imtoken官网下载地址|区块链数据交易平台

作者: imtoken官网下载地址
2024-03-16 22:54:47

区块链技术在数据交易中的应用！ - 知乎

区块链技术在数据交易中的应用！ - 知乎切换模式写文章登录/注册区块链技术在数据交易中的应用！知乎用户YA7P95近年来，随着大数据的蓬勃发展，数据交易成为新兴的热门领域。数据交易是大数据发展到一定阶段的必然需求，对推动数据公开化、共享化，建立健全以数据为基础的科学化社会体系具有重要意义。数据交易依赖于完善的数据治理体系，进而确保良好的数据质量和安全的交易环境。而现有的大数据交易体系面临两个方面的主要问题：（1）源数据和目标数据难以匹配的问题。数据产生和应用的环境不同直接导致数据的提供方与需求方对数据的要求不一致，较大程度的影响了数据交易的效率。因此，现有数据交易过程是提供方（或第三方交易场所）列出能够提供的数据清单，需求方根据自身需要进行有限的选择。（2）数据交易过程中的安全保障问题。不同于其他的实体物品交易，数据的只能在网络上进行，这就为数据交易过程中进行数据篡改提供了可能。解决上述两个问题的关键是建立一种协同共治、安全可信的数据治理体系，区块链技术为建立这样的体系提供了技术可能。1.2、区块链技术区块链是一种新型的数据库技术，具有去中心化、防信息篡改等典型特征，使其在金融、征信等领域得到广泛应用。区块链技术适用于相关方互相不互信，而又对信息安全要求比较高的环境。因此，是解决数据交易现存问题的一种理想技术手段。区块链技术采用链式结构组织数据存储节点，也即区块的概念，采用时间的先后顺序，利用密码学的技术建立起链式结构。相比原传统数据库的“增删改查”操作，区块链形式组织的“数据库”仅具有“增”和“查”的操作，且增加的数据需要各参与方的共同认可，有效的保障了数据的安全性和可靠性。按照系统是否具有准入管理机制，区块链的可以分许可链和非许可链。在许可链中，加入和查询需要经过系统的许可。根据拥有许可权限的范围，许可链又可进一步分为联盟链和私有链，加入和读取的权限分别控制在“联盟”和少数私有人手中。非许可链是完全开放的，又称为公有链，加入和查询等相关操作在符合系统规则的前提下完全自由。1.3、相关工作区块链技术已经应用在金融、征信、医疗等诸多领域。部分学者已经开始将区块链技术应用在政府数据管理、数据一致性等相关领域。部分学者开始关注区块链技术在隐私保护领域的应用。这些研究都为在数据交易领域引入区块链技术奠定了良好的基础。2、基于区块链技术的数据交易模型2.1区块链模型参与交易的数据需采用区块链的技术进行存储，仅有链内可以参与交易。每个区块链具有以下几项关键要素：基础功能组件。实现数据库的基本功能，如与其他区块节点建立联系，数据的读取、加密、接口等，实现数据管理的基础功能，确保数据数据可以按照安全的、按照指定的形式由卖方转移至买方，确保数据交易过程顺利完成。数据校验（账本）。所有参与交易的数据必须满足交易双方以及数据管理方共同约定的数据格式与存储要求，可以采用现有的元数据管理方式，建立相应的数据字典。也可以更广泛的对数据清洗、隐私保护等提出约定。账本功能是对本节点是否满足事先的约定进行校验，通过校验方可建立相应的区块，并存储相应的数据。共识，管理存储数据和获取数据的操作过程。参与数据交易的各方，是区块链的管理与使用方。共识要素用来确保满足条件的数据是经各方认可后存储，也是经各方认可后进行查询和读取。操作指令集合。用于实现区块链操作过程中的各项指令。指令集合既可遵循图灵完备性，也可不遵循图灵完备性，需要根据双方交易的数据类型和交易之前的约定确定。指令集合是具体交易的编码实现。数据存储区。用于存储交易所需的数据。考虑到现有交易的数据种类多样，不仅局限于原有的关系数据类型,采用相关技术对数据进行存储，將数据存储为对象的方式，建立适用于多种数据类型的数据库体系。2.2、交易流程模型基于区块链模型的数据交易，改变了传统数据交易的基本流程，主要涉及三个方面:数据交易不再是基于现有数据，而是采用预约交易的方式。数据买卖双方与数据交易平台实现对相关数据达成共识，形成约定。相关数据的产生、清洗、存储、交易等多个环节均由数据交易参与方共同参与管理。区块链模型可确保参与交易的数据产生、交易全流程能够符合事先的约定。数据交易平台职能弱化，交易平台仅是区块链数据库系统的建设者和维护者，其虽参与交易过程，但并不实质性的参与交易，更多的承担交易监督者的职能。交易重心不再是交易本身，而是交易之前的约定,约定一旦达成，不能更改。参与交易的各方均是遵从合约的行为，各方的地位更加平等，交易更加公平。区块链技术突破性的解决了安全环境和可靠交易的问题，具有良好的发展前景和广泛的应用领域。目前，对区块链技术的研究还处于起步阶段。长远来看，随着区块链技术的不断发展和应用的逐步成熟，其与云计算、大数据等关键技术将有机结合，成为促进我国数据交易环境不断完善，数据共享能力不断提升的有效途径。发布于 2020-12-17 15:57区块链技术大数据数据库赞同 2添加评论分享喜欢收藏申请

基于区块链与联邦学习技术的数据交易平台 - 知乎

基于区块链与联邦学习技术的数据交易平台 - 知乎切换模式写文章登录/注册基于区块链与联邦学习技术的数据交易平台达朴汇联符合法律法规、数据伦理约束的大规模数据交换是数据要素化的重要条件基础。联邦学习作为一种新兴技术解决了数据交换的隐私问题，得到学术界高度关注，但其具体方法尚不大成熟，距离大规模应用尚有距离。区块链和联邦学习的协作，简化了数据分布场景、提供了学习过程的追溯，实现了数据交易的“事先评估”。基于区块链的信任媒介作用，可以通过区块链系统记录训练参数、模型数据、数据调用过程等，实现多方合作的可信隐私计算平台。在不暴露具体数据的前提下，通过神经网络的模型、梯度等数据共享，实现数据蕴含的知识价值传递，从而打破既有条件下的数据孤岛，构建数据价值链条。（一）背景符合法律和伦理约束的数据交易环境和机制是数据生产要素化的重要条件。2014年起，我国陆续开始建立了数据交易中心，在2015年至2017年间，中国的数据交易中心进入密集建设阶段。由于国家法律法规对数据活动监管的逐渐严厉、企业组织对于数据资产管理的日益重视、数据主体对数据隐私保护的需要更加强烈、数据拥有权在数据转移过程中晦涩不清等诸多原因，围绕数据交易中心的数据交易成果寥寥。相反，基于“社工库”[1]的违法数据交易却层出不穷，大量个人、组织数据隐私遭到泄露，造成了巨大的经济社会损失。随着数据被列为生产要素，数据交易安全问题更加突出。采用区块链为核心技术，我国各数据交易中心陆续建立了数据确权服务平台，从机制上保证了数据主体权益和交易安全。由于区块链技术需要大量计算资源，并且无法从根本上保证大量细节数据的暴露，因此人类迫切需要采用新的技术手段，在保护细节数据的基础上，实现数据价值的转让与传递。联合机器学习（联邦学习）是2016年由谷歌提出的一种新的机器学习模型，是在中央服务器或服务提供者编排下的，多个实体进行协作，共同解决机器学习问题的一种机制。与采用数据聚合实现机器学习目标方式不同，每个客户端的数据都存储在本地，不进行交换或者转移[2]。参与联邦学习的实体之间传递的是神经网络模型以及参数，无需传递原始数据本身，可以在不暴露细节数据的基础上，完成数据内含价值挖掘和传递。联邦学习理论复杂，牵涉到机器学习、分布优化、加密、安全、差分隐私、公平性问题、压缩感知、系统学、信息理论…等多种理论。基于横向联邦学习、纵向联邦学习、联邦迁移学习、Split-learning等算法研究与应用场景的研究仍在持续，在医疗、保险、金融等领域有着巨大应用潜力。联邦学习仅仅作为分布式机器学习系统，存在下列问题：联邦学习缺乏身份认证机制，无法保证参与数据交易各方身份真实性；缺少数据交易过程的追溯与鉴证，无法保证数据交易的公正合理；由于第三方无法对原始数据进行观察，无法确认模型以及参数的效果，无法对联邦学习结果予以评估和定价；联邦学习的部署受到算法制约；参与联邦学习各方的设备环境不一致，造成参与各方的协作困难等。为解决上述矛盾，则需要采用基于区块链的联邦学习系统构建数据交易平台。（二）基于区块链与联邦学习的技术基于区块链的联邦学习构建的数据交易平台如图1所示。数据交易平台由区块链系统以及联邦学习系统、数据交易系统三部分组成，围绕着以上系统，多个数据供应商、协调方、算法供应商、数据需求方共同参与数据交易。区块链系统作为基础设施，为数据交易提供安全保障，其功能架构如图 2所示。受制于计算资源，区块链仅保存与数据交易相关信息，例如交易各方身份证书、数据访问方式、数据索引、数据交易合同等，而不涉及具体数据的保存和传输，从机制上避免了细节数据的流动，保护了隐秘数据的安全。图 1：基于区块链的联邦学习交易平台模型图2:区块链架构示意图联邦学习系统则提供的数据交易计算环境，基于联邦学习机制，通过分发神经网络模型和参数实现数据供应方共同参与数据挖掘过程，从而达成数据价值共享的目标。联邦学习系统提供机器学习基础设施用于支持联邦横向学习、联邦纵向学习、联邦迁移学习、Split-Learning的部署与分发。数据交易系统完成数据交易的注册登记、算法资源管理与分配功能。数据供应方、算法供应方、数据需求方分别经协调方组织完成数据交易过程，其典型过程如下：步骤一、数据供应方、算法供应商、数据交易协调方、数据需求者向区块链注册，获取身份证书后，获得区块链加密通信链路访问权限，并递交其数据服务内容、算法描述、协调方资质、数据需求描述等信息。步骤二、根据数据业务内容，数据供应方、算法供应商、数据需求者构成数据交易干系人群体，向数据交易协调方递交数据交易申请，请求数据交易活动。步骤三、数据交易协调方对数据交易各方、交易过程监督，并分配计算资源。协调方通过数据交易系统将交易流水号、交易内容等信息保存到区块链中，向联邦学习系统分配计算资源，协调联邦学习过程。步骤四、在数据交易协调方干预下，数据交易各方完成机器学习协作过程，得到具体算法参数模型。在此过程中，可对数据内容质量采用零知识证明（Zero Knowledge Proof）手段进行评估。经评估后结果放置在区块链超级账簿，作为数据交易合同的执行依据。受数据需求方委托，数据供应方在联邦学习系统或者本地执行算法，为数据需求方提供数据服务。在基于区块链的联邦学习平台中，保证训练过程中数据隐秘性尤为关键。Chuan Ma等人提出了区块链与联邦学习的协作模型[3]。但在现实的数据交易平台中，原始数据往往集中于数据供应商手中，采用基于Hadoop体系的大数据架构进行管理。因其数据体量巨大，采用区块链存储和管理是不现实的，相应的数据的挖掘计算也必然不会在区块链中进行。根据业务需求，数据交易平台中联邦学习与区块链协作模型如图 3所示，其流程如下：图3:联邦学习系统与区块链系统协作过程步骤一、协调方首先通过P2P网络向参与联邦学习的数据供应方分发算法模型，并部署到数据供应商提供的训练节点，算法原型与环境采用了Docker进行封装，有效的解决了参与联邦机器学习各方设备环境不统一的问题。在完成算法系统部署的同时，协调方为数据供应商分配各自区块链代理（数据供应方1 Agent），该代理负责区块链数据块的申请、数据更新日志以及通信管理等任务。步骤二、数据供应方采用本地数据在训练节点完成训练任务，每轮训练结束后将梯度数据、超参、加权数据、损失函数等结果更新到本地模型池。步骤三、数据供应商根据联邦学习算法定义的聚合规则，对训练参数聚合。目前多采用FedAvg算法完成聚合过程，当满足一定的收敛条件后，训练截止，模型与参数保存至区块链中。步骤四、数据供应商完成数据聚合后，在本地生成新的全局模型，并将更新数据上传到区块链。数据供应商代理在区块链中产生新的数据块，保存数据供应商提供的本轮模型参数，数据块产生过程中的挖掘出来的Token，可作为衡量工作量的依据，借助于区块链的共识机制来对更新后的联邦学习参数内容进行来源校验，通过后保存到区块链账簿中。步骤五、数据供应商代理获悉全局模型被更新后，从区块链获取全局模型，通过P2P网络投放到数据供应商。步骤六、数据供应商将全局模型保存到本地模型池中，并据此模型采用本地数据集合开展新一轮训练。步骤七、协调方借助零知识证明手段，对数据供应商以及联邦训练结果评估，评估结果保存在区块链中，作为算法供应商、数据供应方日后交易凭证。在学习过程中，区块链可以根据参与各方工作量给出各工作节点计算量证明。以上模型通过联邦学习与区块链的协作，从框架机制上减少了大量数据传输和数据细节的暴露，满足了数据价值的传递。通过区块链的P2P网络与证书机制，保证了参与数据交易各方的身份真实可信；保证了数据交易合同的公正合理以及可追溯。参考链接：[1] 腾讯安全. “暗网非法数据交易是隐私信息安全的重大威胁”. https://s.tencent.com/research/report/566.html. 访问日期：2021年7月3日[2] Kairouz, P.，McMahan, H. B.，Avent, B.，Bellet, A.，Bennis, M.，Bhagoji, A. N.等 “Advances and open problems in federated learning”，2019年。[3] Ma, C. 等. “When Federated Learning Meets Blockchain: A New Distributed Learning Paradigm.” 2020年.发布于 2022-03-22 06:49联邦学习区块链(Blockchain)数据交易赞同 5添加评论分享喜欢收藏申请

国内首个数据交易链启动建设，基于区块链存证和智能合约等技术_元宇宙观察_澎湃新闻-The Paper

数据交易链启动建设，基于区块链存证和智能合约等技术_元宇宙观察_澎湃新闻-The Paper下载客户端登录无障碍+1国内首个数据交易链启动建设，基于区块链存证和智能合约等技术澎湃新闻记者邵文2023-03-03 16:52来源：澎湃新闻 ∙ 元宇宙观察 >字号·数据交易链的建设目标是构建一个技术自主可控、以平台生态完善为核心的联盟链技术体系，从而在数据产品流通交易中提供登记确权、存证防伪、数据溯源、交易监管等功能，进一步支撑数据安全合规高效流通使用，解决数据产品流通领域中权属确定、可信流通、分布式交易等多维度的难点。大数据流通与交易技术国家工程实验室与上海数据交易所正式启动国内首个数据交易链的建设工作。3月3日，大数据流通与交易技术国家工程实验室与上海数据交易所正式启动国内首个数据交易链的建设工作，这也是国内数据流通交易领域的新一代基础设施建设项目。澎湃科技（www.thepaper.cn）获悉，数据交易链的建设目标是构建一个技术自主可控、以平台生态完善为核心的联盟链技术体系，从而在数据产品流通交易中提供登记确权、存证防伪、数据溯源、交易监管等功能，进一步支撑数据安全合规高效流通使用，解决数据产品流通领域中权属确定、可信流通、分布式交易等多维度的难点。数据交易链将基于国内自主可控的开源区块链底链技术、智能合约开发技术、数据隐私保护技术、跨链信息互通技术等先进技术，依据统筹设计、分期实施的策略建设而成。具体而言，交易前，通过在智能合约中设定数据产品的基本信息、价格和交易方式等内容来实现数据产品的登记挂牌，为数据交易的后续步骤奠定了基础。交易中，通过链上存证每一笔交易订单、交付信息和清结算信息，交易的双方都可以实时监测交易过程的进展，确保交易的可信度和准确性。交易后，通过区块链生成交易凭证，每个凭证将会被分配一个唯一的数字标识，关联整个交易过程的链上数据，支撑交易产品权力确属、交易监管和纠纷处理等。区块链技术将数据交易系统的业务环节上链，大大提高了数据交易的效率、安全性和透明度，使得交易参与主体互信互认，为各方从登记、确权到交付的交易全过程提供安全保障，体现交易所监管客观公正。数据交易链本期建设工作由大数据流通与交易技术国家工程实验室与上海数据交易所联合上证所信息网络有限公司、上海数据发展科技有限责任公司、上海信息投资咨询有限公司、上海数字产业发展有限公司、奇安信科技集团股份有限公司等各方专业公司共同完成。目前，上海数据交易所数据交易系统建立了登记、挂牌、交易、交付、清结算和凭证发放六大业务环节，通过建立数据交易链，利用区块链存证和智能合约等技术使这些业务环节更加安全、高效和透明。数据交易链的建设得到了上海市政府相关部门的大力指导与支持，以及各区块链和数据科技企业的广泛参与，同时受到了业界各方积极的肯定和响应。国内区块链合作团队在方案建设过程中贡献了科学逻辑务实的技术思路，积极为方案落地提供技术保障。数据交付领域的学者认为，未来数据交易链和隐私计算结合是隐私数据交付领域的重要技术方向。长期从事数据产品开发的企业表示，数据交易链的可信、不可篡改、公开属性可形成数据产品的客观市场评价，对数据产品的推广和交易具有实际推动作用。而司法领域专家基于他们的实践经验认为，数据交易全流程的链上留存为可能的数据交易纠纷取证工作提供了基础支撑，未来可与司法链等跨链打通，更高效解决交易纠纷。数据交易生态各方也期待着上海数据交易所联合各方共同建立统一标准，支撑全国多层次数据要素市场，搭建基于区块链的可信流通环境，进一步促进数据的互联互通。责任编辑：郑洁澎湃新闻报料：021-962866澎湃新闻，未经授权不得转载+1收藏我要举报#数据交易链#区块链存证#智能合约查看更多查看更多开始答题扫码下载澎湃新闻客户端Android版iPhone版iPad版关于澎湃加入澎湃联系我们广告合作法律声明隐私政策澎湃矩阵澎湃新闻微博澎湃新闻公众号澎湃新闻抖音号IP SHANGHAISIXTH TONE新闻报料报料热线: 021-962866报料邮箱: news@thepaper.cn沪ICP备14003370号沪公网安备31010602000299号互联网新闻信息服务许可证：31120170006增值电信业务经营许可证：沪B2-2017116© 2014-2024 上海东方报业有限公

