近年来,随着工业化与信息化的深度融合,以及智能制造等产业的广泛兴起,工业物联网得到了快速成长,其感知层中传感器节点众多且具有安全脆弱性等特点,工业物联网安全问题越来越成为工业界一个普遍关注的重点;基于区块链的工业物联网节点行为数据分析与异常行为追踪为这一问题的解决提供了可能途径。本文在基于区块链的工业物联网节点行为数据分析与追踪模型研究中做出的主要贡献包括:1.提出了一种面向工业物联网的改进DPoS共识机制。即将工业物联网节点划分为五类,引入双向监督规则,制定奖励和惩罚机制,利用投票时间差因素来调动节点的投票积极性,根据节点的信用评分来检测共识机制中的恶意节点,通过该机制约束网络节点的行为并确保各司其职,解决了DPoS共识机制中节点投票积极性不高、投票周期内节点存在联合作恶、现有的DPoS共识机制不能直接应用于工业物联网等问题。2.提出了一种基于区块链的工业物联网节点区块确认方法。受论文审稿人具有“一票否决”权利的启发,授予汇聚节点具有最终验证区块合法性的权利,解决了工业物联网区块确认环节中的信任缺失问题。3.构建了基于区块链的工业物联网恶意节点检测与数据追踪模型。提出了一种分布式随机检测可疑行为方法,通过监测节点的处理延迟和转发率对节点的行为进行评估,以保证系统数据完整性的可靠度,并将全网的节点分为四类,设计了基于区块链的工业物联网数据区块和恶意节点检测和节点数据追踪的智能合约方案,基于分布式检测识别恶意节点并将其剔除网络,保障了工业物联网安全。本文通过OPNET仿真平台、以太坊开发框架Truffle、本地私有链仿真工具Ganache等对模型进行了组合仿真,仿真结果表明:本文方法在工业物联网恶意节点检测与数据追踪中具有可行性;基于区块链的工业物联网节点行为分析与追踪方法有助于提升网络的安全性。