The field surveillance of fuel dispensers is an activity of Legal Metrology that checks these measuring instruments' correct behavior. However, it constitutes a complex challenge because malicious entities can tamper with fuel dispensers to get undue economic advantages. This paper proposes a distributed and decentralized solution. We use IoT-based vehicle simple meters to estimate the fuel amount in refilling events. Although these estimates can be inaccurate, we explore properties of the Law of the Large Numbers to evaluate the fuel dispenser's accuracy. We also use blockchains to avoid collusion attacks and provide a truly distributed and decentralized surveillance solution that implements statistical surveillance analysis as smart contracts. We develop a case study based on the vehicular fleet and fuel dispensers in São Paulo, Brazil. We perform our experiment using the Hyperledger Fabric platform with byzantine fault-tolerant consensus. In a hypothetical scenario where vehicular meters present error lower than 5%, and each vehicle refuels more than ten times on average, we can identify tampered fuel dispensers with sensitivity and specificity over 95%. We also demonstrate that our blockchain deployment can support a workload of 600 concurrent clients with a throughput higher than 350 tps and latency lower than 1 s. These results attest to our framework suitability in terms of accuracy and performance. They provide promising perspectives on using our idea in the metrological surveillance of other measuring instruments.

加油机的现场监视是法律计量学的一项活动，该活动检查这些测量仪器的正确行为。但是，这构成了一个复杂的挑战，因为恶意实体可能会篡改加油机以获得不当的经济利益。本文提出了一种分布式和分散的解决方案。我们使用基于IoT的车辆简单仪表来估计加油事件中的燃油量。尽管这些估计可能不准确，但是我们探索了“大数定律”的属性来评估加油机的准确性。我们还使用区块链来避免串通攻击，并提供真正的分布式和分散式监控解决方案，该解决方案将统计监控分析实现为智能合约。我们基于巴西圣保罗的车队和加油机开发了一个案例研究。我们使用具有拜占庭容错共识的Hyperledger Fabric平台执行实验。在假设的情况下，车辆仪表的误差低于5％，并且每辆车平均加油超过10倍，我们可以识别出灵敏度和特异性超过95％的窜改加油机。我们还证明，我们的区块链部署可以支持600个并发客户端的工作负载，吞吐量高于350 tps，延迟低于1 s。这些结果证明了我们框架在准确性和性能方面的适用性。他们为在其他测量仪器的计量监视中使用我们的想法提供了有希望的观点。在假设的情况下，车辆仪表的误差低于5％，并且每辆车平均加油超过10倍，我们可以识别出灵敏度和特异性超过95％的窜改加油机。我们还证明，我们的区块链部署可以支持600个并发客户端的工作负载，吞吐量高于350 tps，延迟低于1 s。这些结果证明了我们的框架在准确性和性能方面的适用性。他们为在其他测量仪器的计量监视中使用我们的想法提供了有希望的观点。在假设的情况下，车辆仪表的误差低于5％，并且每辆车平均加油超过10倍，我们可以识别出灵敏度和特异性超过95％的窜改加油机。我们还证明，我们的区块链部署可以支持600个并发客户端的工作负载，吞吐量高于350 tps，延迟低于1 s。这些结果证明了我们的框架在准确性和性能方面的适用性。他们为在其他测量仪器的计量监视中使用我们的想法提供了有希望的观点。我们还证明，我们的区块链部署可以支持600个并发客户端的工作负载，吞吐量高于350 tps，延迟低于1 s。这些结果证明了我们的框架在准确性和性能方面的适用性。他们为在其他测量仪器的计量监视中使用我们的想法提供了有希望的观点。我们还证明，我们的区块链部署可以支持600个并发客户端的工作负载，吞吐量高于350 tps，延迟低于1 s。这些结果证明了我们的框架在准确性和性能方面的适用性。他们为在其他测量仪器的计量监视中使用我们的想法提供了有希望的观点。