隐私计算+区块链：数据交易的可信结算体系 - 知乎

隐私计算+区块链：数据交易的可信结算体系 - 知乎首发于区块链和隐私计算切换模式写文章登录/注册隐私计算+区块链：数据交易的可信结算体系甘露Delta开源框架，隐私计算、区块链和机器学习随着隐私计算不断进入大众的视野，区块链和隐私计算的结合也成为了一个非常热门的话题。区块链和隐私计算到底是如何结合的，用处是什么，相信大部分人都不是很清楚。网上也有一些介绍文章，但是基本都是一笔带过，看完感觉更加一头雾水。在本文中，我们首先介绍数据交易的流程和特点，以及区块链和隐私计算在其中扮演的角色。然后结合Delta开源框架，详细介绍Delta中区块链部分的设计思想，以及最终实现的区块链协调隐私计算的执行过程。下一代数据交易方式故事要从数据的价值说起。随着社会的数字化进程不断加快，每个人、每家企业，每天都会产生大量的数据。对这些数据进行分析，能够有效的提高生产效率、提升用户体验，或者是创造出一些全新的产品。数据有价值，就有了对数据的需求。有能力进行数据分析、将分析结果变现的人，自己不一定拥有足够的数据，需要向数据持有方付费购买。这就催生了数据的交易。数据的交易有两个绕不开的问题：数据所有权的问题，和数据隐私的问题。有些情况下数据需求方自己就有足够的数据用于分析，比如现在的超级大应用淘宝、滴滴等。但是上述的两个问题仍然是绕不开的，数据隐私问题已经不用再提了，天天上热搜。数据的所有权问题却还没有被关注到，个人使用外部服务（淘宝购物、医院看病）留下的行为数据，所有权到底应该属于谁？数据交易和传统实物交易的最大区别就是，数据是可以零成本复制的。我卖出去一把椅子，买的人只有一把椅子，其他人想买，还得来找我，因为只有我能造出来更多的椅子。买椅子的人可以仿造，但是成本是很高的。相比之下，别人买了我的数据，他马上可以零成本复制出来拿去卖，他可以卖的比我便宜，因为他没有制造数据的成本，那我就不可能再卖出去了。因此要实现数据交易，必须比传统实物交易更进一步。购买数据的人，一般是拿数据去做数据分析的计算，他需要的是最终的计算结果，而不是数据本人。那我们可以这样，数据持有方不直接把数据给出去，而是在自己的地盘，直接按照数据需求方的要求完成计算，把计算结果发给他，不给原始数据。对方只有计算结果，没有原始数据，也没法再卖。就可以实现数据的多次交易了。这个就是隐私计算可以实现的功能。当然，严格来说，只有当数据需求方需要同时购买多个数据所有者的数据来进行计算的时候才需要隐私计算。一对一的数据购买使用，不需要隐私计算。但是我们知道大数据的统计分析、人工智能的模型训练都需要海量的数据，往往不是单个人可以提供的，因此需要隐私计算的场景应该占大多数。数据交易中的结算问题通过隐私计算实现了数据交易，下一步还有交易结算的问题。我要是卖椅子，可以让买家先看看椅子，试坐一下。满意了，付钱拿走，不满意，放下椅子走人。可我要是卖数据，你拿到了计算结果，不满意，可没法放下计算结果走人，因为计算结果你已经看到了（已经复制了），你不付钱，后面也可以接着用这个计算结果。这样子谁还愿意给我付钱呢？这就是说，数据交易里面，是不能有买家验货这个过程的，验货只能借助中间人（可信第三方）。买家先把验货的标准告诉中间人，中间人拿到原始数据，以及计算结果进行校验，校验通过后，把计算结果发给买家。交易完成，不能反悔。但是这个中间人是可以看到原始数据的啊，这违背了数据隐私的要求。我们不是回到了问题的原点嘛。另外，一个非常可靠的中间人，拿了我的数据绝不自己用；技术能力特别强，有能力帮我进行验货（对计算结果进行校验）。这样的人，可不好找吧。找到了，也要收很多手续费的吧。总结一下，中间人起到了两个作用，一个是验货，一个是原子交换（一手交钱一手交货）。我们需要技术手段来替代掉这个中间人。零知识证明+区块链实现的自动化可信交易验货的功能，我们可以通过零知识证明技术来替代。零知识证明可以帮数据持有者证明，他是严格按照数据需求方的计算要求完成了计算，中间没有造假。这个过程不需要第三方，也不需要数据需求方对任何人暴露原始数据。关于零知识证明的技术原理这里就不提了，可以去翻翻我们以前的文章。下一步就是原子交换的功能了。原子交换是要保证数据需求方不能拿了计算结果不给钱，数据所有者不能拿了钱不给结果。这个需要区块链来强制执行。区块链要实现的功能，就是强制执行一个规则：当数据所有者提交计算结果和对应的零知识证明后，区块链校验零知识证明的正确，然后从数据需求方的账户转账给数据持有者。这个流程在任何情况下都不能被打断，也就是我们说的，整个操作是一个“原子交换”。在区块链的加持下，数据所有者不用担心给出去计算结果后，对方不付钱的问题。区块链保证了只要提交到链上的计算结果能通过校验，就强制性地从对方账号里转账，不需要对方再做任何操作。区块链通过共识算法来确保这个规则的强制执行不被中断。为了保证强制执行的有效，需要钱和数据都能被区块链的智能合约控制。数据不用说，本来就是要提交到链上的。钱的部分，就需要数据购买者预先在链上账号里存放一部分资金，并且授权链上智能合约自动化操作这部分资金。当然我们也可以退后一步，把资金结算留给线下，在链上只要存放整个交易的不可篡改的证据，供链下结算使用。这样区块链变成了数据交易的审计系统，而结算还是交给传统手段来做。至此，关于区块链和隐私计算构建的新型数据交易体系的基础介绍就结束了。接下来我们进入更实操的部分，看看在开源区块链隐私计算框架Delta中，上述的这个流程，是怎么具体实现的。Delta中的交易流程设计我们以Delta中针对横向联邦学习的数据计算任务为例，详细介绍一个计算任务从发起到执行完成的全部过程。实际的计算流程，远比上文所描述的"提交一个计算结果和对应的零知识证明"来的复杂。横向联邦学习中有多轮交互过程，如果读者对横向联邦学习还不熟悉，可以先阅读这篇专门介绍横向联邦学习的文章：区块链本身具备多种功能，比如组网、消息通道。理论上来说，可以直接使用区块链替代掉横向联邦学习中的Server。但是由于共识算法的限制，区块链执行速度比较慢，并且能在链上存储的数据量很小，链上数据也是全部公开的，直接使用区块链替代掉Server在工程上是不可行的。在Delta的设计中，区块链的职责专注于链上结算（审计），只有涉及到交易的验证，相关流程才通过区块链智能合约实现，其他的链下交互，则通过Delta Node之间的二级通信网络进行，这样可以在保证交易可信性的前提下，实现更高的交易处理速度，提高系统可用性。Delta中的横向联邦学习的过程分为五步：任务注册、参与者选取、密钥交换和秘密分享、本地训练、安全聚合。我们接下来用时序图的方式来描述计算执行流程，系统参与者有三方：数据需求方：也就是计算任务开发者，运行Delta Node的Server端数据所有者：持有数据，执行隐私计算任务，不暴露自身的数据Delta区块链：由多个节点组成的区块链网络任务注册在任务注册阶段，任务开发者将计算任务发布到区块链上。这里的核心是发布到区块链上的任务内容。不包括原始的计算代码，或者初始模型参数。链上只存储计算任务的零知识承诺，用于对计算任务的验证，以及后续对计算结果的验证。任务内容包括了对于数据的需求，使用一个标准化的数据协议进行描述。以及对于节点和数据的一些其他要求。任务还需要设定一个价格，代表自己愿意为这个任务支付多少费用。数据所有者的节点通过这些要求判断自己是否加入一个计算任务。数据所有者的节点监听区块链事件来获取任务，如果选择加入一个任务，则开启监听另一个计算任务轮次的通道。等待计算轮次的开启。注意在任务注册阶段，数据所有者并不需要在链上报名参加任务，这是针对大规模横向联邦学习的场景的设计。很多情况下，大规模横向联邦学习的数据持有者都是移动设备，比如手机。而手机是非常容易掉线的，比如手机持有者突然进了地铁，或者是手机没电了。因此我们的流程设计不能假设同一个节点会长时间在线。而同时手机用户又特别多，总会有很多用户在线进行计算。因此Delta中的横向联邦任务以轮次做为计算节点参与的最小单位。每一轮选择一批节点，节点计算完成提交后立即结束，不要求其下一轮仍然在线。这种设计针对少节点、单个节点多数据的企业场景也同样适用。单轮训练的参与者选取任务执行的基本单位就是轮次，一个横向联邦学习任务，可以有非常非常多的轮次，时间跨度也可以特别长。每个轮次的计算结果叠加到之前的模型上，构成一个最新的训练模型。任务发起者在链上发出开启轮次的事件，接收到事件的计算节点调用智能合约报名参加，等待一定时间后，报名结束，任务发起者在报名的节点中随机选择一批，参与本轮的计算。由于计算节点会随时掉线，因此Delta的设计原则是保证单轮运算的时间尽量短。因此这里的等待时间必须严格控制，防止节点加入轮次后掉线。密钥交换和秘密分享Google的横向联邦学习算法中，通过一组密钥交换实现节点间的加密通信，通过另一组密钥的秘密分享来实现对于节点掉线的容错，通过一个额外的随机数的秘密分享，实现对于服务端作弊获取单节点明文计算结果的防御。在原始的算法中，这一步的秘密分享是放在模型的本地训练之后进行的，做为安全聚合的一部分。而在Delta中，在一个交易体系的框架下，大量消耗算力的模型训练步骤被置后了。因为节点很容易掉线，而太多节点掉线会导致本轮任务执行失败，这样节点的算力消耗就浪费了。因此Delta在“尽早失败”的设计原则下，将其他操作尽可能提前，一旦失败，就不需要执行模型训练，帮助节点节省计算资源。在手机计算节点的情况下，由于手机之间的通信不可靠，因此手机之间的秘密分享，通过服务器进行中转。如果是企业级的计算节点，则秘密分享可以直接通过节点间的二级通信网络进行。节点间通信使用第一组密钥PK1/SK1进行密钥交换，然后使用交换的密钥进行对称加密，保证通信数据无法被服务器监听。本地训练接着计算节点开始在本地的数据集上运行计算任务。由于链上没有计算逻辑的代码，因此节点需要先连接服务器获取计算代码，以及上一轮训练后得到的初始模型参数。节点通过链上提交的计算任务零知识承诺来验证计算逻辑和计算任务的匹配，防止计算节点给出其他的计算任务，欺骗计算节点。计算节点完成计算任务后，将Mask过的计算结果的零知识承诺发送到区块链存储，用于后续的任务校验和结算。然后将Mask过的计算结果发送回服务器端，服务器端同样需要通过区块链上的零知识承诺校验计算结果的正确性，等待全部的计算节点返回数据后，执行安全聚合过程。安全聚合安全聚合的过程和节点掉线容错的处理被集成到了一起。当区块链发出开启安全聚合的事件后，各个计算节点通过链上的数据判断出哪些节点提交了计算结果，哪些节点掉线了。假如掉线的节点数量在可容忍的范围内，开始执行安全聚合。对于每个掉线的节点，本计算节点对外发送其用于生成Mask的SK2的秘密分享，用于反推出其Mask并从最终结果中移除。对于每个在线的节点，对外发送其生成随机数的Seed的秘密分享，用于在结果中移除随机数。服务器拿到全部的秘密分享后进行相加，得到最终的横向联邦学习的计算结果。注意这个流程中，计算节点在对外发送秘密分享以前，同样也需要先将秘密分享的零知识承诺发送上链，而服务端接收到秘密分享后，也是需要先根据链上的承诺进行验证。和上一个步骤里的流程非常相似。这个步骤的设计有几个原因，一个是因为目前在链上还无法实现对于复杂零知识承诺的验证，因此需要服务器端链下手动验证，另一个是因为区块链上无法存储大量数据，因此没法通过区块链进行加密后的模型训练结果的直接分发。在未来的实现中，通过完整的零知识证明，以及Layer 2支持的区块链分布式存储，这个步骤可以被完全省略，直接在区块链上执行完成。至此一个轮次的训练就已经成功结束了，服务器端拿到了最终的平均结果，计算节点未对外暴露任何数据，同时区块链上有足够的数据对这次计算进行验证和结算。总结在本文中，我们详细介绍了区块链和隐私计算的结合点：数据交易的可信自动化结算，并介绍了在开源框架Delta中对于整个流程的实现。希望读者在阅读本文后，能够对区块链、隐私计算、数据交易有一个更清晰的理解，有意愿的读者也可以使用Delta框架自行搭建一个网络进行操作，以获得更加深入的理解。加微信[lencyforce]并备注"Delta社区"，了解更多Delta以及隐私计算相关技术本文经「原本」原创认证，作者一个洋葱，访问yuanben.io查询【4GVQ2SAG】获取授权编辑于 2021-09-27 13:43数据交易联邦学习区块链(Blockchain)赞同 227 条评论分享喜欢收藏申请转载文章被以下专栏收录区块链和隐私计算区块链技术前沿探索。关注隐私计算、区块链性能

基于区块链的大数据交易模式研究与探索

主管单位：中华人民共和国工业和信息化部

主办单位：人民邮电出版社

ISSN 2096-0271 CN 10-1321/G2

首页

期刊简介

编辑委员会

投稿指南

同行评议

期刊订阅

图书

会议活动

联系我们

English

投稿须知

稿件格式要求

出版道德

现任编委会

历届编委会

Toggle navigation

首页

期刊简介

编辑委员会

现任编委会

历届编委会

投稿指南

投稿须知

稿件格式要求

出版道德

同行评议

期刊订阅

图书

会议活动

联系我们

English

大数据, 2021, 7(4): 2021037- DOI: 10.11959/issn.2096-0271.2021037

专题：新基建环境下的数据资产价值评估与定价

基于区块链的大数据交易模式研究与探索

李源1, 高宁1, 孙晶1,2, 赵会群1

1 北方工业大学信息学院，北京 100144

2 北方工业大学大规模流数据集成与分析技术北京市重点实验室，北京 100144

Research and exploration of big data transaction model based on blockchain

LI Yuan1, GAO Ning1, SUN Jing1,2, ZHAO Huiqun1

1 School of Information, North China University of Technology, Beijing 100144, China

2 Beijing Key Laboratory of Large-Scale Stream Data Integration and Analysis Technology, North China University of Technology, Beijing 100144, China

通讯作者: 孙晶，sunjing8248@163.com

网络出版日期: 2021-07-15

基金资助:

国家自然科学基金资助项目. 61902004国家自然科学基金资助项目. 61672041国家自然科学基金资助项目. 61977001北京市教委科技资助项目. KM202010009009北方工业大学科研启动经费资助项目

Online: 2021-07-15

Fund supported:

The National Natural Science Foundation of China. 61902004The National Natural Science Foundation of China. 61672041The National Natural Science Foundation of China. 61977001Project of Beijing Municipal Education Commission. KM202010009009Start-Up Funds of North China University of Technology

作者简介 About authors

李源（1986-），男，博士，北方工业大学信息学院讲师，中国计算机学会（CCF）会员，主要研究方向为数据挖掘、数据库和生物信息学

高宁（1998-），男，北方工业大学信息学院硕士生，主要研究方向为区块链应用

孙晶（1968-），女，北方工业大学信息学院副教授，CCF会员，主要研究方向为软件体系结构

赵会群（1960-），男，博士，北方工业大学信息学院教授，主要研究方向为软件体系结构、大数据生成、物联网、云计算和体育计算

摘要

数据是数字经济的基础，然而目前数据的确权问题存在争议。数据作为新型资产，其资产化标准和定价标准仍处于摸索阶段，大数据交易平台的建设方兴未艾。分析了数据确权、定价和交易的现状及存在的主要问题，并基于此提出新型大数据交易模式，即数据确权、定价和交易之间的迭代交互关系。最终，结合区块链的技术特点，提出了一个基于联盟链的大数据交易平台的方案，从个人和数据交易双方的角度，对平台的权益保护、定价机制和交易模式进行了探索性设计。

关键词：

区块链

;

大数据

;

数据定价

;

数据交易

Abstract

Data is the foundation of the digital economy.However, the issue of data confirmation is currently controversial.As a new type of asset, capitalization standards and pricing standards are still in the exploration stage, and the construction of big data trading platforms is in the ascendant.The status quo and main problems of data right confirmation, pricing and trading were reviewed, and from this condenses, a new big data trading model was proposed, which is the iterative relationship between data right confirmation, pricing and trading.Finally, combined with the technical characteristics of the blockchain, a scheme of big data transaction platform based on the consortium blockchain was put forward, which is from the perspective of individuals and data transaction parties.The platform’s rights and interests protection, pricing mechanism and transaction mode have been designed.

