简介这是一套基于Python开发的农产品溯源仿真系统源码面向高校计算机、农业信息化相关专业学生及初中级Python开发者聚焦区块链前序环节——利用加密技术实现农产品全链条数据可信存证与可追溯验证。系统采用Flask构建轻量级后端服务集成AES/RSA等加密解密模块并支持MySQL持久化存储涵盖数据采集模拟uploadData.py、商品管理commodity.py、配置中心settings.py等核心功能适合作为课程设计、毕业设计或小型溯源原型开发参考。资源共18999个文件主体为5703个Python源码.py与5476个编译字节码.pyc辅以1228个国际化翻译文件.po/.mo、1064个前端交互脚本.js及157个HTML模板压缩包大小78.83MB。已有352人学习下载提供完整目录结构、局域网部署说明及温湿度模拟上传接口含典型错误配置提示与IP/数据库参数修改指引便于快速上手调试与二次开发。1. 为什么用 Python 加密技术做农产品溯源仿真不是“炫技”而是刚需你手里的那盒鸡蛋扫码显示“某县生态农场直供”但后台数据库没加密、溯源链路可被人工覆盖、批次号生成靠时间戳硬编码——这种系统在真实监管抽查中一查就穿帮。Python 基于加密技术的农产品溯源仿真系统核心不是造一个能点开看的网页而是构建一条不可抵赖、不可篡改、可验证时序的数据链路。它用 SHA-256 做批次指纹固化、用 RSA 非对称加密保护关键操作权限、用 HMAC-SHA256 验证流转环节数据完整性最后在本地模拟从种植、采收、分拣、仓储到物流的全节点行为。适合农业信息化团队做方案预演也适合高校课程设计验证密码学在实体供应链中的落地约束——比如当分拣员手机端提交一次“包装完成”系统必须拒绝重复提交、拒绝伪造时间戳、拒绝非授权账号签名。这不是写个 CRUD 就能交差的项目它逼你把hashlib、cryptography、datetime和状态机逻辑拧在一起才能跑出一条像样的溯源路径。2. 用 cryptography 库实现三重加密防护签名、验签与防篡改农产品溯源最怕什么不是数据丢了而是数据被悄悄改了——比如把“农药残留检测合格”改成“未检测”或者把“冷链温度2℃~8℃”改成“常温运输”。单纯用数据库主键或时间戳做校验毫无意义。我们必须让每条记录自带“数字指纹”且这个指纹只能由可信角色生成、所有节点都能独立验证。cryptography 库是当前 Python 生态中最稳妥的选择它不依赖 OpenSSL 动态链接避免 Windows 下 DLL 冲突API 明确区分对称/非对称/哈希场景且已通过 FIPS 140-2 合规性审计。2.1 生成并持久化 RSA 密钥对为农场、加工厂、物流中心分配身份溯源系统里不同角色拥有不同操作权限农场只能提交种植和采收数据加工厂可添加质检和包装信息物流中心仅能更新运输温湿度和签收状态。我们用 RSA 非对称加密为每个角色生成唯一密钥对私钥本地保存绝不上传公钥注入系统全局配置。这样当农场提交一条“采收记录”时必须用其私钥签名其他节点收到后用农场公钥验签——验不过直接丢弃。from cryptography.hazmat.primitives.asymmetric import rsa, padding from cryptography.hazmat.primitives import hashes, serialization # 为“XX县生态农场”生成 2048 位 RSA 密钥对 private_key rsa.generate_private_key( public_exponent65537, key_size2048, ) public_key private_key.public_key() # 保存私钥需严格权限控制chmod 600 with open(farm_private_key.pem, wb) as f: f.write(private_key.private_bytes( encodingserialization.Encoding.PEM, formatserialization.PrivateFormat.PKCS8, encryption_algorithmserialization.NoEncryption() # 生产环境应使用 PasswordBasedKeyDerivation )) # 保存公钥可公开分发 with open(farm_public_key.pem, wb) as f: f.write(public_key.public_bytes( encodingserialization.Encoding.PEM, formatserialization.PublicFormat.SubjectPublicKeyInfo ))提示encryption_algorithmserialization.NoEncryption()仅用于本地仿真调试。真实部署必须改用PBKDF2HMAC并设置强密码否则私钥文件等于裸奔。密钥文件路径建议统一放在config/keys/目录下代码中通过环境变量KEY_DIR指定根路径避免硬编码。2.2 用 HMAC-SHA256 构建环节级数据指纹确保单条记录不被局部篡改RSA 签名解决的是“谁提交的”但无法防止同一角色反复修改同一条记录。例如农场今天填了“采收时间2024-05-20 08:30”明天又偷偷改成“2024-05-19 15:00”。我们需要给每条记录附加一个基于内容时间前序哈希的 HMAC 值形成链式防篡改结构。import hmac import hashlib import json from datetime import datetime def generate_record_hmac(record_data: dict, secret_key: bytes, prev_hash: str ) - str: 为单条溯源记录生成 HMAC-SHA256 指纹 record_data: 包含 crop_id, stage, operator, timestamp, details 的字典 secret_key: 当前环节共享密钥如农场环节密钥为 bfarm_stage_key_2024 prev_hash: 上一环节的 record_hmac 值首次为空字符串 # 强制标准化时间格式避免时区/微秒导致哈希不一致 if timestamp in record_data: record_data[timestamp] datetime.fromisoformat( record_data[timestamp] ).strftime(%Y-%m-%d %H:%M:%S) # 拼接结构化数据非简单 json.dumps要保证字段顺序稳定 data_str |.join([ str(record_data.get(crop_id, )), str(record_data.get(stage, )), str(record_data.get(operator, )), str(record_data.get(timestamp, )), json.dumps(record_data.get(details, {}), sort_keysTrue), prev_hash ]) return hmac.new( secret_key, data_str.encode(utf-8), hashlib.sha256 ).hexdigest() # 示例生成第一条种植记录的 HMAC plant_record { crop_id: EGG-2024-001, stage: planting, operator: farmer_zhang, timestamp: 2024-05-10T09:15:22, details: {soil_ph: 6.8, seed_variety: Lohmann Brown} } hmac_value generate_record_hmac(plant_record, bfarm_stage_key_2024) print(hmac_value) # 输出 64 位十六进制字符串如 a1b2c3...f8e9参数说明prev_hash是上一环节的 HMAC 值首次调用传空字符串。sort_keysTrue确保 JSON 字段顺序固定否则相同内容因字典键序不同产生不同哈希。secret_key必须按环节隔离农场用 farm_key加工用 process_key不能全系统共用一个密钥否则任一环节密钥泄露即全链崩塌。2.3 用 SHA-256 批次指纹固化让“一箱鸡蛋”拥有不可复制的数字身份证最终消费者扫码看到的不是一个长列表而是一个简短批次码如EGG-2024-001-7F2A。这个后缀7F2A就是整条溯源链的 SHA-256 哈希截断值。它由所有环节 HMAC 值按顺序拼接后计算得出任何一环数据变动都会导致最终批次指纹巨变。def calculate_batch_fingerprint(hmac_list: list) - str: 根据所有环节 HMAC 列表生成最终批次指纹取前 4 字节十六进制 hmac_list: [hmac1, hmac2, hmac3, ...] full_chain |.join(hmac_list).encode(utf-8) full_hash hashlib.sha256(full_chain).hexdigest() return full_hash[:4].upper() # 截取前 4 字符大写如 7F2A # 假设我们有 3 个环节的 HMAC hmacs [ a1b2c3d4e5f6...1234, # 种植 b2c3d4e5f6a1...2345, # 采收 c3d4e5f6a1b2...3456 # 包装 ] batch_suffix calculate_batch_fingerprint(hmacs) print(f批次码EGG-2024-001-{batch_suffix}) # EGG-2024-001-7F2A注意calculate_batch_fingerprint必须在所有环节数据确认无误后由可信中心节点如监管平台统一调用。