATTE M， MASSIDDA C， et al. BATDIV： a blockchain-based approach for tourism data insertion and visualization［C］// Proceedings of the 2021 IoT Vertical and Topical Summit for Tourism. Piscataway： IEEE， 2021： 1-6.

[53] VIDAL F， GOUVEIA F， SOARES C. Analysis of blockchain technology for higher education［C］// Proceedings of the 2019 International Conference on Cyber-Enabled Distributed Computing and Knowledge Discovery. Piscataway： IEEE， 2019： 28-33.

[54] DUAN H， LI J， FAN S， et al. Metaverse for social good： a university campus prototype［C］// Proceedings of the 29th ACM International Conference on Multimedia. New York： ACM， 2021： 153-161.

[55] BHATTACHARYA P， OBAIDAT M S， SAVALIYA D， et al. Metaverse assisted telesurgery in Healthcare 5.0： an interplay of blockchain and explainable AI［C］// Proceedings of the 2022 International Conference on Computer， Information and Telecommunication Systems. Piscataway： IEEE， 2022： 1-5.

[56] WEI D. Gemiverse： the blockchain-based professional certification and tourism platform with its own ecosystem in the metaverse［J］. International Journal of Geoheritage and Parks， 2022， 10（2）： 322-336.

[57] GADEKALLU T R， HUYNH-THE T， WANG W， et al. Blockchain for the metaverse： a review［EB/OL］. （2022-03-21） ［2022-04-20］.https：//arxiv.org/pdf/2203.09738.pdf.

[58] YI J S， KANG Y A， STASKO J， et al. Toward a deeper understanding of the role of interaction in information visualization［J］. IEEE Transactions on Visualization and Computer Graphics， 2007， 13（6）： 1224-1231.

Survey of visualization research based on blockchain technology and application

SHAO Yimin1，2， ZHAO Fan1*， WANG Yi1， WANG Baoquan1

（1，，，830011，；2，，100049，）

Blockchain technology， which is originated from Bitcoin， is a disruptive and innovative technology with very broad development prospects. Facing the expansion of demand of blockchain platforms and application fields， the introduction of visualization technology can enhance users’cognitive ability， help users efficiently discover useful information from massive and complex data， and facilitate users’understanding and decision-making， which is one of the frontiers of blockchain technology research. In order to gain a deeper understanding of the visualization research based on blockchain technology and application， firstly， the basic theory of blockchain and visualization was introduced， and the existing literature on blockchain visualization was analyzed form multiple dimensions. Next， starting from the common key technologies， the visualization research methods in blockchain transaction processing， consensus mechanism， smart contract and network security were introduced. At the same time， the application status of blockchain visualization in various fields such as virtual currency， social livelihood and integrated innovation was outlined. Finally， the development trends of visualization research based on blockchain technology and application were summarized and prospected.

blockchain; visualization; visual analysis; blockchain application; consortium blockchain; metaverse

1001-9081（2023）10-3038-09

10.11772/j.issn.1001-9081.2022111642

2022⁃11⁃02；

2022⁃12⁃01；

新疆天山创新团队计划项目（2022D14019）；新疆自治区重大科技专项（2020A02001）。

邵怡敏（1994—），女，新疆伊犁人，硕士研究生，CCF会员，主要研究方向：数据分析与可视化、区块链； 赵凡（1980—），男，山西介休人，研究员，博士，CCF会员，主要研究方向：数据分析与可视化、区块链； 王轶（1986—），男，山东滨州人，副研究员，博士，CCF会员，主要研究方向：数据融合治理、区块链应用； 王保全（1990—），男，新疆昌吉人，博士，主要研究方向：区块链应用技术、时序数据分析。

TP391.4

A

2022⁃12⁃13。

This work is partially supported by Tianshan Innovative Team Program of Xinjiang （2022D14019）， Science and Technology Major Project of Xinjiang Autonomous Region （2020A02001）.

SHAO Yimin， born in 1994， M. S. candidate. Her research interests include data analysis and visualization， blockchain.

ZHAO Fan， born in 1980， Ph. D.， research fellow. His research interests include data analysis and visualization， blockchain.

WANG Yi， born in 1986， Ph. D.， associate research fellow. His research interests include data fusion and governance， blockchain application.

WANG Baoquan， born in 1990， Ph. D. His research interests include blockchain application technology， time series data analysis.