Keywords：

blockchain

;

big data

;

data pricing

;

data transaction

PDF (1533KB)

元数据

多维度评价

导出

EndNote|

Ris|

Bibtex

收藏本文

本文引用格式

李源, 高宁, 孙晶, 赵会群. 基于区块链的大数据交易模式研究与探索. 大数据[J], 2021, 7(4): 2021037- DOI:10.11959/issn.2096-0271.2021037

LI Yuan, GAO Ning, SUN Jing, ZHAO Huiqun. Research and exploration of big data transaction model based on blockchain. Big data research[J], 2021, 7(4): 2021037- DOI:10.11959/issn.2096-0271.2021037

1 引言

2020年政府工作报告中首次写入了“新型基础设施建设”（以下简称新基建）的概念。同年，国家发展和改革委员会明确了新基建的范围。新基建是我国发展的战略性布局。短期来看，新基建具有稳定增长、调整产业结构等作用；长期来看，新基建是夯实基础、推进高质量发展的战略性、先导性、全局性工程。

大数据是数字经济发展的关键一环。随着大数据的蓬勃发展，数据成为国家和企业非常重要的战略性资产。数据资产[1]作为一种新型的资产在法律上还没有明确的归类，数据确权[2]存在争议。数据不同于其他商品，其价值不会因使用而降低，反而可能因为持续的挖掘展现出越来越高的价值，且同一份数据对于不同的使用者会展现出不同的价值，因此数据的价值难以估量[3]。目前数据定价[3-4]仍没有公认的规范。当前的交易数据主要由一些数据交易企业或机构提供，其专精于各自领域的数据收集和分析处理，数据不经过多维度的挖掘就不能发挥其全部的价值，且相关数据逐渐向企业聚集可能产生“数据孤岛”现象[5]。国内外现有的数据交易[6]平台仍处于发展阶段，虽有一定进展，但仍不满足数据交易的要求。

当前针对数据确权、数据定价和数据交易的研究都是孤立的研究[2-4,6]。本文将三者有机结合起来进行分析，提出了新型大数据交易模式，即数据确权、数据定价和数据交易间存在迭代关系。可以看出，数据确权和数据定价是数据交易的基础，数据交易是目的，但数据交易反过来又能促进数据确权和数据定价的发展。针对数据确权和数据定价的研究已有进展，而相关工作需要有足够的经验支持才能完善。数据确权、数据定价和数据交易间存在的问题限制了三者的发展，打破僵局的最好办法是创新数据交易模式，以提高数据交易量，根据大量的交易样本积累经验对数据确权、数据定价和数据交易进行探索。

将区块链技术应用到大数据交易中是一种可行的问题解决方案[7]，该方案可以充分发挥区块链技术的优势，从模式上改变数据交易现状。区块链以去中心化的存储方式构建了一种新型信任机制，用户可以不依赖于第三方进行安全的交易。这种去中心化的交易模式对于数据交易有促进作用，一方面交易的安全得到了保证，可以提高大数据交易量；另一方面这种去中心化的交易也使得交易价格透明，可以更好地维护数据交易秩序。同时交易数据量的增多能促进市场在交易中探索到合适的定价规范，从而帮助解决数据定价的难题。此外，参照在专利等方面的应用，区块链技术在数据的确权上也有良好的适用性，数据资产登记在区块链账本上的记录难以篡改。通过对新型大数据交易模式和区块链技术在数据交易中的应用进行分析，本文提出了一个基于联盟链的新型大数据交易模式平台的方案，从个人和数据交易双方的角度，对平台的权益保护、定价机制和交易模式进行了探索性设计。

2 新型大数据交易模式

朱扬勇等人[8]对信息资产、数字资产、数据资产3个相关概念的起源和问题进行了分析和探讨，并给出了数据资产的定义：拥有数据权属（勘探权、使用权、所有权）、有价值、可计量、可读取的网络空间中的数据集。数据资产的确权和定价是数据资产交易的基础。本节讨论了数据资产确权、数据定价和数据交易的现状及主要存在的问题，并深入分析了三者内在的迭代交互关系，即新型大数据交易模式。

2.1 研究现状及存在的主要问题

2.1.1 数据资产确权

数据资产确权是研究数据资产定价首先要解决的问题，这也困扰着国内外学者，因为不论数据是属于产生数据的个人，还是属于收集、使用数据产生经济作用的企业，两者都有合理的解释。从个体的角度出发，数据由个体产生，理应归个体所有。我国《民法典》中规定，物权是指权利人依法对特定的物享有直接支配和排他的权利，包括所有权、用益物权和担保物权。物权涉及有形资产和无形资产。但是法律并未规定数据属于何种资产。企业收集和使用个体的信息也并未与其发生利益交换，且企业在收集和处理个体产生的数据、制作数据集时投入了大量的成本，此时数据表现出的价值已经独立于个体的信息，因此企业应当对其制作的数据集享有使用权和排他权。大数据的价值源于其海量的数据，而个体的信息在大数据中的占比微不足道，且个体也在大数据的发展中获得了方便，这导致个体想要维护自身权利需要付出的成本与收益差距过大，于是个体往往主动放弃了这一权利。

除了资产确权问题，个人隐私问题也是数字经济时代出现的难题。随着智能手机的普及，越来越多的企业取消了其产品在网页端的支持。究其原因，个人用户的数据往往与其手机号码绑定，通过网页收集的数据与获取用户手机号后收集的数据价值相差极大，企业将收集的信息进行售卖或通过分析以提高自身业务能力无疑都会使企业产生巨大收益。在这种情况下，个人很难知道自身被收集的数据被何人作何用途，个人隐私有泄露的风险。

2.1.2 数据资产定价

数据资产定价是数据交易平台的核心组成部分之一。董祥千等人[9]讨论了数据资产交易的市场模型，并提出了一种基于利润最大化的数据资产价值评估模型。数据的采集、加工处理、交易产生的税收和交易费等构成了企业制作数据集的成本，将该成本与企业的预期收益结合，就构成了数据提供者预期的基本价格。将基本价格与市场的供需关系结合，即可得出数据交易的最终价格。最终价格是多方共赢的结果。

数据的价格受到质量的影响，而数据的质量参差不齐，对数据进行定价不能忽略其本身的质量。赵会群等人[10]根据大数据的4V特征，设定了大数据可用性评价模型，分别是数据体积、数据多样性、数据紧迫性和数据差异性，再对其特性进行调整，分别乘以和为1的价值加权系数后，将通过求和运算得到的结果作为这个数据集的可用性评价分数，在此基础上设计了一种大数据估值算法。国内外还有很多从大数据维度对数据进行分析、定价的研究。这些方法可以客观地对数据进行定价，但是不同类型的数据价值体现不同，仍需探索不同的数据定价规范。

2.1.3 数据资产的交易

戴炳荣等人[11]从数据资产化、数据资产管理和数据资产运营3个阶段提出了12个数据资产标准化的建议，数据资产的标准化是大数据应用和发展的基础。一个典型的数据交易系统包含数据提供者、数据交易平台和数据购买者。数据提供者提供原始数据或处理后的数据，根据成本定价销售；数据交易平台根据定价模型或平台的定价策略对数据进行定价；数据购买者根据自身情况购买数据。

基于数据的资产化和数据对企业发展的重要性，国内外涌现出很多涉及数据交易的企业和机构。NTT Data是日本的信息系统集成商，其开展了转售来自Twitter等社交平台的数据的业务；Factual是一家位置数据公司，其出售地理位置数据，并提供相关的技术服务；Xignite主要面向金融行业，提供基于云的金融市场数据管理方案，可以使用户的内部系统与数据源脱钩，将用户从昂贵的传统基础设施中解放出来。我国也有很多大数据平台。贵阳大数据交易所采用协议定价、拍卖定价和集合定价并存的方式，现交易额已突破一亿元，但是贵阳大数据交易所不支持个人购买数据；上海数据交易中心使用联盟链技术，以发展联盟等形式，构建了我国第一个去中心化在线数据流通平台。

现有涉及数据交易的企业和机构包含了多个领域数据的交易，但由于企业自身业务的侧重点不同，其或侧重于某一领域数据的出售，或侧重于对某一领域数据的处理和分析。单纯由企业提供数据的交易模式可能导致一家企业独大，逐渐垄断某一领域的数据，进而产生“数据孤岛”和数据定价不合理的现象。另外，现有的数据交易平台仍处于发展阶段，平台中可用于交易的数据不够丰富，部分平台对数据个人购买者仍有限制。对于部分数据购买者而言，他们首先需要向某一企业或机构购买数据，然后再由其他企业或机构对购买的数据进行处理和分析，这个过程非常烦琐、周期较长，且数据的安全需要得到有效保护。种种问题限制了数据交易量的增长。

2.2 三者迭代交互关系分析

个体信息是构成大数据不可或缺的部分，却不是大数据的最终成品，而企业在收集和使用个体信息并投入成本制作大数据集的过程中未与个体进行利益交换，因此企业对其开发的数据集的所有权是不完整的。这导致了数据确权和收益分配的争议。在现有的数据交易模式中，企业并未向其收集数据的个体支付报酬，如果法律明确规定了个人对数据的所有权，那么企业就必须向其收集数据的个体支付报酬，这增加了企业制作数据集的成本。收益分配直接影响数据的定价。

尽管有很多研究针对数据定价模式进行了探索，且其中不乏有效的定价模式，但数据资产不同于其他有形资产，不符合边际效用递减、价格弹性和非排他私有资产特性，数据资产的定价仍然没有公认的标准。数据资产定价应当根据不同的数据类型采取不同的定价策略，这有待于在一个良好的市场环境下逐步探索。数据定价是数据交易的重要组成部分，数据定价不合理会导致数据购买者放弃购买数据或对数据价格保持观望，从而降低数据成交量。数据的交易受到供需关系调节，在交易市场中数据的价格会随着交易量的变化而改变，这也展示出了除了从数据本身的价值来研究数据定价算法，从交易模式入手、通过交易样本分析也是研究数据定价的关键。

数据作为一种商品，数据确权和数据定价是其可以用于交易的必要资产化步骤，直接影响着数据交易。数据交易的成功案例对于数据确权和数据定价研究有重要的参考意义，三者内在的迭代交互关系如图1所示。市场调节会遵循价值规律的要求适应供需关系的变化，通过竞争给企业提供压力和动力，实现优胜劣汰，并协调生产与需求的关系。数据确权、数据定价和数据交易各自存在的问题形成了彼此制约的闭环，除了相关理论的研究，在健康的市场中探索各自问题的解决方案也是解决问题的关键，这也是新型大数据交易模式的理念。不同于传统数据交易模式，新型大数据交易模式中不仅包含数据提供者、数据购买者和数据交易平台，还可通过数据交易平台，将数据分析者融入交易模式，为数据交易双方提供全面的数据交易环境。在良好的交易环境中发挥数据确权、数据定价和数据交易间的迭代作用，可促进三者彼此研究的正向发展。

3 区块链技术在新型大数据交易模式中的应用

将区块链技术应用到大数据交易中，可以充分发挥区块链技术的优势，从模式上改变数据交易现状。本节主要讨论区块链在数据交易中的应用，并设计了一个基于联盟链的新型大数据交易模式平台，从平台的权益保护、数据定价和数据交易3个方面进行了探索性设计。

3.1 基于区块链的数据交易

3.1.1 相关研究工作

目前研究界有许多关于区块链在数据交易上应用的研究。Banerjee P等人[7]讨论了当今数据市场安全性的不足，并引入了区块链作为解决方案；Nasonov D等人[12]从企业数据交易的角度考虑，构建了一个基于区块链的数据市场用于验证数据交易的完整性；Özyilmaz K R等人[13]基于以太坊区块链实现了物联网设备交易的数据市场；López D等人[14]设计了基于智能移动数据市场的多层区块链框架，以解决相关的隐私、安全性和可扩展性挑战；Sahoo S等人[15]基于以太坊区块链研究了大数据交易背景下的水印问题；汪靖伟等人[16]将区块链技术引入数据市场，提高了数据交易的透明性和安全性；Swan M[17]对区块链技术进行了分析，认为其可以成为一种保护个人隐私的新机制；此后章宁等人[18]就这个问题进行了详细阐述。

图1

新窗口打开|

下载原图ZIP|

生成PPT

图1

数据确权、数据定价和数据交易间的迭代交互关系

3.1.2 区块链技术在数据交易中的应用

区块链技术的去中心化特性使得其被应用于数据交易市场时可以有效地减少中间机构对交易双方的影响。区块链的透明性和安全性可以保证交易环境的透明公正，矿工节点在认证时会拒绝无效交易。而且区块链块链式的数据结构[19]使得所有上链的交易具有可追溯性，上链的交易很难被删除，默克尔哈希树[20]使得上链的数据可以被验证，以保证上链的数据难以被篡改。区块链的匿名性可以保证对于一项公开的交易，无法追溯到交易的双方，这保证了交易双方的安全。区块链技术在大数据交易上有广大的应用前景。

在数据管理方面。李雨霏等人[21]将数据标准管理、元数据管理、数据质量管理、主数据管理、数据模型管理、数据共享管理、数据安全管理和数据价值管理纳入数据管理职能。区块链技术在数据共享管理和数据安全管理方面有良好的适用性。数据共享管理是指企业开展数据共享和交换，从而实现数据内外部价值的一系列活动。数据安全管理的目的是保障数据的使用安全和共享安全，确保企业的数据不会被泄露。区块链技术为企业间和企业内部数据的共享提供了便捷且安全的方案，企业可以构建联盟链，通过智能合约，在与特定企业进行数据共享时，联盟链中的其他企业不能获取共享的数据。同时，区块链透明的记账和难以篡改的特性保证了数据的安全。

在数据运营方面，数据运营主要包括数据的确权、估值、流通和数据服务。目前存在大量滥用数据使用权的问题，将数据存储在区块链上可以保证数据的使用记录透明、难以篡改、可追溯，以杜绝数据的滥用，保证数据所有者的权益。在数据估值、流通和数据服务方面，可以通过构建基于区块链的数据市场，将多个具有不同功能的企业联合起来，数据的流通通过区块链平台，数据的定价和交易需要区块链节点达成共识，多方监督下保证数据的定价合理、交易规范，并由此促进数据的流通。

