블레이드체인 AI 기반 엔진 블레이드 검사 추적 시스템

초록

본 논문은 엔진 블레이드의 전 생애주기 동안 검사 기록을 변조 방지형으로 보관하기 위해 Hyperledger Fabric 기반의 허가형 블록체인 네트워크와 IPFS를 결합한 BladeChain 시스템을 제안한다. 체인코드에 구현된 상태 머신이 비행시간·사이클·달력 임계치를 자동으로 감시해 검사 시점을 트리거하고, AI 모델명·버전 정보를 온체인에 기록함으로써 규제기관이 결함 탐지 과정 전체를 검증할 수 있게 한다. 프로토타입 실험에서는 100개 블레이드 규모에서 분당 26건의 처리량을 유지하며, 중앙 집중형 SQL 대비 합의 오버헤드를 정량화하였다.

상세 분석

BladeChain은 항공기 엔진 블레이드 유지보수의 핵심 문제인 데이터 파편화와 검증 불가능성을 블록체인으로 해결한다. 첫 번째 핵심은 네 개의 이해관계자(OEM, 항공사, MRO, 규제기관)를 각각 조직별 MSP(Member Service Provider)로 정의하고, Hyperledger Fabric 2.5의 채널 구조와 엔드오스팅 정책을 활용해 모든 트랜잭션에 다중 서명을 강제한다. 이를 통해 단일 조직이 기록을 임의로 수정하거나 삭제하는 것을 방지한다.

두 번째 핵심은 체인코드에 구현된 유한 상태 머신이다. 블레이드의 상태는 ‘제조’, ‘운용’, ‘검사대기’, ‘검사중’, ‘수리’, ‘폐기’ 등으로 정의되며, 비행시간·사이클·달력 임계치를 실시간으로 모니터링하는 오라클이 해당 상태를 자동 전이시킨다. 이 자동 전이 메커니즘은 기존에 수작업으로 관리되던 점검 스케줄링 오류를 원천 차단한다.

세 번째는 AI 기반 결함 탐지와 그 증거의 온·오프체인 연계이다. 검사 이미지와 주석 파일은 IPFS에 저장하고, 그 콘텐츠 해시(SHA‑256)와 IPFS CID를 온체인 레코드에 포함한다. 동시에 검사에 사용된 AI 모델의 이름과 버전을 메타데이터로 기록함으로써, 규제기관은 “어떤 이미지가 어떤 모델 버전으로 분석되었는가”를 검증할 수 있다. 모델 교체가 필요할 경우 플러그인 방식으로 새로운 모델을 등록하면 체인코드 수정 없이도 운영이 가능하도록 설계되었다.

보안 측면에서는 해시 검증을 통해 변조 탐지를 평균 17 ms 내에 수행한다는 실험 결과를 제시한다. 또한, Fabric의 PBFT‑계열 합의 알고리즘을 사용해 트랜잭션 최종성을 보장하면서도 평균 처리량 26 TPS(Transactions Per Second)를 달성했으며, 동일 워크로드를 중앙 집중형 SQL 데이터베이스와 비교했을 때 약 2배 이상의 레이턴시 증가가 관찰되었지만, 이는 보안·투명성 확보라는 트레이드오프에 합당한 수준으로 평가된다.

마지막으로 기존 연구와의 차별성을 정리하면, 기존 블록체인 기반 부품 추적 시스템은 주로 소유권·이력 관리에 초점을 맞추었고, 검사 결과물의 대용량 파일 바인딩이나 AI 모델 프로벤스까지는 다루지 않았다. BladeChain은 이 세 가지 요소—다중 조직 합의, 자동 스케줄링, AI 검증 증거—를 하나의 프레임워크에 통합함으로써 항공 정비 분야에서 최초로 규제 수준의 감사 가능성을 제공한다.