不能由任一环节自行计算并声称“这是最终码”否则失去防抵赖意义。仿真系统中该函数通常放在batch_manager.py中由simulate_full_trace()主流程最后触发。3. 构建可验证的溯源链路从种植到物流的六节点状态机仿真光有加密不够还得让数据按真实业务流走。我们定义六个标准节点planting种植、harvesting采收、processing初加工、quality_check质检、packing包装、logistics物流。每个节点有明确输入约束、操作者权限、时间窗口和输出格式。仿真系统不是随机生成数据而是按状态机规则驱动——只有前序节点完成后续节点才可激活每个节点提交的数据必须包含前序 HMAC否则拒绝入库。3.1 定义状态机 Schema 与校验规则我们用 Pythondataclass描述每个节点的强制字段并内置校验逻辑。重点在于validate_transition()方法它检查新记录是否满足“只能由合法角色在合理时间提交”、“是否携带正确前序 HMAC”。from dataclasses import dataclass from datetime import datetime, timedelta import re dataclass class TraceNode: crop_id: str stage: str # 必须是预定义枚举值 operator: str timestamp: str # ISO 格式字符串 prev_hmac: str # 前一环节 HMAC首环节为空字符串 details: dict current_hmac: str # 本环节计算出的 HMAC def __post_init__(self): # 强制时间格式校验 try: dt datetime.fromisoformat(self.timestamp.replace(Z, 00:00)) # 限制时间不能早于 2020 年不能晚于当前时间 1 小时防设备时钟错误 if dt.year 2020 or dt datetime.now() timedelta(hours1): raise ValueError(timestamp out of valid range) except ValueError as e: raise ValueError(fInvalid timestamp format or value: {self.timestamp}) from e # 角色命名规范必须含 _role 后缀如 farmer_zhang、inspector_li if not re.match(r^[a-z]_[a-z]$, self.operator): raise ValueError(foperator name {self.operator} must be lowercase with underscore) def validate_transition(self, previous_node: TraceNode None) - bool: 校验本节点是否可从前一节点合法过渡 # 首环节prev_hmac 必须为空 if self.stage planting: if self.prev_hmac ! : raise ValueError(planting stage must have empty prev_hmac) return True # 非首环节必须提供前序节点且 prev_hmac 匹配其 current_hmac if previous_node is None: raise ValueError(fstage {self.stage} requires previous node) if self.prev_hmac ! previous_node.current_hmac: raise ValueError( fprev_hmac mismatch: expected {previous_node.current_hmac}, got {self.prev_hmac} ) # 时间约束后一环节时间必须晚于前一环节允许最多 1 分钟误差防设备不同步 prev_dt datetime.fromisoformat(previous_node.timestamp.replace(Z, 00:00)) curr_dt datetime.fromisoformat(self.timestamp.replace(Z, 00:00)) if curr_dt prev_dt - timedelta(minutes1): raise ValueError(ftimestamp violation: {self.timestamp} {previous_node.timestamp}) return True # 使用示例 try: planting TraceNode( crop_idEGG-2024-001, stageplanting, operatorfarmer_zhang, timestamp2024-05-10T09:15:22, prev_hmac, details{soil_ph: 6.8}, current_hmaca1b2c3... # 此处应为实际计算值 ) harvesting TraceNode( crop_idEGG-2024-001, stageharvesting, operatorfarmer_wang, timestamp2024-05-20T07:30:15, prev_hmacplanting.current_hmac, # 关键必须匹配 details{weight_kg: 125.5}, current_hmacb2c3d4... ) harvesting.validate_transition(planting) # 返回 True表示过渡合法 except ValueError as e: print(fTransition failed: {e})逻辑说明validate_transition()不是装饰器或钩子而是显式调用的校验方法。在仿真主流程中每生成一个新节点都必须传入上一节点实例进行校验。失败则抛出ValueError由上层捕获并记录为“非法操作事件”这比静默忽略更能暴露流程漏洞。3.2 用 Faker 生成符合农业场景的仿真数据真实农产品数据有强领域特征作物 ID 带品类前缀EGG-,RICE-,APPLE-操作员姓名需符合地域习惯华东多“张”“李”西南多“王”“陈”质检结果含国标代号GB/T 20014.12-2013温湿度单位固定。用Faker库配合自定义 provider可生成高保真测试数据。from faker import Faker from faker.providers import BaseProvider class AgriculturalProvider(BaseProvider): def crop_id(self, prefix: str EGG) - str: year self.random_int(min2020, max2025) seq str(self.random_int(min1, max9999)).zfill(4) return f{prefix}-{year}-{seq} def operator_name(self, region: str east) - str: last_names { east: [张, 李, 王, 刘, 陈], southwest: [王, 陈, 李, 杨, 黄] } first_names [伟, 芳, 娜, 敏, 静, 丽, 良, 军, 林, 杰] return f{self.random_element(last_names[region])}_{self.random_element(first_names)} def quality_standard(self) - str: standards [GB/T 20014.12-2013, NY/T 761-2008, GB 2763-2021] return self.random_element(standards) fake Faker(zh_CN) fake.add_provider(AgriculturalProvider) # 生成一条高仿真质检记录 qc_record { crop_id: fake.crop_id(APPLE), stage: quality_check, operator: fake.operator_name(southwest), timestamp: fake.date_time_between(start_date-30d, end_datenow).isoformat(), prev_hmac: previous_hmac_here, details: { standard: fake.quality_standard(), pesticide_residue: round(fake.pyfloat(min_value0.0, max_value0.5), 3), microbial_count: fake.pyint(min_value100, max_value5000) } } print(qc_record) # {crop_id: APPLE-2024-1234, stage: quality_check, operator: 王_芳, ...}参数说明fake.add_provider(AgriculturalProvider)注册自定义规则fake.crop_id(APPLE)生成苹果品类 IDfake.operator_name(southwest)生成西南地区风格姓名。所有生成数据均通过TraceNode构造函数校验确保格式合规。