基于多方计算技术的数据交易机制研究

doi:10.11959/j.issn.2096-0271.2022028

大数据 ›› 2022, Vol. 8 ›› Issue (3): 54-65.doi: 10.11959/j.issn.2096-0271.2022028

• 专题：数据要素市场建设 • 上一篇

基于多方计算技术的数据交易机制研究

刘小霞¹, 张嘉熙², 王申³, 杨祖艳²

¹ 北京国际大数据交易有限公司，北京 100024
² 华控清交信息科技（北京）有限公司，北京 100084
³ 中国政法大学，北京 100088

出版日期:2022-05-01 发布日期:2022-05-01
作者简介:刘小霞（1982- ），女，北京国际大数据交易有限公司副总经理、数据交易业务研究高级专家，主要研究方向为数据挖掘、数据交易、大数据分析与建模。
张嘉熙（1992- ），男，华控清交信息科技（北京）有限公司高级研究员，主要研究方向为数据定价、数据交易、数字经济、多方计算应用等。
王申（1992- ），男，博士，中国政法大学博士后，主要研究方向为数据法与经济学、反垄断与竞争法、数字经济等。
杨祖艳（1984- ），女，博士，华控清交信息科技（北京）有限公司副总裁，主要研究方向为金融监管、监管科技、数据要素理论与政策等。

Research on the mechanism of data transaction based on multi-party computation

Xiaoxia LIU¹, Jiaxi ZHANG², Shen WANG³, Zuyan YANG²

¹ Beijing International Big Data Exchange Co., Ltd., Beijing 100024, China
² Huakong TsingJiao Information Science (Beijing) Co., Ltd., Beijing 100084, China
³ China University of Political Science and Law, Beijing 100088, China

Online:2022-05-01 Published:2022-05-01

摘要/Abstract

摘要：

近年来，数据要素交易与数据要素市场建设受到社会各界的高度关注。区别于传统生产要素，数据要素存在“准公共品”性、信息不对称性与负外部性等经济特征，这些特征是当前阶段阻碍其大规模流通的主要因素。结合数据要素的经济特征，从技术视角切入，探索基于多方计算的数据交易机制在现有政策与市场环境下的实践应用，通过“数据可用不可见、数据使用可控可计量”的交易机制，为现阶段数据要素大规模流通提供一种解决思路。同时，深入分析北京国际大数据交易所已上线的数据安全融合产品，为基于多方计算的数据大规模流通工程化落地与数据要素市场建设提供借鉴。

关键词: 数据要素交易, 多方计算, 可控可计量

Abstract:

Recently, data factor transaction and market construction have received high-level attention.Different from traditional factors of production, data factors have economic characteristics such as “quasi-public goods”, information asymmetry and negative externality, which are the primary reasons hindering the large-scale circulation of data at the current stage.By taking these economics characteristics into consideration, and from the perspective of technique, the practical application of data transaction mechanism based on multi-party computation under current circumstance of policy and market was explored, through a transaction mechanism of “data is usable but invisible, usage of data is controllable and measurable”, which provided a technical solution for large-scale circulation of data.In the meantime, the data service based on multiparty computation was analyzed, which was already launched on the data transaction platform of Beijing International Data Exchange.And the practical implementation of large-scale data circulation based on multi-party computation and data factor market construction were provided.

Key words: data factor transaction, multi-party computation, controllable and measurable

中图分类号:

TP311.1，F49

刘小霞, 张嘉熙, 王申, 杨祖艳. 基于多方计算技术的数据交易机制研究[J]. 大数据, 2022, 8(3): 54-65.

Xiaoxia LIU, Jiaxi ZHANG, Shen WANG, Zuyan YANG. Research on the mechanism of data transaction based on multi-party computation[J]. Big Data Research, 2022, 8(3): 54-65.