在技术平台方面，相关企业的业务主要分为数据采集、数据存储、数据处理和数据分析4个方面。不同企业的业务侧重点不同，如果某一数据购买者有需求，传统的方式是向某一数据提供者购买数据，并由数据购买者自己处理数据或将数据交由数据分析企业进行处理。引入区块链技术可以将这个烦琐的流程大大简化，因为基于区块链的数据市场不仅包括数据提供者和数据购买者，还包括数据分析企业。在相同情况下，数据购买者可以上传自身的需求，购买合适的数据，并选择数据分析企业对购买的数据进行处理，而不再需要使用多个平台。

3.2 基于联盟链的新型大数据交易模式平台

通过前文分析可知，现有的数据交易市场存在如下问题：

● 个人隐私无法保证，数据确权问题仍处于探索阶段，个人信息被企业使用时，个人无法获得收益，个人对数据的维权艰难，维权结果往往得不偿失；

● 数据资产定价标准尚不明确，目前仍处于探索阶段，这需要一个良好的数据交易环境；

● 数据的交易量低，数据交易的发展仍处于起步阶段，交易流程烦琐，可能产生“数据孤岛”问题。

这些看似彼此独立的问题其实存在内在的联系，可通过提高数据交易量，进而对交易样本进行分析的方式逐步解决。结合区块链技术在数据交易中的应用优势，本文设计了一个基于联盟链的新型大数据交易模式平台。新型交易模式的关键在于整合交易市场中的资源，通过交易平台的约束形成健康的交易市场，并在交易市场中进行合理的尝试，发挥数据确权、数据定价和数据交易之间的迭代作用，以促进彼此研究的发展。在新型交易模式中，交易数据的安全通过联盟链保证，联盟链具有将多个企业联合的突出优势。采用联盟链一方面可以避免“数据孤岛”的产生；另一方面可以减少数据交易的烦琐过程，提高交易效率。同时，联盟链允许个人用户加入，个人用户也可以将数据通过交易平台出售。

交易平台的系统分为3层，分别是区块链层、应用层和外部存储层。区块链层负责控制服务，外部存储层提供存储服务，应用层作为用户与区块链层和外部存储层交互的入口，如图2所示。区块链层选用联盟链的方式，为了保证数据的隐私性，只有具有权限的人才可以访问数据。为了减轻区块链的负担，将存储服务和控制服务分开，区块链上只存储哈希值，以保证数据的完整性。哈希值同样可以作为检索时的关键词之一。区块链层仅保存交易功能所需的基本识别信息和交易记录，用户共享的细节数据存储在外部存储层。应用层主要面向用户的客户端。它帮助用户与区块链层和外部存储层进行交互，以便用户参与数据交易活动。应用层通过信息接收模块获取交易请求、查询请求和接收数据，然后通过与智能合约[22]的交互完成交易操作、查询操作和交易记录操作，用户共享的细节数据通过外部存储层交互模块存储在外部存储层。外部存储层由第三方存储提供商提供的分布式存储服务实现。外部存储层是完全分布式的，不会受到单点故障的影响。存储服务存储用户数据，并负责备份数据，以确保数据可访问。

图2

新窗口打开|

下载原图ZIP|

生成PPT

图2

交易平台系统实现架构

联盟链中的节点可以分为4类，分别是数据分析者、数据提供者、数据购买者和个人用户。由数据分析者和部分提供数据的企业作为联盟委员参与联盟链的构建和维护。个人用户和数据提供者及数据购买者加入联盟链需要经过联盟委员的允许。3.2.1 权益保护方面

个人信息来自个人的生活轨迹。个人信息被企业收集后可以产生收益，在个人不知情的情况下这是对个人隐私的侵犯，且个人维权艰难。为了减少这种情况的发生，平台针对个人用户设计了数据售卖功能，个人用户可以在交易平台进行个人数据的售卖，将其他软件（如淘宝、美团、滴滴出行等）的使用数据导入客户端，数据存储后会返还对应的哈希值给个人用户，用户可以用此哈希值进行检索。当个人用户存储的数据被用于交易时，个人用户可以从交易额中获得收益。由于每次交易都会被写入区块链，个人用户可以根据哈希值检索自身数据被何时使用。同时，交易平台也会对个人用户的数据进行分析，生成个体视角的报告并返还给个人用户。个人用户的数据由平台进行脱敏处理后出售，且只出售数据的使用权。个人用户与交易平台的交互如图3所示。平台可以保护上传的个人数据安全。随着平台的发展和个人用户的增多，平台中个人用户数据的价值也会逐渐增大，且平台的数据分析功能完备，这会促进企业通过平台购买个人数据，一方面个人用户会获得更多收益，促使越来越多的个人用户加入；另一方面，这降低了企业收集个人信息的预期收益，使得企业不再收集个人信息，以达到保护个人权益的目的。这是应对大数据发展情况下个人数据泄露问题的一次有益探索。

3.2.2 数据定价方面

对自身数据价值认知清晰的数据提供者可以直接在平台上架数据或拍卖数据。因为大数据商品和一般商品不同，不适用于边际效用递减，数据的价值不会因为使用而损失，且复制成本远低于制作成本，所以平台对交易的数据设置了两种定价方案，分别是使用权的交易定价和所有权的交易定价。购买使用权的用户只能使用数据而不能再将购买的数据通过平台进行交易，数据卖方可以继续售卖这份数据；当数据以所有权交易的方式出售后，购买者拥有数据的所有权，可以在使用后将数据通过平台进行销售，数据原卖方不可以再对此数据进行出售。数据使用权的定价应该低于数据所有权的定价。

采用这种定价模式可以促使部分数据购买者参与交易，虽然数据的价值不会因为使用而流失或减少，但是一些数据具有时效性，对于企业来说，购买这些只有短期使用价值数据的所有权成本过高，很可能达不到预期收益，这就会使得企业放弃购买数据，从而错过转瞬即逝的商业机遇。反之，如果数据提供者可以仅出售数据的使用权而保留对数据的所有权，企业就可以以较低的价格获得数据的使用权。同时，数据提供者也会为了盈利将数据进行完善以提高市场竞争力，从而促进数据质量的提升。数据交易量的上升、数据质量的提高会极大地促进数据交易的发展。由于联盟链具有整合多个企业的特性，拥有数据却对数据价值认知不清的数据拥有者可以将数据上传到交易平台，由联盟链中的数据分析节点代为分析数据并定价，此时数据只有数据分析节点和数据拥有者可见。由于平台存储了多个交易样本且分析结果在节点间达成了共识，平台会给出更加合理的定价。

图3

新窗口打开|

下载原图ZIP|

生成PPT

图3

个人用户与区块链的交互示意图

3.2.3 数据交易方面

数据购买者如果只依据数据卖方对交易数据的描述来确定数据的价值，进而与卖方进行交易，可能会出现“双输”的局面，数据卖方认为自己的数据价值更高，这次交易卖亏了，而数据购买者认为这份数据不符合预期，这次交易买亏了。针对这种情况，平台对数据购买者设置了数据查询功能，数据购买者可以支付一定的费用，并向平台提供查询语句，平台会对数据进行抽样，然后依据数据购买者提供的查询语句进行处理，并反馈报告给数据购买者。数据购买者据此确定这份数据是否是其所需要的。对于数据购买者来说，这种模式极大地明确了数据的价值，避免了交易后因为数据质量产生的争执，可以促进交易市场的良性循环。对于一些想要通过购买数据提升自身业务水平却不具备数据分析能力的企业，可以在购买数据后支付额外的报酬，由网络中的数据分析企业代为处理数据。平台交易流程如图4所示。

数据使用权的交易往往采用协商定价的方式，由于数据可以多次售卖，预期的收益被多次交易的收益稀释，交易双方有交易价格的商谈空间。数据所有权的交易往往采用拍卖的方式进行，数据购买者使用数据后可以进行二次出售以回收成本，具有可观的预期收益。数据提供者通过单次交易获得收益，往往期望更高的交易价格，价高者得的拍卖定价方式更合理。联盟链最大的优势就是资源整合，基于联盟链的数据交易平台可以将原本独立的多个企业联合起来，在联盟链网络环境中没有绝对的领导者，所有企业通过共识完成交易，这使得企业间可以优势互补。一方面保证了交易的合理性，提高了交易的效率；另一方面基于联盟链的数据交易平台不仅通过提供更多服务提高了交易质量，而且有效地避免了“数据孤岛”的产生。

图4

新窗口打开|

下载原图ZIP|

生成PPT

图4

平台交易流程示意图

4 结束语

针对个人数据确权争议、数据定价困难和数据交易量低等问题，本文通过深入分析总结出数据确权、数据定价和数据交易间相互作用的内在迭代关系，三者并不是孤立的研究，将其视为一个整体并从中寻找突破点是解决问题的关键，由此本文提出了新型大数据交易模式，并设计了一个基于联盟链的新型大数据交易模式平台的方案，引入联盟链将具有不同功能的多个企业联合，在权益保护、定价机制和交易模式3个方面对平台方案进行了设计，从多个维度丰富了平台的功能，是区块链技术与大数据结合的一次有益探索。目前区块链技术和大数据都处于发展阶段，个人数据的确权需要法律法规的进一步完善，数据的定价规范和交易模式需要进一步探索。未来随着数据确权问题得到解决、数据定价和交易模式的规范化，区块链与大数据的结合应用会越来越广泛。

The authors have declared that no competing interests exist.

作者已声明无竞争性利益关系。

参考文献

View Option

原文顺序

文献年度倒序

文中引用次数倒序

被引期刊影响因子

[1]

叶雅珍, 刘国华, 朱扬勇 . 数据资产化框架初探[J]. 大数据, 2020,6(3): 3-12.

[本文引用: 1]

YE Y Z , LIU G H , ZHU Y Y . An initial exploration on framework of data assetization[J]. Big Data Research, 2020,6(3): 3-12.

[本文引用: 1]

[2]

邹丽华, 冯念慈, 程序 . 关于数据确权问题的探讨[J]. 中国管理信息化, 2020,23(17): 180-182.

[本文引用: 2]

ZOU L H , FENG N C , CHENG X . Discussion on the issue of data right confirmation[J]. China Management Informationization, 2020,23(17): 180-182.

[本文引用: 2]

[3]

赵瑞琴, 孙鹏 . 确权、交易、资产化：对大数据转为生产要素基础理论问题的再思考[J]. 商业经济与管理, 2021(1): 16-26.

[本文引用: 2]

ZHAO R Q , SUN P . Right confirmation,transaction price and capitalization process:theory cogitation of big-data transformation into production factors[J]. Journal of Business Economics, 2021(1): 16-26.

[本文引用: 2]

[4]

CHIANG M , EL-AZOUZI R ,, GAO L ,et al. Guest editorial:smart data pricing for next-generation networks[J]. IEEE Journal on Selected Areas in Communications, 2020,38(4): 641-644.

[本文引用: 2]

[5]

DAI W Q , DAI C K , CHOO K K R ,et al. SDTE:a secure blockchain-based data trading ecosystem[J]. IEEE Transactions on Information Forensics and Security, 2019,15: 725-737.

[本文引用: 1]

[6]

崔学敬 . 我国大数据交易存在的主要问题及其应对[J]. 学习月刊, 2021(4): 49-51.

[本文引用: 2]

CUI X J . The main problems of Chinese big data transactions and their countermeasures[J]. Study Monthly, 2021(4): 49-51.

[本文引用: 2]

[7]

BANERJEE P , RUJ S . Blockchain enabled data marketplace-design and challenges[J]. arXiv preprint,2018,arXiv:1811.11462.

[本文引用: 2]

[8]

朱扬勇, 叶雅珍 . 从数据的属性看数据资产[J]. 大数据, 2018,4(6): 65-76.

[本文引用: 1]

ZHU Y Y , YE Y Z . Defining data assets based on the attributes of data[J]. Big Data Research, 2018,4(6): 65-76.

[本文引用: 1]

[9]

董祥千, 郭兵, 沈艳 ,等. 基于利润最大化的数据资产价值评估模型[J]. 大数据, 2020,6(3): 13-20.

[本文引用: 1]

DONG X Q , GUO B , SHEN Y ,et al. Data assets value evaluation model based on profit maximization[J]. Big Data Research, 2020,6(3): 13-20.

[本文引用: 1]

[10]

赵会群, 吴凯锋 . 一种大数据估价算法[J]. 计算机科学, 2020,47(9): 110-116.

[本文引用: 1]

ZHAO H Q , WU K F . Big data valuation algorithm[J]. Computer Science, 2020,47(9): 110-116.

[本文引用: 1]

[11]

戴炳荣, 闭珊珊, 杨琳 ,等. 数据资产标准研究进展与建议[J]. 大数据, 2020,6(3): 36-44.

[本文引用: 1]

DAI B R , BI S S , YANG L ,et al. Research status quo and suggestions on data assets standardization[J]. Big Data Research, 2020,6(3): 36-44.

[本文引用: 1]

[12]

NASONOV D , VISHERATIN A , BOUKHANOVSKY A V . Blockchainbased transaction integrity in distributed big data marketplace[C]// Computational Science-ICCS 2018. Cham:Springer, 2018: 569-577.

[本文引用: 1]

[13]

ÖZYILMAZ K R , DOGAN M , YURDAKUL A . IDMoB:IoT data marketplace on blockchain[C]// Proceedings of 2018 Crypto Valley Conference on Blockchain Technology. Piscataway:IEEE Press, 2018.

[本文引用: 1]

[14]

LÓPEZ D , FAROOQ B . A multi-layered blockchain framework for smart mobility data-markets[J]. Transportation Research Part C:Emerging Technologies, 2020,111: 588-615.

[本文引用: 1]

[15]

SAHOO S , HALDER R . Traceability and ownership claim of data on big data marketplace using blockchain technology[J]. Journal of Information and Telecommunication, 2021,5(1): 35-61.

[本文引用: 1]

[16]

汪靖伟, 郑臻哲, 吴帆 ,等. 基于区块链的数据市场[J]. 大数据, 2020,6(3): 21-35.

[本文引用: 1]

WANG J W , ZHENG Z Z , WU F ,et al. Blockchain based data marketplace[J]. Big Data Research, 2020,6(3): 21-35.

[本文引用: 1]

[17]

SWAN M . Blockchain thinking:the brain as decentralized autonomous corporation[J]. IEEE Technology and Society Magazine, 2015,34(4): 41-52.

[本文引用: 1]

[18]

章宁, 钟珊 . 基于区块链的个人隐私保护机制[J]. 计算机应用, 2017,37(10): 2787-2793.

[本文引用: 1]

ZHANG N , ZHONG S . Mechanism of personal privacy protection based on blockchain[J]. Journal of Computer Applications, 2017,37(10): 2787-2793.

[本文引用: 1]

[19]

蔡维德, 郁莲, 王荣 ,等. 基于区块链的应用系统开发方法研究[J]. 软件学报, 2017,28(6): 1474-1487.

[本文引用: 1]

TSAI W T , YU L , WANG R ,et al. Blockchain application development techniques[J]. Journal of Software, 2017,28(6): 1474-1487.

[本文引用: 1]

[20]

MERKLE R C , . A certified digital signature[C]// Proceedings of the 9th Annual International Cryptology Conference on Advances in Cryptology.New York:SpringerVerlag New York,Inc. , 1989: 218-238.

[本文引用: 1]

[21]

李雨霏, 刘海燕, 闫树 . 面向价值实现的数据资产管理体系构建[J]. 大数据, 2020,6(3): 45-58.

[本文引用: 1]

LI Y F , LIU H Y , YAN S . Construction of a value-oriented realization of data asset management system[J]. Big Data Research, 2020,6(3): 45-58.

[本文引用: 1]

[22]

张志威, 王国仁, 徐建良 ,等. 区块链的数据管理技术综述[J]. 软件学报, 2020,31(9): 2903-2925.

[本文引用: 1]

ZHANG Z W , WANG G R , XU J L ,et al. Survey on data management in blockchain systems[J]. Journal of Software, 2020,31(9): 2903-2925.

[本文引用: 1]

数据资产化框架初探

2020

... 大数据是数字经济发展的关键一环.随着大数据的蓬勃发展，数据成为国家和企业非常重要的战略性资产.数据资产[1]作为一种新型的资产在法律上还没有明确的归类，数据确权[2]存在争议.数据不同于其他商品，其价值不会因使用而降低，反而可能因为持续的挖掘展现出越来越高的价值，且同一份数据对于不同的使用者会展现出不同的价值，因此数据的价值难以估量[3].目前数据定价[3-4]仍没有公认的规范.当前的交易数据主要由一些数据交易企业或机构提供，其专精于各自领域的数据收集和分析处理，数据不经过多维度的挖掘就不能发挥其全部的价值，且相关数据逐渐向企业聚集可能产生“数据孤岛”现象[5].国内外现有的数据交易[6]平台仍处于发展阶段，虽有一定进展，但仍不满足数据交易的要求. ...