3.3 运行完整仿真流程simulate_full_trace()函数详解把加密、状态机、数据生成串起来就是simulate_full_trace()。它接受作物品类、起始时间、环节数等参数自动调用各环节生成器逐节点校验并计算 HMAC最后输出完整溯源链和批次码。def simulate_full_trace( crop_type: str EGG, start_time: str None, num_stages: int 6, key_dir: str config/keys ) - dict: 执行一次完整的农产品溯源链路仿真 返回包含所有节点、HMAC 链、批次码的字典 if start_time is None: start_time datetime.now().isoformat() # 加载各环节密钥生产环境应从安全存储读取 stage_keys { planting: open(f{key_dir}/farm_stage_key.bin, rb).read(), harvesting: open(f{key_dir}/farm_stage_key.bin, rb).read(), # 农场环节共用 processing: open(f{key_dir}/process_stage_key.bin, rb).read(), quality_check: open(f{key_dir}/inspect_stage_key.bin, rb).read(), packing: open(f{key_dir}/pack_stage_key.bin, rb).read(), logistics: open(f{key_dir}/logis_stage_key.bin, rb).read() } stages [planting, harvesting, processing, quality_check, packing, logistics][:num_stages] nodes [] hmac_list [] for i, stage in enumerate(stages): # 生成本环节基础数据 if stage planting: base_data { crop_id: fake.crop_id(crop_type), stage: stage, operator: fake.operator_name(east), timestamp: start_time, prev_hmac: , details: {soil_ph: round(fake.pyfloat(min_value5.5, max_value7.5), 1)} } elif stage harvesting: base_data { crop_id: nodes[-1].crop_id, stage: stage, operator: fake.operator_name(east), timestamp: (datetime.fromisoformat(start_time) timedelta(days10)).isoformat(), prev_hmac: nodes[-1].current_hmac, details: {weight_kg: fake.pyfloat(min_value100.0, max_value200.0)} } else: # 其他环节逻辑类似略去以保持篇幅 pass # 计算当前 HMAC current_hmac generate_record_hmac( base_data, stage_keys[stage], base_data[prev_hmac] ) # 构建节点实例 node TraceNode( crop_idbase_data[crop_id], stagebase_data[stage], operatorbase_data[operator], timestampbase_data[timestamp], prev_hmacbase_data[prev_hmac], detailsbase_data[details], current_hmaccurrent_hmac ) # 校验状态转移 if i 0: node.validate_transition(nodes[-1]) nodes.append(node) hmac_list.append(current_hmac) # 生成最终批次码 batch_suffix calculate_batch_fingerprint(hmac_list) batch_code f{nodes[0].crop_id}-{batch_suffix} return { batch_code: batch_code, trace_nodes: [n.__dict__ for n in nodes], # 转为字典便于序列化 hmac_chain: hmac_list, full_hash: hashlib.sha256(|.join(hmac_list).encode()).hexdigest() } # 执行仿真 result simulate_full_trace(crop_typeRICE, num_stages4) print(f批次码{result[batch_code]}) print(f共 {len(result[trace_nodes])} 个环节)关键点simulate_full_trace()是整个仿真的心脏。它不返回 HTML 或图表而是返回纯 Python 字典包含所有可验证字段。这意味着你可以把它嵌入 Flask API、存入 SQLite、或导出为 JSON 供前端渲染——但加密和校验逻辑完全在 Python 层闭环不依赖任何外部服务。4. 验证与反演用独立脚本校验任意溯源链的有效性仿真系统产出的数据必须能被第三方独立验证。我们提供verify_trace.py脚本它不依赖原始密钥文件只用公开的公钥和规则就能判断一条溯源链是否被篡改、是否符合时序、是否所有 HMAC 连续有效。这才是“可验证”的真正含义。4.1 编写verify_trace.py三步校验法该脚本接收一个 JSON 文件路径含trace_nodes数组执行以下三步结构校验检查每个节点是否符合TraceNode字段要求用dataclass的__post_init__逻辑复现链路校验遍历节点用validate_transition()逐对校验时序与 HMAC 连续性批次校验提取所有current_hmac用calculate_batch_fingerprint()重新计算批次码与batch_code字段比对。# verify_trace.py 使用方式 python verify_trace.py --input trace_output.json# verify_trace.py 核心逻辑简化版 import sys import json import argparse from datetime import datetime from typing import List, Dict def load_trace_json(file_path: str) - Dict: with open(file_path, r, encodingutf-8) as f: return json.load(f) def validate_structure(node_dict: Dict) - bool: 复现 TraceNode.__post_init__ 的校验逻辑 try: dt datetime.fromisoformat(node_dict[timestamp].replace(Z, 00:00)) if dt.year 2020 or dt datetime.now() timedelta(hours1): return False if not isinstance(node_dict[details], dict): return False return True except: return False def validate_chain(nodes: List[Dict]) - bool: 复现 validate_transition 的链路校验 for i in range(1, len(nodes)): curr nodes[i] prev nodes[i-1] # 检查 prev_hmac 是否匹配上一节点 current_hmac if curr[prev_hmac] ! prev[current_hmac]: print(f❌ HMAC break at index {i}: expected {prev[current_hmac]}, got {curr[prev_hmac]}) return False # 检查时间是否倒流 curr_dt datetime.fromisoformat(curr[timestamp].replace(Z, 00:00)) prev_dt datetime.fromisoformat(prev[timestamp].replace(Z, 00:00)) if curr_dt prev_dt - timedelta(minutes1): print(f❌ Time reversal at index {i}: {curr[timestamp]} {prev[timestamp]}) return False return True def verify_batch_code(nodes: List[Dict], batch_code: str) - bool: 校验批次码是否由当前 HMAC 链生成 hmacs [n[current_hmac] for n in nodes] expected_suffix calculate_batch_fingerprint(hmacs) expected_code