图/表 5

表1

表2

图1

图2

图3

参考文献 16

[1]	田杰棠, 刘露瑶 . 交易模式、权利界定与数据要素市场培育[J]. 改革, 2020(7): 17-26.
	TIAN J T , LIU L Y . Transaction mode,rights definition and data element market cultivation[J]. Reform, 2020(7): 17-26.
[2]	戚聿东, 刘欢欢 . 数字经济下数据的生产要素属性及其市场化配置机制研究[J]. 经济纵横, 2020(11): 63-76,2.
	QI Y D , LIU H H . A study on the factor property and the market-oriented allocation mechanism of data in digital economy[J]. Economic Review Journal, 2020(11): 63-76,2.
[3]	毛振华, 陈静 . 数据要素市场化的核心[J]. 中国金融, 2021(12): 39-40.
	MAO Z H , CHEN J . The core of data factor marketization[J]. China Finance, 2021(12): 39-40.
[4]	何玉长, 王伟 . 数据要素市场化的理论阐释[J]. 当代经济研究, 2021(4): 33-44.
	HE Y C , WANG W . Theoretical explanation of marketization of data elements[J]. Contemporary Economic Research, 2021(4): 33-44.
[5]	何波 . 数据权属界定面临的问题困境与破解思路[J]. 大数据, 2021,7(4): 3-13.
	HE B . Issues faced by the determination of data ownership and solutions[J]. Big Data Research, 2021,7(4): 3-13.
[6]	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.
	WANG J W , ZHENG Z Z , WU F ,et al. Blockchain based data marketplace[J]. Big Data Research, 2020,6(3): 21-35.
[7]	李源, 高宁, 孙晶 ,等. 基于区块链的大数据交易模式研究与探索[J]. 大数据, 2021,7(4): 37-48.
	LI Y , GAO N , SUN J ,et al. Research and exploration of big data transaction model based on blockchain[J]. Big Data Research, 2021,7(4): 37-48.
[8]	熊巧琴, 汤珂 . 数据要素的界权、交易和定价研究进展[J]. 经济学动态, 2021(2): 143-158.
	XIONG Q Q , TANG K . Research progress on the right delimitation,exchange and pricing of data[J]. Economic Perspectives, 2021(2): 143-158.
[9]	COASE R H . The firm,the market,and the law[M]. Chicago: University of Chicago Press, 1987.
[10]	GOERGE R M , L ANE J L , STODDEN V ,et al. Data for the public good:challenges and barriers in the context of cities[M]// Privacy,big data,and the public good. New York: Cambridge University Press, 2014: 153-172.
[11]	于立, 王建林 . 生产要素理论新论:兼论数据要素的共性和特性[J]. 经济与管理研究, 2020,41(4): 62-73.
	YU L , WANG J L . New theory on production factors—commonness and characteristics of data factor[J]. Research on Economics and Management, 2020,41(4): 62-73.
[12]	徐葳, 杨祖艳 . 数据使用的负外部性及数据要素监管[N]. 金融时报, 2021-03-29(11).
	XU W , YANG Z Y . Negative externalities of data use and data factor supervision[N]. Financial News, 2021-03-29(11).
[13]	许可 . 数据交易流通的三元治理：技术、标准与法律[J]. 吉首大学学报(社会科学版), 2022,43(1): 96-105.
	XU K . Ternary governance of data transaction circulation:technology,standard and law[J]. Journal of Jishou University (Social Sciences), 2022,43(1): 96-105.
[14]	YAO A C , . Protocols for secure computations[C]// Proceedings of 23rd Annual Symposium on Foundations of Computer Science. Piscataway:IEEE Press, 1982: 160-164.
[15]	张旭东 . 金融数据安全与个人信息保护[J]. 清华金融评论, 2021(12): 93-95.
	ZHANG X D . Financial data security and personal information protection[J]. Tsinghua Financial Review, 2021(12): 93-95.
[16]	中国互联网金融协会. 隐私计算与金融业数据要素融合应用研究[R]. 2020.
	National Internet Finance Association of China. Privacy-enhancing computation and application of data fusion in financial industry[R]. 2020.