数据资产化框架初探

2020

关于数据确权问题的探讨

2020

... 当前针对数据确权、数据定价和数据交易的研究都是孤立的研究[2-4,6].本文将三者有机结合起来进行分析，提出了新型大数据交易模式，即数据确权、数据定价和数据交易间存在迭代关系.可以看出，数据确权和数据定价是数据交易的基础，数据交易是目的，但数据交易反过来又能促进数据确权和数据定价的发展.针对数据确权和数据定价的研究已有进展，而相关工作需要有足够的经验支持才能完善.数据确权、数据定价和数据交易间存在的问题限制了三者的发展，打破僵局的最好办法是创新数据交易模式，以提高数据交易量，根据大量的交易样本积累经验对数据确权、数据定价和数据交易进行探索. ...

关于数据确权问题的探讨

2020

确权、交易、资产化：对大数据转为生产要素基础理论问题的再思考

2021

... [3-4]仍没有公认的规范.当前的交易数据主要由一些数据交易企业或机构提供，其专精于各自领域的数据收集和分析处理，数据不经过多维度的挖掘就不能发挥其全部的价值，且相关数据逐渐向企业聚集可能产生“数据孤岛”现象[5].国内外现有的数据交易[6]平台仍处于发展阶段，虽有一定进展，但仍不满足数据交易的要求. ...

确权、交易、资产化：对大数据转为生产要素基础理论问题的再思考

2021

Guest editorial:smart data pricing for next-generation networks

2020

SDTE:a secure blockchain-based data trading ecosystem

2019

我国大数据交易存在的主要问题及其应对

2021

我国大数据交易存在的主要问题及其应对

2021

Blockchain enabled data marketplace-design and challenges

... 将区块链技术应用到大数据交易中是一种可行的问题解决方案[7]，该方案可以充分发挥区块链技术的优势，从模式上改变数据交易现状.区块链以去中心化的存储方式构建了一种新型信任机制，用户可以不依赖于第三方进行安全的交易.这种去中心化的交易模式对于数据交易有促进作用，一方面交易的安全得到了保证，可以提高大数据交易量；另一方面这种去中心化的交易也使得交易价格透明，可以更好地维护数据交易秩序.同时交易数据量的增多能促进市场在交易中探索到合适的定价规范，从而帮助解决数据定价的难题.此外，参照在专利等方面的应用，区块链技术在数据的确权上也有良好的适用性，数据资产登记在区块链账本上的记录难以篡改.通过对新型大数据交易模式和区块链技术在数据交易中的应用进行分析，本文提出了一个基于联盟链的新型大数据交易模式平台的方案，从个人和数据交易双方的角度，对平台的权益保护、定价机制和交易模式进行了探索性设计. ...

... 目前研究界有许多关于区块链在数据交易上应用的研究.Banerjee P等人[7]讨论了当今数据市场安全性的不足，并引入了区块链作为解决方案；Nasonov D等人[12]从企业数据交易的角度考虑，构建了一个基于区块链的数据市场用于验证数据交易的完整性；Özyilmaz K R等人[13]基于以太坊区块链实现了物联网设备交易的数据市场；López D等人[14]设计了基于智能移动数据市场的多层区块链框架，以解决相关的隐私、安全性和可扩展性挑战；Sahoo S等人[15]基于以太坊区块链研究了大数据交易背景下的水印问题；汪靖伟等人[16]将区块链技术引入数据市场，提高了数据交易的透明性和安全性；Swan M[17]对区块链技术进行了分析，认为其可以成为一种保护个人隐私的新机制；此后章宁等人[18]就这个问题进行了详细阐述. ...

从数据的属性看数据资产

2018

... 朱扬勇等人[8]对信息资产、数字资产、数据资产3个相关概念的起源和问题进行了分析和探讨，并给出了数据资产的定义：拥有数据权属（勘探权、使用权、所有权）、有价值、可计量、可读取的网络空间中的数据集.数据资产的确权和定价是数据资产交易的基础.本节讨论了数据资产确权、数据定价和数据交易的现状及主要存在的问题，并深入分析了三者内在的迭代交互关系，即新型大数据交易模式. ...

从数据的属性看数据资产

2018

基于利润最大化的数据资产价值评估模型

2020

... 数据资产定价是数据交易平台的核心组成部分之一.董祥千等人[9]讨论了数据资产交易的市场模型，并提出了一种基于利润最大化的数据资产价值评估模型.数据的采集、加工处理、交易产生的税收和交易费等构成了企业制作数据集的成本，将该成本与企业的预期收益结合，就构成了数据提供者预期的基本价格.将基本价格与市场的供需关系结合，即可得出数据交易的最终价格.最终价格是多方共赢的结果. ...

基于利润最大化的数据资产价值评估模型

2020

一种大数据估价算法

2020

... 数据的价格受到质量的影响，而数据的质量参差不齐，对数据进行定价不能忽略其本身的质量.赵会群等人[10]根据大数据的4V特征，设定了大数据可用性评价模型，分别是数据体积、数据多样性、数据紧迫性和数据差异性，再对其特性进行调整，分别乘以和为1的价值加权系数后，将通过求和运算得到的结果作为这个数据集的可用性评价分数，在此基础上设计了一种大数据估值算法.国内外还有很多从大数据维度对数据进行分析、定价的研究.这些方法可以客观地对数据进行定价，但是不同类型的数据价值体现不同，仍需探索不同的数据定价规范. ...

一种大数据估价算法

2020

数据资产标准研究进展与建议

2020

... 戴炳荣等人[11]从数据资产化、数据资产管理和数据资产运营3个阶段提出了12个数据资产标准化的建议，数据资产的标准化是大数据应用和发展的基础.一个典型的数据交易系统包含数据提供者、数据交易平台和数据购买者.数据提供者提供原始数据或处理后的数据，根据成本定价销售；数据交易平台根据定价模型或平台的定价策略对数据进行定价；数据购买者根据自身情况购买数据. ...

数据资产标准研究进展与建议

2020

Blockchainbased transaction integrity in distributed big data marketplace

2018

IDMoB:IoT data marketplace on blockchain

2018

A multi-layered blockchain framework for smart mobility data-markets

2020

Traceability and ownership claim of data on big data marketplace using blockchain technology

2021

基于区块链的数据市场

2020

基于区块链的数据市场

2020

Blockchain thinking:the brain as decentralized autonomous corporation

2015

基于区块链的个人隐私保护机制

2017

基于区块链的个人隐私保护机制

2017

基于区块链的应用系统开发方法研究

2017

... 区块链技术的去中心化特性使得其被应用于数据交易市场时可以有效地减少中间机构对交易双方的影响.区块链的透明性和安全性可以保证交易环境的透明公正，矿工节点在认证时会拒绝无效交易.而且区块链块链式的数据结构[19]使得所有上链的交易具有可追溯性，上链的交易很难被删除，默克尔哈希树[20]使得上链的数据可以被验证，以保证上链的数据难以被篡改.区块链的匿名性可以保证对于一项公开的交易，无法追溯到交易的双方，这保证了交易双方的安全.区块链技术在大数据交易上有广大的应用前景. ...

基于区块链的应用系统开发方法研究

2017

A certified digital signature

1989

面向价值实现的数据资产管理体系构建

2020

... 在数据管理方面.李雨霏等人[21]将数据标准管理、元数据管理、数据质量管理、主数据管理、数据模型管理、数据共享管理、数据安全管理和数据价值管理纳入数据管理职能.区块链技术在数据共享管理和数据安全管理方面有良好的适用性.数据共享管理是指企业开展数据共享和交换，从而实现数据内外部价值的一系列活动.数据安全管理的目的是保障数据的使用安全和共享安全，确保企业的数据不会被泄露.区块链技术为企业间和企业内部数据的共享提供了便捷且安全的方案，企业可以构建联盟链，通过智能合约，在与特定企业进行数据共享时，联盟链中的其他企业不能获取共享的数据.同时，区块链透明的记账和难以篡改的特性保证了数据的安全. ...

面向价值实现的数据资产管理体系构建

2020

区块链的数据管理技术综述

2020

... 交易平台的系统分为3层，分别是区块链层、应用层和外部存储层.区块链层负责控制服务，外部存储层提供存储服务，应用层作为用户与区块链层和外部存储层交互的入口，如图2所示.区块链层选用联盟链的方式，为了保证数据的隐私性，只有具有权限的人才可以访问数据.为了减轻区块链的负担，将存储服务和控制服务分开，区块链上只存储哈希值，以保证数据的完整性.哈希值同样可以作为检索时的关键词之一.区块链层仅保存交易功能所需的基本识别信息和交易记录，用户共享的细节数据存储在外部存储层.应用层主要面向用户的客户端.它帮助用户与区块链层和外部存储层进行交互，以便用户参与数据交易活动.应用层通过信息接收模块获取交易请求、查询请求和接收数据，然后通过与智能合约[22]的交互完成交易操作、查询操作和交易记录操作，用户共享的细节数据通过外部存储层交互模块存储在外部存储层.外部存储层由第三方存储提供商提供的分布式存储服务实现.外部存储层是完全分布式的，不会受到单点故障的影响.存储服务存储用户数据，并负责备份数据，以确保数据可访问. ...

区块链的数据管理技术综述

2020

〈

〉

访问总数:　

当日访问:　

当前在线人数:

地址：北京市丰台区东铁匠营街道顺八条1号院B座“北阳晨光大厦”2层邮编：100079

电话：（010）53879208、53878019 电子邮件：bdr@bjxintong.com.cn

地址：北京市丰台区东铁匠营街道顺八条1号院B座“北阳晨光大厦”2层

邮编：100079 电话：（010）53879208、53878019

电子邮件：bdr@bjxintong.com.cn

数据交易行业专题报告：数据交易，打通数据要素到数字经济的关键_腾讯新闻

数据交易行业专题报告：数据交易，打通数据要素到数字经济的关键

（报告出品方/作者：中信证券，许英博、廖原、李雷）

数据交易：打通供需屏障，释放数据要素价值

在全球数字化转型的大趋势下，数据交易市场有望推动数据要素价值的开放共享和流通。据信通院测算，2021 年全球 47 个重要经济体的数字经济增加值规模高达 38.1 万亿美元，我国 2021 年数字经济规模也已达到 7.1 万亿美元。数据之于数字经济的价值不言而喻。2019 年后我国将数据作为生产要素之一纳入政策文件中，数据要素市场化从供需角度发挥数据资产的乘数效应，数字经济的潜在增长动力有望得到进一步释放。在本篇报告中，我们主要从数据要素基本框架出发，探讨数据交易的主要参与者，并就未来数据交易行业可能存在的范式及投资机会做出阐释。

基础概念：数据产品与数据要素流通

根据之江实验室等单位编写的《数据产品交易标准化白皮书（2022）》中对数据产品交易的定义，数据价值链的层级可以分解为数据资源、数据要素、数据资产和数据产品： 1）数据资源一般泛指可以参与社会经济活动并为所有者带来效益的数据； 2）数据要素在数据资源的基础上，基于经济学的生产要素概念强调了数据对生产效能和生产力的促进作用； 3）数据资产更多强调数据资源的合法所属权、计量权，并且可为所有者带来经济利益和社会效益； 4）数据产品则是指经过采集、加工和分析后，可直接用于交易的数据或数据服务，也是数据交易流程中的主要流通对象。

根据全国信标委大数据标准工作组所制定的数据要素流通框架，数据要素流通主要涉及到：1）政策和法律法规；2）流通制度；3）流通模式；4）流通技术；5）流通标准。以上构成了数据要素流通总体框架。政策和法规作为数据要素流通的基础，为数据产品交易的规范化和权属关系提供了指引，进而演化出有实践意义的数据流通要素制度，包括数据权属制度、数据评估制度、数据流通制度和数据监管制度。在确立政策法规和制度后，市场化运营逐步形成了数据要素流通模式，包括数据登记模式、数据定价模式、数据交易共享模式和数据服务运营模式。另外，数据要素流通技术则作为构成上述模式的筋骨，其背后所搭载的区块链和隐私计算等技术，实现数据价值流通突破所属权的限制，达到“数据可用不可见”，是近年来数据交易领域发展过程中的重要驱动引擎。在制度、模式和技术齐备后，数据要素流通标准将整个数据要素流通框架串联在一起，从而形成规范化运营和价值流动的闭环。

交易现状：数据产品分类明晰，登记产品数量尚未形成规模

数据交易产品是整个数据要素流通中的终末形态，当前各大主要数据交易所的产品数量还比较少。根据南方能源观察微信公众号，截至 2022 年 12 月份，贵阳大数据交易所共有产品数量 606 个；北京国际大数据交易所共有产品 1253 个；上海数据交易所登记了 96 个数据产品，分别来自 86 个挂牌数商企业，包括中国东方航空、高德地图、中国联通和 Wind 等企业；海南省数据产品超市共有产品 802 个。在分类上，各家数据交易所对数据产品分类略有差异，但总体上可以归纳为数据集、数据 API、数据报告、数据模型、数据服务 5 种类型。

具体到数据产品，当前数据交易所登记的数据产品种类比较丰富，以金融和工商经营数据为主，并覆盖了房地产、智慧交通和智慧城市等有数字化转型需求的领域。根据上海数据交易所的网页源代码信息，96 个数据产品被分为了数据集和数据服务两种，涵盖了智慧交通、金融、房地产、企业服务、ESG、智慧城市、医疗、互联网、物流、航运、工业等领域。我们发现数量最多的为金融类数据，有 31 个产品，包括对基金经理的多维度评价数据、企业财务和舆情风险数据、大宗商品价格数据和上市公司的财务预测模型和业务预测数据等。上海数据交易所登记产品中，另一大应用场景是企业服务，有 26 个产品属于该类，以工商信息查询、企业相关经营数据、企业评分和产业信息数据库为主。

贵阳大数据交易所的数据来源具备明显的地域特征，交易频次较低，具备较大改善空间。以贵阳大数据交易所为例，截至 2022 年 12 月，成交量最高的数据单品为 GeoSLAM 激光数据服务，成交量为 31 次，单次服务价格为 12000 元，数据产品来自贵州云图瞰景地理信息技术有限公司。考虑到高产品价格对成交量有影响，我们又选取了贵阳大数据交易所成交排行第五的网络安全服务产品，单价仅为 1 元/次，但成交量也仅仅达到 14 次。从贵阳大数据交易所的整体情况来看，有历史成交记录（成交量≥1）的产品有 66 个，占总登记产品数量 22.5%，说明当前贵阳大数据交易所的整体交易频次较低，远远无法覆盖数字经济中潜在的交易行为。此外，贵阳大数据交易所中有成交记录的产品中，77%（51/66）来自贵州本省的测绘、气象、企业查询和政务数据源，交易所的辐射范围有明显的地域局限性。海南数据产品超市同样存在产品成交规模低的问题，相比贵阳大数据交易所，活跃交易产品的来源更加全国化。海南数据产品超市最高成交量单品为客户公积金数据（招行定制加密接口），成交量 12 次。通过进一步查询，海南数据产品超市全共有 84 款产品有成交记录（申请量≥1），占总登记产品数量 10.5%。在有成交记录的 84 款产品中，仅有 8 款产品直接来自海南的本地化数据源。

政策：数据交易发展的关键一环

由于长久以来数据相关行业与隐私安全问题高度绑定，数据交易行业的发展状态与政策制定紧密相关。数据隐私保护和数据价值流通之间通常存在此消彼长的关系，尤其是对于个人数据，如果过分强调个人对数据的控制、削弱企业对数据的使用权，数字经济发展有可能在宏观层面受到制约，在微观层面则直接反映为数据交易低迷。政策往往会根据发展需要，对隐私性和流通性做出一定取舍，这一点通过对比美国和欧盟的数据制度能得到比较直观的结论。

以流通性为代价，欧盟确立了对数据使用的强监管政策。在欧盟的现行制度中，将数据拆分为“个人数据”和“非个人数据”的二元结构，维系自然人人权和数据流动、开发的平衡。2018 年 5 月 25 日出台的《通用数据保护条例》（General Data Protection Regulation，简称 GDPR）严格规定了数据控制者对个人数据的处理，要求必须满足合法、公平和透明原则、目的限制原则、最小范围原则、准确性原则和存储限制原则。在个人数据的利用方面，欧盟强调个人的绝对控制，企业利用个人数据的和合法性基于自然人享有“个人数据全生命周期”的绝对控制权，如知情同意权、删除权（被遗忘权）和拒绝/限制处理权。对于“非个人数据”，欧盟在 2018 年 10 月颁布的《非个人数据在欧盟境内自由流通框架条例》，允许企业在有限的数据生产权下，交易和流通非个人数据，但实际操作中，个人数据和非个人数据并不总是界限分明，对个人数据的高规格保护也在一定程度上牺牲了欧盟的数字经济发展和数据流通。