f{nodes[0][crop_id]}-{expected_suffix} if batch_code ! expected_code: print(f❌ Batch code mismatch: expected {expected_code}, got {batch_code}) return False return True if __name__ __main__: parser argparse.ArgumentParser() parser.add_argument(--input, requiredTrue, helpPath to trace JSON file) args parser.parse_args() data load_trace_json(args.input) nodes data[trace_nodes] batch_code data[batch_code] print( Starting verification...) if not all(validate_structure(n) for n in nodes): print(❌ Structure validation failed) sys.exit(1) if not validate_chain(nodes): print(❌ Chain validation failed) sys.exit(1) if not verify_batch_code(nodes, batch_code): print(❌ Batch code validation failed) sys.exit(1) print(✅ All verifications passed. This trace is cryptographically sound.)提示verify_trace.py必须与主仿真代码使用完全相同的calculate_batch_fingerprint和generate_record_hmac实现。任何细微差异如sort_keys参数、时间格式化方式都会导致校验失败。建议将这些函数抽离到crypto_utils.py中被两者共同导入。4.2 常见验证失败场景与修复指南失败现象根本原因修复动作HMAC break at index 2加工环节提交时prev_hmac字段填错了不是采收环节的current_hmac检查simulate_full_trace()中harvesting节点生成逻辑确认base_data[prev_hmac]赋值正确Time reversal at index 3质检环节时间戳写成2024-05-15T10:00:00但采收是2024-05-20T08:00:00修改fake.date_time_between()的start_date参数确保质检时间晚于采收时间Batch code mismatch仿真时用了hmac_list [n[current_hmac] for n in nodes]但verify_trace.py里漏了sort_keysTrue导致 JSON 序列化顺序不同统一使用json.dumps(..., sort_keysTrue)生成details字符串或改用 注意所有修复必须在crypto_utils.py中完成确保仿真与验证两端逻辑 100% 一致。这是整个系统可信的基石。5. 在 VS Code 中调试与部署配置 Python 环境与一键运行脚本仿真系统不是写完就扔的 Demo它需要被团队成员快速拉起、修改、验证。VS Code 是最主流的 Python 开发环境我们给出零配置启动方案——只需 3 个文件就能让新人 5 分钟内跑通全流程。5.1 创建requirements.txt锁定核心依赖版本不要用pip freeze requirements.txt那会锁死所有间接依赖。我们只声明直接强依赖并指定最小兼容版本# requirements.txt cryptography38.0.0,39.0.0 Faker18.0.0,19.0.0 pydantic1.10.0,2.0.0 # 用于未来扩展数据校验理由cryptography38.x 是首个全面支持 Python 3.11 且 API 稳定的系列Faker18.x 提供完善的中文农业数据生成器pydantic预留接口方便后续接入 Pydantic V2 做更严格的模型校验。版本范围用39.0.0防止大版本破坏性更新。5.2 编写.vscode/settings.jsonVS Code 专属配置此文件告诉 VS Code“用哪个 Python 解释器、在哪里找模块、怎么格式化代码”。它比全局配置更精准且可提交到 Git。{ python.defaultInterpreterPath: ./venv/bin/python, python.testing.pytestArgs: [ tests/ ], python.formatting.provider: black, python.linting.enabled: true, python.linting.pylintEnabled: true, files.exclude: { **/__pycache__: true, **/*.pyc: true, **/venv: true } }关键点python.defaultInterpreterPath: ./venv/bin/python强制使用项目级虚拟环境避免污染系统 Python。Windows 用户需改为./venv/Scripts/python.exe。files.exclude隐藏编译文件让资源管理器清爽。5.3 制作run_simulate.sh/run_simulate.bat一键生成并验证Linux/macOS 用 ShellWindows 用 BAT内容高度一致创建虚拟环境 → 安装依赖 → 运行仿真 → 自动验证。#!/bin/bash # run_simulate.sh set -e # 任一命令失败即退出 echo Setting up virtual environment... python3 -m venv venv source venv/bin/activate echo Installing dependencies... pip install --upgrade pip pip install -r requirements.txt echo Running full trace simulation... python main.py --crop_type RICE --num_stages 5 trace_output.json echo Verifying generated trace... python verify_trace.py --input trace_output.json echo Simulation completed. Output saved to trace_output.jsonecho off REM run_simulate.bat echo Setting up virtual environment... python -m venv venv echo Installing dependencies... venv\Scripts\pip.exe install --upgrade pip venv\Scripts\pip.exe install -r requirements.txt echo Running full trace simulation... venv\Scripts\python.exe main.py --crop_type RICE --num_stages 5 trace_output.json echo Verifying generated trace... venv\Scripts\python.exe verify_trace.py --input trace_output.json echo Simulation completed. Output saved to trace_output.json参数说明--crop_type RICE指定生成水稻溯源链--num_stages 5表示跑种植、采收、加工、质检、包装五个环节跳过物流。重定向将main.py输出的 JSON 直接写入文件省去手动保存步骤。5.4 在 VS Code 中启动调试设置launch.json点击左侧“运行和调试”图标 → “创建 launch.json 文件” → 选择“Python File”。替换为以下内容即可按 F5 直接调试main.py{ version: 0.2.0, configurations: [ { name: Python: Current File, type: python, request: launch, module: main, args: [--crop_type, APPLE, --num_stages, 6], console: integratedTerminal, justMyCode: true } ] }技巧args字段预置常用参数避免每次调试都输命令。console: integratedTerminal确保输出在 VS Code 内置终端显示方便查看日志。调试时可在simulate_full_trace()函数第一行加断点观察hmac_list如何逐步增长。当你在 VS Code 中按下 F5终端会依次打印环境搭建、依赖安装、仿真执行、验证通过的日志最后停在trace_output.json生成处——此时打开该文件你能看到一条带完整 HMAC 链、时间戳、操作员、细节字段的水稻溯源记录它的批次码经verify_trace.py独立校验100% 可信。这不再是“能跑就行”的玩具而是具备密码学根基、可被第三方审计、能支撑真实农业数字化升级的仿真基座。本文还有配套的精品资源点击获取 Python农产品溯源仿真：基于加密的不可篡改链路构建
