［17］Tsai J. Transform blockchain into distributed parallel computing architecture for pecision medicine//Proc of the Int Conf on Distributed Computing Systems. Washington: IEEE, 2018: 1290—1299.
［1］吴信东, 董丙冰, 堵新政, 等. 数据管理技能. 软件学报, 2019, 30(9): 2830—2856.
图1 数据管理成长进程和涉及的参加主体
孟小峰：博士，中国人民大学传授，博士生导师，CCF会士，主要研究偏向为数据库理论与系统、大数据打点系统、大数据隐私掩护、大数据融合与智能、大数据及时阐明、社管帐算等。今朝，已有研究操作区块链增加移动应用[28]、医疗[29,30]和物联网[31-33]等规模的数据获取和共享畅通的透明性。基于区块链实现数据获取和共享的框架可以分为四层：数据获取层—存储层—区块链层—共享层。在数据获取层，数据出产者对数据收集内容、形式和目标等具有知情权；在存储层，回收传统数据库打点系统、云存储和漫衍式存储系统等方法存储数据，并回收加密技能对数据举办加密来掩护数据安详和隐私；在区块链层，由区块链执行去中心化的会见节制，使任何数据会见环境都通过区块链的生意业务被记录在区块链；在共享层，实现数据共享并对共享干系举办掩护。正是通过上述四层，区块链增加数据获取和共享畅通的透明性。
［35］Froelicher D, Egger P. UnLynx: a decentralized system for privacy-conscious data sharing// Proc on Privacy Enhancing Technologies. NJ: IEEE, 2017: 232—250.
（3） 促进数据共享。数据共享可以促进大数据代价实现缓和解数据把持，但同时也需要办理隐私掩护等问题。一方面，数据共享两边之间产生数据共享畅通时，思量到隐私问题，需要以有效的方法掩护数据出产者的小我私家隐私。另一方面，限于法令和实际应用中的一些因素，需要在不直接传输原始数据环境下，依据多方数据持有者的数据实现漫衍式数据集举办统计阐明和漫衍式呆板进修。由于多方参加者之间不存在完全的可信性，此时应该可以或许掩护数据利用者对其共享进程举办验证。所以，数据管理需要在衡量数据出产者和数据利用者等参加主体好处的前提下促进数据共享。［3］Jennifer Zhu Scott. Facebook and Cambridge Analytica: what you need to know as fallout widens.
［2］安小米, 郭明军, 魏玮, 等. 大数据管理体系:焦点观念、动议及其实现路径阐明. 情报资料事情, 2018, (1): 5—11.
［22］Li Y, Zheng K, Yan Y. EtherQL: A query layer for blockchain system// Proc of the Int Conf on Database Systems for Advanced Applications. Berlin: Springer, 2017: 556—567.
［21］Salah K, Rehman MHU, Nizamuddin N, et al. Blockchain for AI: review and open research challenges. IEEE Access, 2019, 7: 10127—10149.
作者：中国人民大学信息学院 孟小峰 刘立新
（2） 评估与禁锢小我私家隐私数据的利用。大数据应用的畅通特征使数据出产者对数据获取和共享缺乏知情权和节制权。作为数据出产者，用户不知道哪些数据被收集、被谁收集、收集之后流向那边和作何利用。同时，数据的收集汇聚导致数据把持现象呈现。数据把持大概会阻碍市场竞争、使消费者福利受损、阻碍行业技能创新和带来更严重的小我私家隐私泄露风险等问题，但数据禁锢者却无法对数据应用举办评估和禁锢；另外，大数据应用的多源数据融合特征还大概会激发更严峻的隐私泄露问题。所以，数据管理需要对小我私家隐私数据利用举办评估与禁锢。
郑重声明：本文版权归原作者所有，转载文章仅为传播更多信息之目的，如作者信息标记有误，请第一时间联系我们修改或删除，多谢。