相对欧盟，美国对于数据要素政策的态度更偏重实用主义，回避数据的所有权问题。在立法上，美国没有针对数据本身进行综合立法，而且将个人数据隐私保护以信息隐私权的名义置于传统隐私权的框架下，且在联邦层面不对信息隐私权制定统一法律。以著名的州立法案《加利福尼亚消费者隐私法案》（California Consumer Privacy Act, 简称 CCPA）为例，注重对数据的商业化利用，采取原则上允许、有条件禁止的态度，与欧盟 GDPR 原侧上禁止，合法授权时允许，并且允许个人反对或撤回授权形成鲜明对比。在知情权上，企业在使用或交易个人数据前，只需履行通知义务，而非征得数据主体同意。在遗忘权和拒绝权方面，CCPA 也采取了比 GDPR 更为宽松的措施，鼓励数据要素在市场流通。如今，美国已经发展出了以数据经销商为主的数据交易模式，在数据交易的商业化探索上领先于欧盟。

我国当前的数据交易市场建设仍处于初步阶段，政策推动行业发展。根据全国信标委大数据标准工作组的统计，国内年均数据量增长达到 40%，但被利用的数据量增长率仅为 5.4%，数据交易流通价值亟待被挖掘。虽然贵阳大数据交易所成立于 2015 年，但彼时法律法规和制度建设都还处于真空期，交易市场发展比较缓慢。与数据相关的基础性法律有《民法典》《个人信息安全法》《网络安全法》和《数据安全法》，但这些基础性法律文件都缺少对数据权属的明确界定。2019 年第十九届四中全会后，我国针对数据要素市场和数据流通多次出台相关文件，强调“数据有序共享”，明确将数据作为生产要素之一参与社会分配，并逐步细化制度和管理条例，积极探索数据流通的相关法律和制度。

中共中央和国务院于 2022 年 12 月 19 日提出的《关于构建数据基础制度更好发挥数据要素作用的意见》（以下简称“《意见》”），也被称作“数据二十条”，反映了我国对数据交易构建的高度关注。“数据二十条”的提出是在当前数据交易确权难、定价难、互信难、监管难的背景下，《意见》强调了建立数据产权制度、数据要素流通和交易制度、数据要素收益分配制度和数据要素治理制度的必要性，并提出推进四项措施，鼓励浙江等有条件的地区和企业先行先试，发挥带头作用，在产业端推动数据要素的流通。

数据交易发展进入 2.0 阶段，行业步入正轨

据国家工信安全中心测算，当前我国数据要素市场规模达到 904 亿元，预计 2022- 2025 CAGR 接近 24.6%，数据要素产业链蕴含巨大潜力。在具体到数据交易产业链之前，我们先对数据要素产业链进行全局梳理。数据要素产业链整体可按数据生产端、数据服务端和数据需求端分别对应产业链的上游、中游和下游。数据要素上游包括基础软硬件、日志信息、个人信息、公共数据和业务信息等，数据要素中游包括数据采集、数据加工、数据分析、数据应用、数据流通和数据存储等。数据要素下游包括政务、交通、电力、金融等垂直行业。

如我们前文所述，数据交易环节作为整个数据要素流通的关键环节，打通了数据供给和需求的互信互通壁垒，是实现规范化数据流通的基础。我们根据数据要素产业链，将核心流通环节抽离出来，着重展示数据供给、数据流通服务和数据需求环节。我们按照数据从生产到终端需求进行产业链划分，产业链上游包括数据基础设施、数据供应商、加工环节和数据交易服务，数据交易环节作为中游，数据的分析和使用则作为需求侧处于产业下游。在产业链划分中，数据加工和分析在广义上都可以视为将原数据转化为该数据的下一形态，如清洗后的数据集或数据服务。在某些场景下，数据需求方和供给方也具备数据加工和分析能力，例如 AI 和自动驾驶算法相关企业，我们在本文中不对数据加工和分析进行区别。

数据基础设施：数据基础设施主要可分为软件和硬件两部分： 1）基础设施软件：数据基础设施软件根据其演化脉络，大体上可以依次分为数据库、数据仓库、数据湖和湖仓一体，技术演进过程中并没有单纯地取代或淘汰前一代技术，不同技术分别对应不同业务场景。数据仓库诞生于数据库概念，是对结构化数据进行分析的数据技术，而数据湖则是开源框架的产物，集成了多种开源组件，可处理格式不同的结构化、半结构化和结构化数据，而湖仓一体兼顾了数据湖的灵活性和数据仓库的成长性和事务性，成为了新一代大数据基础设施软件。 2）基础设施硬件：根据 Synergy Research 的数据，2021 年，全球数据中心基础设施设备总收入达到 1850 亿美元，其中服务器、存储和网络硬件基础设施占数据中心基础设施市场规模的 77%。

数据供应商：根据国家工业信息安全发展中心和北京大学光华管理学院测算的中国数据要素市场化指数得分，我国数据要素发展呈现“供给旺盛、流通不足、价值远未实现”的特点。我们根据数据来源方，将数据供应商分为了政府指导类、涵盖政务类和信息公示类数据；数据集成商，包括 Wind 和 Bloomberg 等数据平台；以及各垂直行业，涵盖金融、互联网、工业、能源等领域。

1）政府指导类：根据国家工业信息安全发展研究中心主编的《中国数据要素市场发展报告（2021~2022）》，截至 2021 年 10 月，我国共有 193 个省级和城市的地方政府开放了线上数据，超过 70%的地级市推进了政务云的建设，政务类数据的数字化建设已初见成效。

2）数据集成商：数据集成商通常不直接采集个人相关数据，而是通过合作、采购或爬虫等技术收集信息，数据集成商可直接面向个人消费者或企业客户提供数据产品，各大金融终端包括 Wind、Bloomberg 以及部分市场咨询机构的自营数据库都属于该范畴。数据集成商一般具备较高的信息技术能力和数据分析能力，其提供的数据资源可以视为终端数据产品，具有直接使用价值。

3）垂直行业：以金融和互联网为代表的垂直类行业本身便是数字经济的重要参与方，一直是数据要素市场活跃的参与主体。根据《中国数据要素市场发展报告（2021~2022）》，互联网数据涉及个人数据、经营数据、业务数据、开放平台数据等，因为数据一般通过线上采集，流通成本相对较低，发展场内交易之前，互联网数据源已经广泛用于广告投放和智能推荐等功能。金融企业的数字化转型程度较高，信息采集方式可通过边端设备、人工采集和网络采集。由于系统中台沉淀了大量个人敏感数据，相应的监管级别也较高。根据金融业出台的数据分类分级标准，相关机构一般采用私有云或混合云存储数据，数据敏感性越强，采用私有云的比例越高。

数据加工与分析：根据中国大数据网发布的《中国大数据分析行业研究报告》，大数据分析可以细分为商业智能平台、数据分析师平台、可视化、增强分析、数据目录与发现、指标平台、流批一体、日志分析、查询引擎、搜索等细分领域。根据中国大数据网的测算，2021 年的中国大数据软件市场中大数据分析市场占总大数据软件市场支出的 30%，对应 10 亿美元的市场规模。中国大数据分析市场呈现国产化、云化部署继续深化以及大数据分析平民化的趋势。数据交易服务：数据交易服务商包括数据合规评估服务商、数据质量评估商、数据资产评估服务商、数据交易经纪服务商、数据交付服务商和数据交易仲裁服务商。数据交易服务生态是建设数据交易体系的重要组成部分，其中数据合规评估、数据资产评估和数据交付服务属于核心服务环节，其发展尚不成熟。根据上海数据交易所等机构联合发布的《全国数商产业发展报告（2022）》，合规评估、资产评估、交付服务这三类服务商共有企业数量 87755 家，占全部数商企业 4.6%，其中数据交付服务仅为 76 家，生态建设亟待完善。

数据需求方：数据交易的需求来自金融、交通和互联网等领域，拆分逻辑与我们上文提到的数据供给方类似。根据中国网络空间安全协会联合发布的《中国数据交易实践趋势报告（2022 年）》显示，2020 年我国数据要素市场中，场内数据交易占数据交易总体市场的 4%，说明大量数据交易需求通过场外交易满足，场内交易潜在需求空间巨大。

数据交易所：多维度创新，服务创新数字经济

自从“大数据”在 2014 年第一次被写入政府工作文件，截至 2022 年 12 月全国累计设立接近 50 家数据交易相关机构。从各地建设数据交易机构的趋势来看，大体上可总结为第一次爆发—降温—第二次爆发的三阶段特征。

1）第一次爆发：2015 年-2016 年是数据交易建设的第一轮热潮，各地方政府和国有企业抓住大数据产业爆发的契机，先行探索大数据交易的机制和技术服务，完成第一轮建设。2015-2016 两年间，全国一共成立了 17 家数据交易机构。第一批建立的数据交易机构中，比较有代表性的是 2015 年成立贵阳大数据交易所，彼时正是贵州省政府提出大数据战略的第三年，贵阳大数据交易所承担着驱动贵州大数据产业发展的使命，为之后建立全国性数据交易所提供了借鉴。贵阳大数据交易所在成立半年后，达成了 6000 万元的交易额。

2）降温：2017 年-2020 年，各地建设数据交易机构的步伐放缓，4 年间有 9 家机构成立。同时，早先成立的交易机构也面临交易量下滑的情况，市场反馈有所不足，优质数据供应商和大型互联网企业更倾向于搭建自己的数据交易渠道。数据交易的初步尝试暴露了行业存在的问题，包括交易技术不成熟、缺少优质数据源和制度法规尚不完善等。根据数据交易网截止于 2022 年 10 月的统计，2015 年-2020 年间成立的 26 家数据交易机构中，只有贵阳大数据交易所在内的 5 家交易机构的最新动态更新到 2022 年 10 月，反应出交易所建设缺乏统一规划，市场建设待完善。

3）第二次爆发：从 2021 年至今，数据交易所的建设进入新一轮热潮，各地建设数据交易机构的步伐加快，2021 年 1 月至 2022 年 12 月，全国有 18 家数据交易机构成立，北上广深四地的数据交易所也正式亮相。其中，上海数据交易所、北京国际大数据交易所、深圳数据交易所、广州数据交易所，以及贵阳大数据交易所，组成了全国 5 家主要数据交易所。根据我们上文对数据要素政策的梳理，可以发现从 2021 年后，我国在政策层面的支持力度正在逐步加大，2022 年 4 月提出的《关于加快建设全国统一大市场的意见》点出过去市场化配置存在“各自为战”的现象，需要规范监管标准和操作规范。得益于政策推动和数据流通技术的发展，数据交易发展进入了规范化和规模化的阶段，截止 2022 年末全国已累计建设接近 50 家数据交易机构。

交易所盈利模式：佣金收取、会员制、增值服务为主，探索多样化盈利模式

当前场内交易盈利模式大体上可分为三种：

1）佣金模式：盈利逻辑简单，易于操作。采取佣金收取模式的典型代表是早期的贵阳大数据交易所，对每单交易抽取 10%的佣金。在交易规模具有较好预期的情况下，佣金模式具有较低的边际成本和较高的成长性；但弊端也显而易见，因为场外交易盛行，过高的佣金抽取会打击数据交易主体的交易积极性和交易需求，不利于早期行业成长。

2）会员制模式：会员制模式有利于维护交易主体和服务商与交易机构之间稳定的合作关系，而稳定的合作关系也便于交易平台方对交易主体的合规性和资质进行审核，促进了平台安全性和交易质量。相应地，会员制的执行需要交易机构有良好的信誉背书，且能持续提供优质交易服务，能长久实行会员制且能盈利的交易平台往往能满足以上提到的两点。

3）增值服务：增值服务在大多数时候可以与佣金模式和会员制模式并存，数据交易各个环节几乎都需要服务商具备较高的专业性。确权、资产定价和交付结算等环节是数据交易机构比较容易搭建的服务能力，随着交易行业整体发展，数据交易机构的增值服务也可以逐步拓展到数据清洗和聚合服务，提高数据交易机构的综合运营竞争力。

数据交易定价模式：估值模式尚未达成共识，未来多种估值模式并存

数据产品定价难是当前数据交易行业发展的难点之一，数据资产定价模式尚处于探索阶段。从传统资产定价角度上看，数据资产定价可参考成本途径、收益途径和市场途径三种方式。但由于在数据要素流通过程中，数据从获取到使用，整个流程的标准化程度较低，市场尚未对各环节的价值形成共识，数据的供需双方往往难以对数据的成本和使用价值达成一致。未来，数据资产定价模式更可能处于多种估值方法共存的动态估值框架中。

国内交易所：全国五大交易所确立，引领行业新业态

贵阳大数据交易所重新出发，改制初有成效。贵阳大数据交易所于 2015 年 4 月 14 日正式挂牌成立，作为数据交易领域的先行者，早期的贵阳大数据交易所在制度和交易模式上，都与如今的其余四家大型数据交易所有较大区别。第一点是持股结构，虽然贵阳大数据交易所的成立有明显的政策导向，贵州省政府通过国资仅持股 35%，其余 65%由民营企业持股。九次方大数据信息集团有限公司以 22% 的持股比例成为第二大股东，九次方的创始人王叁寿作为贵阳大数据交易所的执行总裁，实际负责交易所的运营。第二点区别在于交易模式，贵阳大数据交易所采用撮合交易模式，交易所对数据买卖双方收取交易佣金，服务性质更接近交易中介，对数据交易全流程把控较弱。

因原有的运营成效尚有提升空间，贵阳大数据交易所也开始寻求改革，2021 年 10 月公司经历股改，由混合所有制公司制改为 100%国资持有，在合规性和监管落实上都有明显进步。贵阳大数据交易所进一步提出了“一中心一公司”的体系架构，提升基础服务能力；与阿里云和蚂蚁集团合作，引入隐私计算和区块链等先进技术；培育交易中介服务商，为交易双方提供确权、资产评估和合规认证等服务。截至 2022 年 12 月 28 日，贵阳大数据交易所年交易额已突破 3.61 亿元，改革成效显著。

北京国际大数据交易所打造全程上链的区块链交易系统，发展中介服务生态。北京国际大数据交易所成立于 2021 年 3 月 31 日，控股股东为北京金控集团，持股比例 65%，其余股东包括华控清交信息科技（北京）有限公司、京东数字科技控股股份有限公司和北京微芯感知科技有限公司，分别持股 15%、10%和 10%，是国资主导的公司制。北京国际大数据交易所针对当前数据交易存在确权难和互信难的问题，开发了基于区块链和隐私计算的数字交易合约和数字交易系统 IDex，确保交易全程上链可追溯，实现敏感数据可用不可见。围绕数据流通环节，北京国际大数据交易所重点支持中介服务生态，引入数据托管、数据经纪、价值评估和尽职调查等中间服务商，打破过去数据交易的粗放管理模式，为交易主体提供安全合规的服务。截至 2022 年 9 月 20 月，北京国际大数据交易所已引入超过 333 家数据交易参与主体、1253 个数据产品，产生数据交易 1774 个，数据调用 7.73 亿笔。

上海数据交易所首创“数商”模式，探索数据交易生态。上海数据交易所于 2021 年 11 月 25 日挂牌成立，同样采用国资主导公司制。上海数据交易所享有长三角地区发达的数字经济优势，如何激励产品化的数据资产在市场中流通，是上海数据交易所要承担的首要职能。 2021 年 9 月 30 日，《上海市数据条例（草案）》的公布，确定了数据交易主体对合法处理数据形成的数据产品享有财产权，在权属上为交易主体提供了权益保障，是上海数据交易所运行的基础之一。在交易机制和交易系统上，上海数据交易所也引入隐私计算和区块链技术，打造了数字交易体系；在交付模式上，上海采取交易和交付分离，使用数据沙箱技术，支持第三方支付服务商自由选择支付方式。在特色服务模式上，上海数据交易所首先提出“数商”体系，将数据流通环节分为数据基础设施提供商、数据加工服务商、数据合规评估服务商等 15 种不同职能的数商企业，多层次全流程地为交易主体提供协助。根据上海数据交易所发布的预测，预计 2022 年全年该交易所累计交易额实现 1 亿元，全年数据产品挂牌数达到 800 余个。