简介这是一套基于Python开发的农产品溯源仿真系统源码面向高校计算机、农业信息化相关专业学生及初中级Python开发者聚焦区块链前序环节——利用加密技术实现农产品全链条数据可信存证与可追溯验证。系统采用Flask构建轻量级后端服务集成AES/RSA等加密解密模块并支持MySQL持久化存储涵盖数据采集模拟uploadData.py、商品管理commodity.py、配置中心settings.py等核心功能适合作为课程设计、毕业设计或小型溯源原型开发参考。资源共18999个文件主体为5703个Python源码.py与5476个编译字节码.pyc辅以1228个国际化翻译文件.po/.mo、1064个前端交互脚本.js及157个HTML模板压缩包大小78.83MB。已有352人学习下载提供完整目录结构、局域网部署说明及温湿度模拟上传接口含典型错误配置提示与IP/数据库参数修改指引便于快速上手调试与二次开发。1. 为什么用 Python 加密技术做农产品溯源仿真不是“炫技”而是刚需你手里的那盒鸡蛋扫码显示“某县生态农场直供”但后台数据库没加密、溯源链路可被人工覆盖、批次号生成靠时间戳硬编码——这种系统在真实监管抽查中一查就穿帮。Python 基于加密技术的农产品溯源仿真系统核心不是造一个能点开看的网页而是构建一条不可抵赖、不可篡改、可验证时序的数据链路。它用 SHA-256 做批次指纹固化、用 RSA 非对称加密保护关键操作权限、用 HMAC-SHA256 验证流转环节数据完整性最后在本地模拟从种植、采收、分拣、仓储到物流的全节点行为。适合农业信息化团队做方案预演也适合高校课程设计验证密码学在实体供应链中的落地约束——比如当分拣员手机端提交一次“包装完成”系统必须拒绝重复提交、拒绝伪造时间戳、拒绝非授权账号签名。这不是写个 CRUD 就能交差的项目它逼你把hashlib、cryptography、datetime和状态机逻辑拧在一起才能跑出一条像样的溯源路径。2. 用 cryptography 库实现三重加密防护签名、验签与防篡改农产品溯源最怕什么不是数据丢了而是数据被悄悄改了——比如把“农药残留检测合格”改成“未检测”或者把“冷链温度2℃~8℃”改成“常温运输”。单纯用数据库主键或时间戳做校验毫无意义。我们必须让每条记录自带“数字指纹”且这个指纹只能由可信角色生成、所有节点都能独立验证。cryptography 库是当前 Python 生态中最稳妥的选择它不依赖 OpenSSL 动态链接避免 Windows 下 DLL 冲突API 明确区分对称/非对称/哈希场景且已通过 FIPS 140-2 合规性审计。2.1 生成并持久化 RSA 密钥对为农场、加工厂、物流中心分配身份溯源系统里不同角色拥有不同操作权限农场只能提交种植和采收数据加工厂可添加质检和包装信息物流中心仅能更新运输温湿度和签收状态。我们用 RSA 非对称加密为每个角色生成唯一密钥对私钥本地保存绝不上传公钥注入系统全局配置。这样当农场提交一条“采收记录”时必须用其私钥签名其他节点收到后用农场公钥验签——验不过直接丢弃。from cryptography.hazmat.primitives.asymmetric import rsa, padding from cryptography.hazmat.primitives import hashes, serialization # 为“XX县生态农场”生成 2048 位 RSA 密钥对 private_key rsa.generate_private_key( public_exponent65537, key_size2048, ) public_key private_key.public_key() # 保存私钥需严格权限控制chmod 600 with open(farm_private_key.pem, wb) as f: f.write(private_key.private_bytes( encodingserialization.Encoding.PEM, formatserialization.PrivateFormat.PKCS8, encryption_algorithmserialization.NoEncryption() # 生产环境应使用 PasswordBasedKeyDerivation )) # 保存公钥可公开分发 with open(farm_public_key.pem, wb) as f: f.write(public_key.public_bytes( encodingserialization.Encoding.PEM, formatserialization.PublicFormat.SubjectPublicKeyInfo ))提示encryption_algorithmserialization.NoEncryption()仅用于本地仿真调试。真实部署必须改用PBKDF2HMAC并设置强密码否则私钥文件等于裸奔。密钥文件路径建议统一放在config/keys/目录下代码中通过环境变量KEY_DIR指定根路径避免硬编码。2.2 用 HMAC-SHA256 构建环节级数据指纹确保单条记录不被局部篡改RSA 签名解决的是“谁提交的”但无法防止同一角色反复修改同一条记录。例如农场今天填了“采收时间2024-05-20 08:30”明天又偷偷改成“2024-05-19 15:00”。我们需要给每条记录附加一个基于内容时间前序哈希的 HMAC 值形成链式防篡改结构。import hmac import hashlib import json from datetime import datetime def generate_record_hmac(record_data: dict, secret_key: bytes, prev_hash: str ) - str: 为单条溯源记录生成 HMAC-SHA256 指纹 record_data: 包含 crop_id, stage, operator, timestamp, details 的字典 secret_key: 当前环节共享密钥如农场环节密钥为 bfarm_stage_key_2024 prev_hash: 上一环节的 record_hmac 值首次为空字符串 # 强制标准化时间格式避免时区/微秒导致哈希不一致 if timestamp in record_data: record_data[timestamp] datetime.fromisoformat( record_data[timestamp] ).strftime(%Y-%m-%d %H:%M:%S) # 拼接结构化数据非简单 json.dumps要保证字段顺序稳定 data_str |.join([ str(record_data.get(crop_id, )), str(record_data.get(stage, )), str(record_data.get(operator, )), str(record_data.get(timestamp, )), json.dumps(record_data.get(details, {}), sort_keysTrue), prev_hash ]) return hmac.new( secret_key, data_str.encode(utf-8), hashlib.sha256 ).hexdigest() # 示例生成第一条种植记录的 HMAC plant_record { crop_id: EGG-2024-001, stage: planting, operator: farmer_zhang, timestamp: 2024-05-10T09:15:22, details: {soil_ph: 6.8, seed_variety: Lohmann Brown} } hmac_value generate_record_hmac(plant_record, bfarm_stage_key_2024) print(hmac_value) # 输出 64 位十六进制字符串如 a1b2c3...f8e9参数说明prev_hash是上一环节的 HMAC 值首次调用传空字符串。sort_keysTrue确保 JSON 字段顺序固定否则相同内容因字典键序不同产生不同哈希。secret_key必须按环节隔离农场用 farm_key加工用 process_key不能全系统共用一个密钥否则任一环节密钥泄露即全链崩塌。2.3 用 SHA-256 批次指纹固化让“一箱鸡蛋”拥有不可复制的数字身份证最终消费者扫码看到的不是一个长列表而是一个简短批次码如EGG-2024-001-7F2A。这个后缀7F2A就是整条溯源链的 SHA-256 哈希截断值。它由所有环节 HMAC 值按顺序拼接后计算得出任何一环数据变动都会导致最终批次指纹巨变。def calculate_batch_fingerprint(hmac_list: list) - str: 根据所有环节 HMAC 列表生成最终批次指纹取前 4 字节十六进制 hmac_list: [hmac1, hmac2, hmac3, ...] full_chain |.join(hmac_list).encode(utf-8) full_hash hashlib.sha256(full_chain).hexdigest() return full_hash[:4].upper() # 截取前 4 字符大写如 7F2A # 假设我们有 3 个环节的 HMAC hmacs [ a1b2c3d4e5f6...1234, # 种植 b2c3d4e5f6a1...2345, # 采收 c3d4e5f6a1b2...3456 # 包装 ] batch_suffix calculate_batch_fingerprint(hmacs) print(f批次码EGG-2024-001-{batch_suffix}) # EGG-2024-001-7F2A注意calculate_batch_fingerprint必须在所有环节数据确认无误后由可信中心节点如监管平台统一调用。