参与方	功能约束项	具体要求
任务发起方	发起任务	指定、核验任务资源（数据、算法等）到位
算法提供方	算法输入	支持的算法类型，以及算法输入方式（如高级语言输入）
数据提供方	数据输入	支持的数据源类型，以及数据输入方式；数据使用授权
计算方	协同计算	基于计算因子进行计算；支持多种数据类型和算符
结果使用方	数据输出	解析计算因子
调度方	调度管理	感知、管理数据资源、计算资源，对多任务进行调度
注：表1根据《多方安全计算金融应用技术规范》整理得出。

场景		运算	计算时延/ms	吞吐量/（次·s^-1）	计算精度
资金	实时	整数万次乘法	≤100	≥100	≥22
		整数万次比较	≤200	≥10	—
	非实时	浮点数万次乘法	≤1 000	≥500	≥32
		浮点数万次比较	≤10 000	≥100	—
非资金	实时	浮点数万次乘法	≤200	≥100	≥26
		浮点数万次比较	≤300	≥10	—
	非实时	浮点数万次乘法	≤1 000	≥500	≥32
		浮点数万次比较	≤10 000	≥500	—

基于多方计算技术的数据交易机制研究

Research on the mechanism of data transaction based on multi-party computation

在线阅读

PDF下载

可视化

摘要/Abstract

引用本文

使用本文

图/表 5

参考文献 16

相关文章 15

Metrics

推荐阅读 0

[1]	智峰, 田锋, 赵若凡. 计量科学大数据分级分类[J]. 大数据, 2022, 8(1): 60-72.
[2]	夏正勋,杨一帆,罗圣美,赵大超,张燕,唐剑飞. 生成技术在人工智能平台中的应用探索[J]. 大数据, 2020, 6(6): 0-.
[3]	夏正勋, 罗圣美, 孙元浩, 唐剑飞, 张燕. 大规模异构数据并行处理系统的设计、实现与实践[J]. 大数据, 2020, 6(4): 18-29.
[4]	张永锋, 霍东云, 李振华, 智强, 李燕茜. 学术大数据在企业专家对接中的应用[J]. 大数据, 2019, 5(5): 79-88.
[5]	李毓瑞, 陈红梅, 王丽珍, 肖清. 基于密度的停留点识别方法[J]. 大数据, 2018, 4(5): 80-93.
[6]	覃雄派, 陈跃国, 杜小勇, 王伟娟. “数据科学概论”课程设计[J]. 大数据, 2017, 3(6): 102-111.
[7]	阮彤, 高炬, 冯东雷, 钱夕元, 王婷, 孙程琳. 基于电子病历的临床医疗大数据挖掘流程与方法[J]. 大数据, 2017, 3(5): 83-98.
[8]	钱岭, 孙少陵, 石在辉. 从点状应用到大数据统一平台[J]. 大数据, 2017, 3(3): 84-93.
[9]	姚前, 谢华美, 刘松灵, 李香菊, 刘新海, 景志刚. 基于征信数据观中国近10年产业间信贷资源的调整路径[J]. 大数据, 2017, 3(1): 35-43.
[10]	王文生, Leifeng. 关于我国农业大数据中心建设的设想[J]. 大数据, 2016, 2(1): 28-34.
[11]	. 2015中国大数据技术大会在北京隆重开幕[J]. 大数据, 2016, 2(1): 120-120.
[12]	海沫, 牛怡晗, 张悦今. 面向大数据的并行聚类算法在股票板块划分中的应用[J]. 大数据, 2015, 1(4): 9-17.
[13]	林春雨, 李崇纲, 许方圆, 许会泉, 石磊, 卢祥虎. 基于大数据技术的P2P网贷平台风险预警模型[J]. 大数据, 2015, 1(4): 18-28.
[14]	许洪波, 陈波. 面向国防安全的网络大数据分析与应用系统[J]. 大数据, 2015, 1(4): 29-37.
[15]	周涛. 基于统计学习的网络异常行为检测技术[J]. 大数据, 2015, 1(4): 38-47.