广州数据交易所着眼于打造国家级数据交易所。广州数据交易所于 2022 年 9 月 30 日在南沙区揭牌成立，是广东省首家挂牌数据交易所，揭牌首日吸引申请挂牌标的 300 余个，进场标的 200 余个，当天累计交易额超过 1.55 亿元。目前广州数据交易所有限公司由广州交易集团 100%持有，2022 年 12 月 26 日晚广电运通宣布拟参与对广州数据交易所有限公司增资，如果增资完成后广州数据交易所的注册资本将由 1000 万增加至 8 亿元，其中广电运通持股比例为 10.5%。广州数据交易所基于“无场景不交易”的原则确保交易合规，并且在技术上也采用了隐私计算+区块链，与主流数据交易所技术体系保持一致。在交易模式上，广州数据交易所围绕数据产品、数据服务、数据资产和数据能力等四种交易类别，为交易主体提供全链路的交易服务。作为省级数据交易平台，广州数据交易所构建了“一所多触点”的数据交易网络，设立了多个交易服务基地，“立足广东，面向粤港澳大湾区，服务全国”。

深圳数据交易所聚焦跨境交易，合力推动行业技术发展。深圳数据交易所正式于2022 年 11 月 15 日挂牌成立，定位于国有全资企业。作为广东省第二家持牌交易所，深圳数据交易所毗邻香港，重点探索跨境交易模式，在挂牌的首日突破 11 亿元累计交易额，首批跨境交易规模超 1100 万元。在交易模式上，深圳数据交易所首推线上数据交易模式，打造覆盖数据流通全生命周期的新型交易模式。在技术体系方面，深圳数据交易所为交易平台搭建了隐私计算综合调度平台，并且依托深圳的数据资源和算力基础设施，与华为云和国资云等算力平台合作，打造沟通全国的数据交易算力网络。除了搭建自身平台技术之外，深圳数据交易所还牵头成立开放群岛（Open Islands）隐私计算开源社区和国际数据空间创新实验室，与多家大型科技企业合作探索隐私计算和数据空间技术，推进可信流通技术标准。

数商撮合交易作为国外主流模式，对我国数据交易模式有重要借鉴意义

国外数据交易生态存在两种主要分类：一是数据交易中介平台；二是数商撮合交易，参与方包括数据交易所和数据经销商。第三方中介平台是纯粹的中介性质，提供交易撮合业务。在这种模式下主要有 C2C、 B2B 集中销售和 C2B 分销三种交易形式，三者的共性在于第三方数提供者都需要将数据放在平台上售卖，买家获得离线数据包、API 或其他数据形式，完成交易后平台从中抽取一定佣金。

1） C2C 的模式特点在于，数据产品由卖家亲自上架，买家按约定价格（一次性收费、按时长收费或平台会员费）付款后得到离线数据包或 API，交易成功后平台将扣除佣金的销售所得返还售卖者，类似于国内闲鱼的交易模式。此类代表平台有 Rapid API 和 Streamr。

2） B2B 集中销售与 C2C 的不同之处除了交易双方由个人变为公司实体，数据卖家将数据托管在平台，平台整合后再按约定的交易条件、售卖期限、转让条件将数据售卖给数据需求主体，卖家接触买家。此类公司包括微软 Azure、BDEX、DAWEX、Factual、 Infochips 和 Qilk Data Market。

3） C2B 分销的形式较为特殊，用户直接将个人数据贡献给第三方交易平台，获取等价的货币、商品或服务等。比较有代表性的是 personal.com 公司，用户可以将个人数据存储在 gems 小隔间，并选择是否将 gems 与他人共享或是把接入权卖给机构，实现个人数据收益。

数商撮合交易已成为美国主流数据交易模式。数据交易所提供监管和交易场景搭建的职责，而数商为数据交易主体或数据交易所提供服务，这种交易模式更加接近我们熟悉的数据交易所和数商的概念，在这种交易体系下，根据数据经纪商是否直接参与交易，又可进一步分为经纪商 broker 和做市商 dealer。这里我们参考南沙大数据公众号对这种交易模式的解读：扮演 broker 角色的数商，本质上是通过为交易双方提供交易撮合和数据服务，获得收益，一般而言数据交易所不是 broker，因为数据交易所“本身不具备高敏感的商业能力，更多是充当裁判和监督的职能”；因为数据经纪商可能同时会服务于终端企业客户，部分数商也可选择直接下场交易，对上架的数据产品进行加工处理，通过交易获利。这类数据经纪商有 Acxiom、Corelogic、Datalogix、eBureau、ID Analytics、 Intelius、PeekYou 和 Rapleaf 等代表公司。

建立多层次交易体系，形成全国性统一市场

根据数据交易特点和市场规律，我们预计数据交易所未来将表现为以下三种趋势：1）形成以一线城市为中心的国家级大型交易所；2）全国数据交易市场形成多层次交易体系； 3）建立全国统一数据交易大市场。以北上广深为锚点建立辐射经济圈的国家级大型交易所。数据要素企业的活跃度与经济发展程度高度相关，数据要素主要企业分布在广东、四川、上海、北京、山东和江苏等地区，华东、华南的数据要素企业密度大于西部和东北部。在数据交易所 2.0 阶段，以地方政府+地方国企注资的模式，服务本地数据要素企业成为了大多数数据交易所的主要职能之一。无论是北京国际大数据交易所强调的“中介服务生态”，还是上海数据交易所首推的“数商生态”，都对数据流通生态建设提出了高目标。凭借本地庞大的数商企业规模，建设以北上广深为基础的大型数据交易所势在必行。

国家级、区域性交易所形成多层次市场交易体系。通过梳理地方性数据交易中心的情况，可以发现，虽然地方性交易中心存在交易频次低、数据源匮乏等问题，且有一定地域性限制，但我们判断地方性交易机构在近一阶段的行业发展中依然占有生态位：一是区域性交易所可以发挥本地政企合作的优势，在数据供给方面可以得到更多本地政务、事业单位和国企的支持。“取之于城，用之于城”，通过发挥本土化的优势数据源，区域性数据交易中心可直接作用于本地数字经济发展；二是区域性交易中心可能具备更低的服务成本和沟通成本，为当地数据要素企业提供便捷的差异化服务，打通数据流通的最后一公里。

基于以上判断，我们认为区域性交易中心在行业发展的近一阶段依然具备一定的空间，可以与国家级交易所形成多层次交易体系。未来，预计区域性交易中心可以继续由当地政府和企业共建，或者由国家级交易所直接扶持建设，形成中心辐射式的布局。作为“数据二十条”的主要内容之一，我们认为全国统一的数据要素大市场是数据交易行业发展的主要趋势。数字经济的一大特点是数据资产可以突破地域空间限制，跨空间、跨领域赋能于需求方企业和个人，全国统一大市场符合数字经济的发展特征。值得一提的是，这里的“统一”并非指形成单一的市场主体，而且法律法规、监管体系和交易标准的统一。

建立全国统一大市场和全国统一的数据交易体系，在数据确权、数据合规审查、数据定价、技术体系和技术标准等多方面还需要进一步的统一标准。权属、定价的相关制度和法规需要国家层面的牵头筹划，而统一交易标准的制定则依赖于相关行业组织的自律、合作。在监管层面，全国统一大市场有利于对数据交易进行集中监管，降低监管成本和提升监管效率，降低数据交易时交易主体间的互信障碍，提高场内交易对数据要素企业的吸引力。在全国统一大市场下，数据上架即确权后，可以得到多地的权属互认，实现市场间互联互通，这意味着数据提供者和数据使用者可以各自选择最适合的数据交易平台进行交易，降低交易成本。同时，互联互通的数据交易市场可以促进公平竞争，促进交易平台进行服务改良，探索更加利于市场的交易服务模式和技术模式。

从商品交易与证券交易，看全国统一市场发展

数据交易可以理解为一种特殊形式的商品交易。虽然数据具有可无限复制的独特属性，且权属关系比一般商品更为复杂，我们仍然可以通过商品、证券交易体系的发展去类比数据交易的发展路径。

首先，期货业和证券业的发展也经历了国家层面牵头制定法律法规和行政管理办法，再由行业协会形成配套自律规则的过程。国家层面有较大影响力的法律和行政条例有 1999 年实施的《证券法》和《期货交易管理暂行条例》，以及 2022 年 8 月实施《期货法》，补齐了金融法律体系中的一块拼图。在行业自律层面，证券业协会和期货业协会是履行行业自律职能的重要主体。证券业协会成立于 1991 年，自成立的 30 年来发布自律规则及自律规范性文件接近 300 余次，形成了与行政监管的差异化定位，重视预防性监管，并在具体业务层面制定了相关行业自律标准，涉及股票发行承销业务、行业执业标准、债券业务规则、合规风控管理和专业评价规则等方面；期货业协会则成立于 2000 年，成为期货市场规范化不可或缺的一环，随着《期货法》的颁布实施，期货业协会也将围绕《期货法》履行行业自律职能。数据资产未来具有衍生品属性，可交易的数据品种和范围都将进一步扩大，正如我们在第一部分的政策分析中所讲，法规和行政监管的完善是推动数据交易发展的重要驱动力。我国将逐步建立法律法规体系，相关行业自律团体也有望筹建，引导行业进入规范化发展。

其次，在统一市场监管方面，除了我们上文提到的《期货交易管理暂行条例》和《期货法》，商品场外交易市场的监管历程更为复杂。回首商品交易市场过去 30 年的发展，我国商品交易市场曾经历过缺乏统一监管标准和交易场所林立的阶段，经过调整和治理后，形成了以 6 家商品期货交易所为代表的多层次商品交易市场，监管口径强调统一的全国大宗商品市场。

1）改革开放以后，1978 年到 1988 年期间，商品价格管制放松，计划内和计划外价格并存的“双轨制”得以确立，大宗商品交易所开始发展。到 1993 年，全国有 40-50 家在建或者运营中的交易所，但是由于统一监管机制的滞后，市场存在投机盛行和价格混乱的问题；

2）1994 年 11 月 4 日，国务院发布了《关于制止期货市场盲目发展的通知》，随后在 1994 年初国务院办公厅发出《转发国务院证券委员会关于制止期货市场盲目发展若干意见请示的通知》。这一阶段常被称为我国期货市场的第一次整顿，在这阶段，主要的整顿措施包括建立统一的监管体系，由国务院证券委员会统筹，证监会负责具体工作。当监管具体落实到交易所，15 家试点交易所被证监会批准，其余几十家被叫停；

3）1998 年 8 月，国务院再度发文《关于进一步整顿和规范期货市场的通知》，标志着第二次整顿的开始。原有的 15 家期货交易所撤并为 3 家，分别是上海期货交易所、郑州商品交易所和大连商品交易所，被裁撤的交易所或者被改组为公司制地方交易厅，或者拿到牌照转型证券经纪公司等金融机构；

4）1999 年到 2009 年这十年间，商品交易市场进一步分化，形成期货交易-场外市场-现货市场的金字塔体系：一方面是期货交易所推动行业自律，另一方面各地大量设立的交易平台得不到有效监管。1999 年，国务院发布《期货交易管理暂行条例》以及四个配套管理办法。在期货市场法规体系确立后，2000 年 5 月三家期货交易所共同实行了统一的交易所《章程》《交易规则》《交易细则》等 9 个细则。随着 2000 年底成立的中国期货业协会，期货市场的行业自律得到规范化发展。

但另一方面，在现货集贸市场和期货市场之间存在大量的现货交易形式，包括实时交割、一周、两周、一个月和两个月的现货交易，许多市场主体还以“现货中远期交易” 的形式设立电子交易平台。由于商业模式和规则多样，现货市场难以形成统一监管，带来风险。例如在 2009 年-2010 年初发生的“蒜你狠事件”中，山东多家电子交易平台参与价格炒作，导致大蒜价格在半年内暴涨 40 倍。同时，电子盘的跟风炒作也带来巨大风险，山东一品农产集团控股的龙鼎电子盘交易平台违规挪用客户保证金参与市场做空，最终电子盘与现货价格倒挂，交易平台无法交割现货导致崩盘；

5）场外交易的不规范继续促进了近 10 年的大宗商品交易场所清理整顿。面对各类交易平台的野蛮生长，2010 年 6 月商务部、公安部、工商总局、银监会、证监会等六部委联合下发《中远期交易市场整顿工作指导意见》（也被称为“国六条”）限制新设市场和提高入市交易门槛，治理交易场所乱象。但各个商品交易所通过修改、增加经营项目，绕过国六条限制，随后国务院在 2011 年和 2012 年接连发布 38 号文和 37 号文，整顿力度大于之前；

6）自 2011 年起，全国交易场所得到进一步规范化发展。近 10 年，监管和市场之间形成了多次往复的探索和规范，全国交易场所数量多次回升，监管也多轮跟进，关注度较高的有 2017 年 1 月起展开的“各类交易场所整顿‘回头看’”。时至今日，我国大宗商品交易市场形成了以 6 家期货交易所为塔尖，300 多家大宗商品交易平台为中间层，5.5 万家现货交易市场为塔基的多层次体系。综合来看，大宗商品交易市场的发展趋势可归纳为：地方交易所进一步整合，推动建立全国大宗商市场统一监管机制。

当前的数据交易市场类似于初期的商品交易市场，各地自行设立地方数据交易所进行占位，同时场外交易平台数量、体量较难统计。数据交易市场还未形成国家层次统筹推进的管理机制和机构，地方上有超过 20 个省级单位设立了大数据管理机构，分属于不同的职能部门，存在重复建设和数据割据现象。我们预计，数据交易市场会如同期货交易市场，首先打破地方行政管理的边界，形成类似于证监会的统一监管机构，推动地方数据交易场所合并、统一，进一步降低监管成本，最终形成全国统一数据交易体系。最后，落实到交易市场间的互联互通方面，期货交易所与地方商品交易所的互联互通尝试，为数据交易市场的互联互通提供了经验。在商品交易市场体系中，期货交易所与地方商品交易所对建立互联互通机制的共识形成得比较早，各大期货交易所先后开展了尝试。

例如，郑州商品交易所于 2018 年 3 月正式上线场外业务平台，在 2019 年底与上海国际棉花交易中心开展棉花仓单点价交易合作；上海期货交易所建设了上期标准仓单交易平台，2019 年与浙江国际油气交易中心合作推出报价窗口；大连商品交易所于 2020 年 12 月推出非标仓单交易业务，并于 2021 年 9 月与北京铁矿石交易中心合作开展了 “大商所-北铁中心铁矿石非标仓单业务”。在 2022 年 4 月，中共中央、国务院发布的《关于加快建设全国统一大市场的意见》中，也提到支持大宗商品期货实现联动发展，为交易市场互联互通定下了政策基调。从期货市场的经验来看，大型期货交易所与地方性商品交易平台的互联互通强调 “资源共享、优势互补、高效协同”，其优势可以总结为：1）将期货市场的标准仓单交易延伸到非标仓单交易服务方向，结合配套物流和产业链服务，打通期货交易最后一公里；2）降低场内场外价格波动，提高交易系统整体的风险规避能力；3）提高大宗商品期货交易活跃度。

如果将期货市场互联互通经验迁移至数据交易市场，互联互通的数据交易市场更有利于发挥数据流通成本更低的特点，提高市场整体的交易活跃度。并且，更多地方性企业或单位可以就近参与全国性的数据交易市场，降低数据要素企业的数据流通门槛，就像我们常说的“打通最后一公里”，提高企业的场内交易积极性。基于以上分析，我们认为构建全国统一大市场有助于系统性地降低“市场摩擦”，理论上利于所有数据交易参与方，是未来数据交易发展的主要趋势。

（本文仅供参考，不代表我们的任何投资建议。如需使用相关信息，请参阅报告原文。）

精选报告来源：【未来智库】。

基于区块链与可信计算的数据交易方案

Toggle navigation

首页

期刊介绍

期刊简介

历史沿革

收录情况

获奖情况

引用指标

编委会

期刊在线

文章推荐

过刊浏览

专辑专刊

下载排行

阅读排行

投稿指南

组稿方向

投稿须知

论文模板

常见问题

署名变更申请

单位变更申请

版权转让协议

中图分类号

引言书写要求

参考文献著录格式

插图与表格规范

英文摘要书写要求

收费标准

学术诚信

联系我们

编辑部联系方式

位置示意图

期刊订阅办法

广告合作

English

计算机应用 ›› 2021, Vol. 41 ›› Issue (4): 939-944.DOI: 10.11772/j.issn.1001-9081.2020111723

所属专题：

2020 CCF中国区块链技术大会（CCF CBCC 2020）

• 2020 CCF中国区块链技术大会（CCF CBCC 2020） •

基于区块链与可信计算的数据交易方案

张学旺1,2, 殷梓杰1, 冯家琦1, 叶财金1, 付康1

1. 重庆邮电大学软件工程学院, 重庆 400065;2. 重庆大学微电子与通信工程学院, 重庆 400044

收稿日期:2020-11-05

修回日期:2020-11-28

出版日期:2021-04-10

发布日期:2021-01-12

通讯作者:

张学旺

作者简介:张学旺（1974—），男，湖南祁东人，副教授，博士研究生，CCF高级会员，主要研究方向：区块链与物联网、数据安全与隐私保护、大数据与智能数据处理；殷梓杰（1996—），男，湖南益阳人，硕士研究生，主要研究方向：区块链、数据资产、可信计算；冯家琦（1995—），男，河南驻马店人，硕士研究生，主要研究方向：区块链、数据溯源；叶财金（1994—），男，江西高安人，硕士研究生，主要研究方向：区块链、隐私保护；付康（1997—），男，重庆人，硕士研究生，主要研究方向：区块链

基金资助:国家重点研发计划项目（2019YFC1511300）；工业和信息化部产业技术基础公共服务平台项目（2019-00894-1-1）；重庆市基础研究与前沿探索专项重点项目（cstc2019jcyj-zdxmX0008）；渝北区大数据智能化科技专项重点项目（2020-02）。

Data trading scheme based on blockchain and trusted computing

ZHANG Xuewang1,2, YIN Zijie1, FENG Jiaqi1, YE Caijin1, FU Kang1

1. School of Software Engineering, Chongqing University of Posts and Telecommunications, Chongqing 400065, China;2. School of Microelectronics and Communication Engineering, Chongqing University, Chongqing 400044, China

Received:2020-11-05

Revised:2020-11-28

Online:2021-04-10

Published:2021-01-12

Supported by:This work is partially supported by the National Key Research and Development Program of China (2019YFC1511300), the Industrial Technology Foundation Public Service Platform of Ministry of Industry and Information Technology (2019-00894-1-1), the Key Program of Chongqing Basic Research and Frontier Exploration Project (cstc2019jcyj-zdxmX0008), the Key Program of Big Data and Intelligent Science and Technology Project of Yubei District (2020-02).