不能由任一环节自行计算并声称“这是最终码”否则失去防抵赖意义。仿真系统中该函数通常放在batch_manager.py中由simulate_full_trace()主流程最后触发。3. 构建可验证的溯源链路从种植到物流的六节点状态机仿真光有加密不够还得让数据按真实业务流走。我们定义六个标准节点planting种植、harvesting采收、processing初加工、quality_check质检、packing包装、logistics物流。每个节点有明确输入约束、操作者权限、时间窗口和输出格式。仿真系统不是随机生成数据而是按状态机规则驱动——只有前序节点完成后续节点才可激活每个节点提交的数据必须包含前序 HMAC否则拒绝入库。3.1 定义状态机 Schema 与校验规则我们用 Pythondataclass描述每个节点的强制字段并内置校验逻辑。重点在于validate_transition()方法它检查新记录是否满足“只能由合法角色在合理时间提交”、“是否携带正确前序 HMAC”。from dataclasses import dataclass from datetime import datetime, timedelta import re dataclass class TraceNode: crop_id: str stage: str # 必须是预定义枚举值 operator: str timestamp: str # ISO 格式字符串 prev_hmac: str # 前一环节 HMAC首环节为空字符串 details: dict current_hmac: str # 本环节计算出的 HMAC def __post_init__(self): # 强制时间格式校验 try: dt datetime.fromisoformat(self.timestamp.replace(Z, 00:00)) # 限制时间不能早于 2020 年不能晚于当前时间 1 小时防设备时钟错误 if dt.year 2020 or dt datetime.now() timedelta(hours1): raise ValueError(timestamp out of valid range) except ValueError as e: raise ValueError(fInvalid timestamp format or value: {self.timestamp}) from e # 角色命名规范必须含 _role 后缀如 farmer_zhang、inspector_li if not re.match(r^[a-z]_[a-z]$, self.operator): raise ValueError(foperator name {self.operator} must be lowercase with underscore) def validate_transition(self, previous_node: TraceNode None) - bool: 校验本节点是否可从前一节点合法过渡 # 首环节prev_hmac 必须为空 if self.stage planting: if self.prev_hmac ! : raise ValueError(planting stage must have empty prev_hmac) return True # 非首环节必须提供前序节点且 prev_hmac 匹配其 current_hmac if previous_node is None: raise ValueError(fstage {self.stage} requires previous node) if self.prev_hmac ! previous_node.current_hmac: raise ValueError( fprev_hmac mismatch: expected {previous_node.current_hmac}, got {self.prev_hmac} ) # 时间约束后一环节时间必须晚于前一环节允许最多 1 分钟误差防设备不同步 prev_dt datetime.fromisoformat(previous_node.timestamp.replace(Z, 00:00)) curr_dt datetime.fromisoformat(self.timestamp.replace(Z, 00:00)) if curr_dt prev_dt - timedelta(minutes1): raise ValueError(ftimestamp violation: {self.timestamp} {previous_node.timestamp}) return True # 使用示例 try: planting TraceNode( crop_idEGG-2024-001, stageplanting, operatorfarmer_zhang, timestamp2024-05-10T09:15:22, prev_hmac, details{soil_ph: 6.8}, current_hmaca1b2c3... # 此处应为实际计算值 ) harvesting TraceNode( crop_idEGG-2024-001, stageharvesting, operatorfarmer_wang, timestamp2024-05-20T07:30:15, prev_hmacplanting.current_hmac, # 关键必须匹配 details{weight_kg: 125.5}, current_hmacb2c3d4... ) harvesting.validate_transition(planting) # 返回 True表示过渡合法 except ValueError as e: print(fTransition failed: {e})逻辑说明validate_transition()不是装饰器或钩子而是显式调用的校验方法。在仿真主流程中每生成一个新节点都必须传入上一节点实例进行校验。失败则抛出ValueError由上层捕获并记录为“非法操作事件”这比静默忽略更能暴露流程漏洞。3.2 用 Faker 生成符合农业场景的仿真数据真实农产品数据有强领域特征作物 ID 带品类前缀EGG-,RICE-,APPLE-操作员姓名需符合地域习惯华东多“张”“李”西南多“王”“陈”质检结果含国标代号GB/T 20014.12-2013温湿度单位固定。用Faker库配合自定义 provider可生成高保真测试数据。from faker import Faker from faker.providers import BaseProvider class AgriculturalProvider(BaseProvider): def crop_id(self, prefix: str EGG) - str: year self.random_int(min2020, max2025) seq str(self.random_int(min1, max9999)).zfill(4) return f{prefix}-{year}-{seq} def operator_name(self, region: str east) - str: last_names { east: [张, 李, 王, 刘, 陈], southwest: [王, 陈, 李, 杨, 黄] } first_names [伟, 芳, 娜, 敏, 静, 丽, 良, 军, 林, 杰] return f{self.random_element(last_names[region])}_{self.random_element(first_names)} def quality_standard(self) - str: standards [GB/T 20014.12-2013, NY/T 761-2008, GB 2763-2021] return self.random_element(standards) fake Faker(zh_CN) fake.add_provider(AgriculturalProvider) # 生成一条高仿真质检记录 qc_record { crop_id: fake.crop_id(APPLE), stage: quality_check, operator: fake.operator_name(southwest), timestamp: fake.date_time_between(start_date-30d, end_datenow).isoformat(), prev_hmac: previous_hmac_here, details: { standard: fake.quality_standard(), pesticide_residue: round(fake.pyfloat(min_value0.0, max_value0.5), 3), microbial_count: fake.pyint(min_value100, max_value5000) } } print(qc_record) # {crop_id: APPLE-2024-1234, stage: quality_check, operator: 王_芳, ...}参数说明fake.add_provider(AgriculturalProvider)注册自定义规则fake.crop_id(APPLE)生成苹果品类 IDfake.operator_name(southwest)生成西南地区风格姓名。所有生成数据均通过TraceNode构造函数校验确保格式合规。3.3 运行完整仿真流程simulate_full_trace()函数详解把加密、状态机、数据生成串起来就是simulate_full_trace()。它接受作物品类、起始时间、环节数等参数自动调用各环节生成器逐节点校验并计算 HMAC最后输出完整溯源链和批次码。def simulate_full_trace( crop_type: str EGG, start_time: str None, num_stages: int 6, key_dir: str config/keys ) - dict: 执行一次完整的农产品溯源链路仿真 返回包含所有节点、HMAC 链、批次码的字典 if start_time is None: start_time datetime.now().isoformat() # 加载各环节密钥生产环境应从安全存储读取 stage_keys { planting: open(f{key_dir}/farm_stage_key.bin, rb).read(), harvesting: open(f{key_dir}/farm_stage_key.bin, rb).read(), # 农场环节共用 processing: open(f{key_dir}/process_stage_key.bin, rb).read(), quality_check: open(f{key_dir}/inspect_stage_key.bin, rb).read(), packing: open(f{key_dir}/pack_stage_key.bin, rb).read(), logistics: open(f{key_dir}/logis_stage_key.bin, rb).read() } stages [planting, harvesting, processing, quality_check, packing, logistics][:num_stages] nodes [] hmac_list [] for i, stage in enumerate(stages): # 生成本环节基础数据 if stage planting: base_data { crop_id: fake.crop_id(crop_type), stage: stage, operator: fake.operator_name(east), timestamp: start_time, prev_hmac: , details: {soil_ph: round(fake.pyfloat(min_value5.5, max_value7.5), 1)} } elif stage harvesting: base_data { crop_id: nodes[-1].crop_id, stage: stage, operator: fake.operator_name(east), timestamp: (datetime.fromisoformat(start_time) timedelta(days10)).isoformat(), prev_hmac: nodes[-1].current_hmac, details: {weight_kg: fake.pyfloat(min_value100.0, max_value200.0)} } else: # 其他环节逻辑类似略去以保持篇幅 pass # 计算当前 HMAC current_hmac generate_record_hmac( base_data, stage_keys[stage], base_data[prev_hmac] ) # 构建节点实例 node TraceNode( crop_idbase_data[crop_id], stagebase_data[stage], operatorbase_data[operator], timestampbase_data[timestamp], prev_hmacbase_data[prev_hmac], detailsbase_data[details], current_hmaccurrent_hmac ) # 校验状态转移 if i 0: node.validate_transition(nodes[-1]) nodes.append(node) hmac_list.append(current_hmac) # 生成最终批次码 batch_suffix calculate_batch_fingerprint(hmac_list) batch_code f{nodes[0].crop_id}-{batch_suffix} return { batch_code: batch_code, trace_nodes: [n.__dict__ for n in nodes], # 转为字典便于序列化 hmac_chain: hmac_list, full_hash: hashlib.sha256(|.join(hmac_list).encode()).hexdigest() } # 执行仿真 result simulate_full_trace(crop_typeRICE, num_stages4) print(f批次码{result[batch_code]}) print(f共 {len(result[trace_nodes])} 个环节)关键点simulate_full_trace()是整个仿真的心脏。它不返回 HTML 或图表而是返回纯 Python 字典包含所有可验证字段。这意味着你可以把它嵌入 Flask API、存入 SQLite、或导出为 JSON 供前端渲染——但加密和校验逻辑完全在 Python 层闭环不依赖任何外部服务。4. 验证与反演用独立脚本校验任意溯源链的有效性仿真系统产出的数据必须能被第三方独立验证。我们提供verify_trace.py脚本它不依赖原始密钥文件只用公开的公钥和规则就能判断一条溯源链是否被篡改、是否符合时序、是否所有 HMAC 连续有效。这才是“可验证”的真正含义。4.1 编写verify_trace.py三步校验法该脚本接收一个 JSON 文件路径含trace_nodes数组执行以下三步结构校验检查每个节点是否符合TraceNode字段要求用dataclass的__post_init__逻辑复现链路校验遍历节点用validate_transition()逐对校验时序与 HMAC 连续性批次校验提取所有current_hmac用calculate_batch_fingerprint()重新计算批次码与batch_code字段比对。# verify_trace.py 使用方式 python verify_trace.py --input trace_output.json# verify_trace.py 核心逻辑简化版 import sys import json import argparse from datetime import datetime from typing import List, Dict def load_trace_json(file_path: str) - Dict: with open(file_path, r, encodingutf-8) as f: return json.load(f) def validate_structure(node_dict: Dict) - bool: 复现 TraceNode.__post_init__ 的校验逻辑 try: dt datetime.fromisoformat(node_dict[timestamp].replace(Z, 00:00)) if dt.year 2020 or dt datetime.now() timedelta(hours1): return False if not isinstance(node_dict[details], dict): return False return True except: return False def validate_chain(nodes: List[Dict]) - bool: 复现 validate_transition 的链路校验 for i in range(1, len(nodes)): curr nodes[i] prev nodes[i-1] # 检查 prev_hmac 是否匹配上一节点 current_hmac if curr[prev_hmac] ! prev[current_hmac]: print(f❌ HMAC break at index {i}: expected {prev[current_hmac]}, got {curr[prev_hmac]}) return False # 检查时间是否倒流 curr_dt datetime.fromisoformat(curr[timestamp].replace(Z, 00:00)) prev_dt datetime.fromisoformat(prev[timestamp].replace(Z, 00:00)) if curr_dt prev_dt - timedelta(minutes1): print(f❌ Time reversal at index {i}: {curr[timestamp]} {prev[timestamp]}) return False return True def verify_batch_code(nodes: List[Dict], batch_code: str) - bool: 校验批次码是否由当前 HMAC 链生成 hmacs [n[current_hmac] for n in nodes] expected_suffix calculate_batch_fingerprint(hmacs) expected_code