PDF

可视化

摘要/Abstract

摘要：针对当前数据交易过程中数据容易被拷贝的问题以及数据保密的实现，提出一种基于区块链与可信计算的数据交易方案。首先，利用区块链记录数据信息、交易信息以及数据使用记录，这可帮助数据资产确权以及数据溯源；然后，利用可信计算与加密算法来保证交易数据传输安全；最后，用数据主体与数据需求方提供的算法在可信计算环境中完成计算，之后输出结果并加密返回给需求方。所提方案在确保数据主体不泄露数据的情况下，让需求方可以使用数据进行计算，且通过可信加密保证了传输安全。

关键词:

数据交易,

区块链,

数据加密,

可信计算,

数据溯源

Abstract: Aiming at the problem of data being easily copied and the realization of data confidentiality in current data trading process, a data trading scheme based on blockchain and trusted computing was proposed. First, the blockchain was applied to record data information, trading information and data usage records, which facilitated to confirm the rights of data assets and data provenance. Then, the trusted computing and encryption algorithms were used to ensure the security of the trading data transmission. Finally, the algorithms provided by the data owners and demanders were applied to complete the calculation in the trusted computing environment, after that, the results were output and encrypted to return to the demanders. In the proposed scheme, the demanders can use the data for calculation without revealing data from the data subjects, and the transmission security is guaranteed through trusted encryption.

Key words:

data trading,

blockchain,

data encryption,

trusted computing,

data provenance

中图分类号:

TP309.2

引用本文

张学旺, 殷梓杰, 冯家琦, 叶财金, 付康. 基于区块链与可信计算的数据交易方案[J]. 计算机应用, 2021, 41(4): 939-944.

ZHANG Xuewang, YIN Zijie, FENG Jiaqi, YE Caijin, FU Kang. Data trading scheme based on blockchain and trusted computing[J]. Journal of Computer Applications, 2021, 41(4): 939-944.

使用本文

干货 | 常用区块链网站汇总-持续更新中 - 知乎

干货 | 常用区块链网站汇总-持续更新中 - 知乎首发于区块链技术学习专栏切换模式写文章登录/注册干货 | 常用区块链网站汇总-持续更新中苏小乐俗话说：“君子性非异也，善假于物也”。学习一门前沿的技术，当然离不开好的学习平台啦。接下来，就将最近了解到的好的网站总结一下，以便后面学习和了解行业动态。声明：这篇文章的更多来自别人的整理，我所做的只是将好的资源进行整合一下，可以硕士转载合集吧。再次，十分感谢区块链的前辈们的细心整理。入门书籍和博客转载自github上的hackstonic前辈的整理：hackstonic的GitHub书籍区块链技术指南--邹均著白话区块链--文延著区块链原理设计与应用--杨保华著精通比特币精通比特币第二版区块链技术指南--yeasy著Hyperledger 源码分析之 Fabric课程实验楼培训课程之构建自己的加密货币IBM区块链课程博文比特币是什么比特币是什么简单易懂地介绍什么是区块链汪晓明对区块链、以太坊的思考什么是加密经济学？初学者终极指南不吹不黑：关于比特币，只看这一篇文章就够了200行代码搞懂区块链一万字带您走进密码学的世界（上）常用区块链网址转载自云天明老师的网站：常用区块链网址，为了方便查看，直接将网站的内容整理在下面。对排版进行了微调。常用工具数据图表市值汇总交易所排行币价汇总 BTC区块币种汇总 BTC 查询算力难度图 QuKuai区块 BlockChain图表全球流向走势图 Blockr.io 区块信息trail实时交易图 3D地球实时交易webGL EOSChart 以太坊网络状态ETH挖矿 Zcash区块链 ETH区块链 LTC减半时间表信息统计区块元浏览器全球节点比特币汇兑均价全网交易状态信息钱包下载统计比特币地址余额排行榜比特币地址百富榜 Etherechain etherscan Ethernodes 网络数据查询 Etherscrape Ethplorer ETH Gas Station实用工具ICO之后的ROI Bitcoin Wallet Generater 价格闹钟tools Vanitygen地址定制制作纸钱包工具 ICO和交易平台ICO平台ICOINFO ICOAGE ICORACE 人人ICO 币众筹 51ICO 众创园 ImToken ICO 3ICO ICOBank国内交易平台OKCoin 火币网 BTCTrade BTCC 中国比特币云币网比特儿币创网 Viabtc 比特币中国币盈网比特时代元宝网 BTC100 比特儿币贝网 Coinnice 链行国际交易平台Bitstamp CoinBase Bitfinex BTC-EitBitP网 (Poloniex) B网 (Bittrex) C网 (Cryptsy) M网 (Mintpal)bitcoin.de localbitcoins.com virwox.com bitcurex.com campbx.com Crypto-trade.com Cavirtex.com coinsetter.com 媒体社群业界媒体巴比特金色财经比特头条铅笔-区块链比特币之家比特币资讯网莱特币中文网 blockchain.hk 价值区块链区块链资讯比特天空 Coindesk Newsbtc Bitcoinnews 比特币杂志比特币信息图片墙 LetsTalkBitCoin Cointelegraph电讯比特币周报 bitcointalk Bitcoinbullbear Stocktwits 比特币外文资讯行业微博sosobtc 币区势巴比特资讯闪电HSL 暴走恭亲王大白老猫华尔街表哥力国潘 Joomla周朝晖超级比特币比特币的那点事比特币之家官网 OKCoin比特币比特时代官网火币网 YourBTCC 中国比特币官方微博 BitBays币贝网比特帮资讯 NextCoin 云币网币看-btckan 徐明星OKCoin 江恩-狗狗币 796交易所-朱荣李笑来宋欢平赵乐天论坛博客巴比特论坛币科技 BTCbbs Bitcoinreddit BTCstackexchange 比特币实验室火星比特行情分析 ZapChain BitcoinForum MIT-BitcoinClub BitcoinTalk中文区微信公众号数据观学习学习再学习猫说区块链铅笔Blockchain 李白话日常 OKLink区块链区块链新金融玩赚区块链蜂巢区块链疯狂区块链 ICO源评级未来虚拟币其他社群猫友圈区块链研习社实验室区块链研习社千聊课堂Hi, imToken 金马带你定投区块链虚拟货币投资区块链投资内参币圈早知道学习教程基础知识Bitcoin P2P货币有史以来最危险的项目比特币是什么比特币中文官网比特币常见问题比特币发展史比特币:一种点对点的电子现金系统比特币-维基百科比特币教学课程原理和运行机制巴比特公开课技术原理比特币工作原理比特币匿名性讲解原理详解(推荐)基本原理介绍深入浅出原理讲解比特币教程比特币原理-视频比特币工作量概念比特币被盗秘密比特币技术知识比特币白皮书比特币协议（上）比特币协议（下）区块链是什么区块链的权力结构区块链-百度百科区块链-维基百科区块链技术与应用-知乎漫画了解区块链区块链发展事件编程开发比特币比特币开发文档比特币开发指南以太坊以太坊爱好者以太经典以太坊发展趋势 Github 官方博客论坛 Reddit Gitter 线下聚会 YouTube Stackexchange — Ethereum Twitter ETHDEV设计原理 Web3.0 白皮书黄皮书常见问题以太坊文库 Embark Truffle EtherParty Populus Cosmo BlockApps 智能合约分析器Ｈyperledger官网官网文档 docker入门教程区块链技术指南Hyperledger fablic源码 Hyperledger fablic 0.6 Hyperledger fablic 1.0 Hyperledger Fabric 源码分析区块链知识库Hyperledger Fabric 源码使用 Docker 部署 Hyperledger Fabric用node 0.6.5部署的chaincodeHyperledger fablic 0.6 在centos7环境下的安装与部署Hyperledger fablic 1.0 在centos7环境下的安装与部署EOSEOS.io EOS Blog BlockONE Reddit Github 白皮书路线图开发文档开发者频道 EOS爱好者（中文） BitShares SteemIt DanByteMaster 挖矿资源挖矿统计BTC挖矿收益计算算力blockchain 难度与算力曲线挖矿信息汇总挖矿边际收益图 coinchoose收益挖矿收益计算器显卡挖矿速度表挖矿教程P2pool使用说明 Slush矿池创世贴挖矿入门教学显卡挖比特币教程其他币矿池搭建莱特币挖矿教程屌丝挖矿日记比特币挖矿教程挖矿工具大比拼挖矿行业彩云比特蚂蚁矿机 KnCminerASIC各家矿机追踪蝴蝶矿机官网ASICME矿机 BW币计划 CEX编辑于 2018-04-26 20:35区块链(Blockchain)比特币 (Bitcoin)资源分享赞同 491 条评论分享喜欢收藏申请转载文章被以下专栏收录区块链技术学习专栏区块链技术&分布式系统&信息安全&共识算法&应

首页 | ethereum.org

ethereum.org跳转至主要内容学习用法构建参与研究搜索语言 ZH帮助更新此页面本页面有新版本，但现在只有英文版。请帮助我们翻译最新版本。翻译页面没有错误！此页面未翻译，因此特意以英文显示。不再显示Ethereum欢迎来到以太坊以太坊是由社区驱动的技术，为加密货币以太币（ETH）和成千上万的去中心化应用程序提供动力。探索以太坊开始体验ethereum.org 是你进入以太坊世界的门户。这项技术日新月异，因此指南会有所帮助。如果你想深入了解，我们有以下建议。选择钱包你可以通过钱包连接到以太坊并管理资金。获取以太币ETH 是以太坊的货币 – 你可以在应用程序中使用它。使用去中心化应用程序Dapps 是由以太坊提供支持的应用程序。看看你可以做什么。开始构建如果想在以太坊里开始编写代码，我们有文档与教程可供参考，你亦可在开发者门户中查看更多信息。什么是以太坊？以太坊是数字货币、全球支付和应用程序的技术之家。以太坊社区已经创建了蓬勃发展的数字经济，为创造者在线上获取收入开辟了大胆而创新的途径，且不止于此。它面向所有人开放，无论身处何处，只需互联网即可。什么是以太坊？关于数字货币的更多信息更加公平的金融系统今天，数十亿人无法开设银行帐户，还有一些人的支付帐户被封锁。而以太坊的去中心化金融 (DeFi) 系统永不停息，永无歧视。只需有互联网连接，你就可以在世界任何地方汇款、收款、借款、赚取利息甚至流动资金。探索去中心化金融 (DeFi)资产互联网以太坊并非仅限数字货币。你拥有的任何东西都可以采用非同质化代币 (NFT) 来表现、交易和使用。你可以将艺术品代币化，并在每次重新出售时自动获得使用费。或者，你也可以用所有物的代币来贷款。不断开辟新的可能。关于非同质化代币的更多信息开放式网络今天，我们通过放弃对个人数据的控制权来获得“免费”的互联网服务。以太坊服务则默认开放 - 只需要钱包即可。这些应用不仅免费，易于设置，由你掌控，而且无需个人信息。探索开放式网络关于钱包的更多信息代码示例你自己的银行你可以用自己编写的逻辑来建立银行。自己的货币你可以创建代币，并在应用程序之间转账和使用。JavaScript 以太坊钱包你可以使用现有语言与以太坊及其他应用程序进行交互。开放、无需许可的 DNS你可以将现有的服务重构为去中心化的开放应用程序。全新发展领域以太坊及其应用程序具有透明和开源性质。你可以分叉代码并重新使用已由他人建立的功能。如果不想学习新语言，你可以直接使用 JavaScript 和其他现有语言与开源代码进行交互。开发者门户以太坊现状最新的网络统计数据以太币质押总数当前质押的用来保护网络安全的以太币总量。3125万数据来源： Beaconcha.in(opens in a new tab)30d90d今日交易过去 24 小时内，网络成功处理的交易笔数。130.1万数据来源： Etherscan(opens in a new tab)30d90d去中心化金融中锁定的价值（美元）以太坊数字经济及去中心化金融 (DeFi) 应用程序中的资金量。US$1290亿数据来源： DeFi Llama(opens in a new tab)30d90d节点以太坊由全球数千计志愿者运行，他们被称为节点。6,992 数据来源： Etherscan(opens in a new tab)30d90d加入 ethereum.org 社区加入我们的 Discord 服务器(opens in a new tab)，与近 4 万名成员一起交流。参加我们每月举行的社区电话会议，获取有关 Ethereum.org 发展的令人兴奋的最新消息和重要生态系统新闻。你将有机会提出问题、分享想法和提供反馈——这是你成为蓬勃发展的以太坊社区一员的绝佳机会。☎️ Ethereum.org Community Call - March 20242024年3月28日 16:00(UTC)Join Discord(opens in a new tab)添加到日历(opens in a new tab)即将召开的电话会议2024年3月21日⚙️ ethereum.org Office Hours [S3E1](opens in a new tab)2024年3月27日 QA session - ethereum.org portal(opens in a new tab)之前的电话会议2024年3月13日 QA session - ethereum.org portal(opens in a new tab)2024年2月28日 QA session - ethereum.org portal(opens in a new tab)2024年2月29日☎️ Ethereum.org Community Call - February 2024(opens in a new tab)2023年11月1日 QA session - ethereum.org portal(opens in a new tab)探索 ethereum.org提升你对网络升级的理解以太坊路线图由相互连接的升级组成，旨在使网络更具可扩展性、安全性和可持续性。企业级以太坊查看以太坊如何开启新业务模式，降低你的成本，并使你的业务经得起未来的考验。以太坊社区以太坊由社区驱动。它由来自不同背景和兴趣的人组成。看看如何加入！为 ethereum.org 贡献力量这个网站是开源的，有数百个社区贡献者。你可以对这个网站上的任何内容提出编辑建议，建议出色的新功能，或者帮助我们排除错误。关于贡献力量的更多信息GitHub(opens in a new tab)网站最后更新: 2024年3月13日(opens in a new tab)(opens in a new tab)(opens in a new tab)学习学习中心什么是以太坊？什么是以太币 (ETH)？以太坊钱包什么是 Web3？智能合约Gas fees运行节点以太坊安全和预防欺诈措施测试中心以太坊词汇表用法指南选择钱包获取以太币Dapps - 去中心化应用稳定币NFT - 非同质化代币DeFi - 去中心化金融DAO - 去中心化自治组织去中心化身份质押ETH二层网络构建构建者首页教程相关文档通过编码来学习设置本地环境资助基础主题用户体验/用户界面设计基础Enterprise - Mainnet EthereumEnterprise - Private Ethereum参与社区中心在线社区以太坊活动为 ethereum.org 做贡献翻译计划以太坊漏洞悬赏计划以太坊基金会以太坊基金会的博客(opens in a new tab)生态系统支持方案(opens in a new tab)Devcon(opens in a new tab)研究以太坊白皮书以太坊路线图安全性增强以太坊技术史开放研究以太坊改进提案（Eip）以太坊治理关于我们以太坊品牌资产Code of conduct工作机会隐私政策使用条款缓存政策联系我们(opens in a new tab)本页面对你有帮