f{nodes[0][crop_id]}-{expected_suffix} if batch_code ! expected_code: print(f❌ Batch code mismatch: expected {expected_code}, got {batch_code}) return False return True if __name__ __main__: parser argparse.ArgumentParser() parser.add_argument(--input, requiredTrue, helpPath to trace JSON file) args parser.parse_args() data load_trace_json(args.input) nodes data[trace_nodes] batch_code data[batch_code] print( Starting verification...) if not all(validate_structure(n) for n in nodes): print(❌ Structure validation failed) sys.exit(1) if not validate_chain(nodes): print(❌ Chain validation failed) sys.exit(1) if not verify_batch_code(nodes, batch_code): print(❌ Batch code validation failed) sys.exit(1) print(✅ All verifications passed. This trace is cryptographically sound.)提示verify_trace.py必须与主仿真代码使用完全相同的calculate_batch_fingerprint和generate_record_hmac实现。任何细微差异如sort_keys参数、时间格式化方式都会导致校验失败。建议将这些函数抽离到crypto_utils.py中被两者共同导入。4.2 常见验证失败场景与修复指南失败现象根本原因修复动作HMAC break at index 2加工环节提交时prev_hmac字段填错了不是采收环节的current_hmac检查simulate_full_trace()中harvesting节点生成逻辑确认base_data[prev_hmac]赋值正确Time reversal at index 3质检环节时间戳写成2024-05-15T10:00:00但采收是2024-05-20T08:00:00修改fake.date_time_between()的start_date参数确保质检时间晚于采收时间Batch code mismatch仿真时用了hmac_list [n[current_hmac] for n in nodes]但verify_trace.py里漏了sort_keysTrue导致 JSON 序列化顺序不同统一使用json.dumps(..., sort_keysTrue)生成details字符串或改用 注意所有修复必须在crypto_utils.py中完成确保仿真与验证两端逻辑 100% 一致。这是整个系统可信的基石。5. 在 VS Code 中调试与部署配置 Python 环境与一键运行脚本仿真系统不是写完就扔的 Demo它需要被团队成员快速拉起、修改、验证。VS Code 是最主流的 Python 开发环境我们给出零配置启动方案——只需 3 个文件就能让新人 5 分钟内跑通全流程。5.1 创建requirements.txt锁定核心依赖版本不要用pip freeze requirements.txt那会锁死所有间接依赖。我们只声明直接强依赖并指定最小兼容版本# requirements.txt cryptography38.0.0,39.0.0 Faker18.0.0,19.0.0 pydantic1.10.0,2.0.0 # 用于未来扩展数据校验理由cryptography38.x 是首个全面支持 Python 3.11 且 API 稳定的系列Faker18.x 提供完善的中文农业数据生成器pydantic预留接口方便后续接入 Pydantic V2 做更严格的模型校验。版本范围用39.0.0防止大版本破坏性更新。5.2 编写.vscode/settings.jsonVS Code 专属配置此文件告诉 VS Code“用哪个 Python 解释器、在哪里找模块、怎么格式化代码”。它比全局配置更精准且可提交到 Git。{ python.defaultInterpreterPath: ./venv/bin/python, python.testing.pytestArgs: [ tests/ ], python.formatting.provider: black, python.linting.enabled: true, python.linting.pylintEnabled: true, files.exclude: { **/__pycache__: true, **/*.pyc: true, **/venv: true } }关键点python.defaultInterpreterPath: ./venv/bin/python强制使用项目级虚拟环境避免污染系统 Python。Windows 用户需改为./venv/Scripts/python.exe。files.exclude隐藏编译文件让资源管理器清爽。5.3 制作run_simulate.sh/run_simulate.bat一键生成并验证Linux/macOS 用 ShellWindows 用 BAT内容高度一致创建虚拟环境 → 安装依赖 → 运行仿真 → 自动验证。#!/bin/bash # run_simulate.sh set -e # 任一命令失败即退出 echo Setting up virtual environment... python3 -m venv venv source venv/bin/activate echo Installing dependencies... pip install --upgrade pip pip install -r requirements.txt echo Running full trace simulation... python main.py --crop_type RICE --num_stages 5 trace_output.json echo Verifying generated trace... python verify_trace.py --input trace_output.json echo Simulation completed. Output saved to trace_output.jsonecho off REM run_simulate.bat echo Setting up virtual environment... python -m venv venv echo Installing dependencies... venv\Scripts\pip.exe install --upgrade pip venv\Scripts\pip.exe install -r requirements.txt echo Running full trace simulation... venv\Scripts\python.exe main.py --crop_type RICE --num_stages 5 trace_output.json echo Verifying generated trace... venv\Scripts\python.exe verify_trace.py --input trace_output.json echo Simulation completed. Output saved to trace_output.json参数说明--crop_type RICE指定生成水稻溯源链--num_stages 5表示跑种植、采收、加工、质检、包装五个环节跳过物流。重定向将main.py输出的 JSON 直接写入文件省去手动保存步骤。5.4 在 VS Code 中启动调试设置launch.json点击左侧“运行和调试”图标 → “创建 launch.json 文件” → 选择“Python File”。替换为以下内容即可按 F5 直接调试main.py{ version: 0.2.0, configurations: [ { name: Python: Current File, type: python, request: launch, module: main, args: [--crop_type, APPLE, --num_stages, 6], console: integratedTerminal, justMyCode: true } ] }技巧args字段预置常用参数避免每次调试都输命令。console: integratedTerminal确保输出在 VS Code 内置终端显示方便查看日志。调试时可在simulate_full_trace()函数第一行加断点观察hmac_list如何逐步增长。当你在 VS Code 中按下 F5终端会依次打印环境搭建、依赖安装、仿真执行、验证通过的日志最后停在trace_output.json生成处——此时打开该文件你能看到一条带完整 HMAC 链、时间戳、操作员、细节字段的水稻溯源记录它的批次码经verify_trace.py独立校验100% 可信。这不再是“能跑就行”的玩具而是具备密码学根基、可被第三方审计、能支撑真实农业数字化升级的仿真基座。本文还有配套的精品资源点击获取