今后对于区块链最大的应用场景就是 AIGC 面临的数据问题。

演讲：杨小虎，浙江大学区块链与数据安全全国重点实验室副主任、杭州高新区（滨江）区块链与数据安全研究院院长

大家上午好！刚刚的圆桌大家感觉像是在国外，我的演讲会把大家拉回到国内。我从另外一个维度，让大家感受下国内政府和研究机构在关注什么事情。在 2019 年以后，区块链已经成为了国家的战略。另外一方面，数字经济发展非常迅速。最近这几年又强调数据要素的流通，希望能赋能实体经济。那在这个当中，区块链可以干什么？

数据已经成为越来越多关注的话题，成为土地、劳动、资本、技术之后的第五大生产要素，中国也已经成为全球最大的数据体，每天会产生大量的数据。从最近多年的经济来看，数字经济已经成为了我们国家主要的经济形态，今后还会占据更主要的作用，发挥更大的作用。但是要让数据充分流转，发挥它的价值和作用不是那么容易。首先它面临数据的确权和定价困难，在座都是做区块链，肯定有深刻的体会。这个数据值多少钱，如何确权，这很麻烦。然后数据的流转和交易，也面临很大的困难。大家相互之间不可信，而且给了你一份数据后，我还有。第三，有大量的数据安全和隐私泄露风险，在这里已经有很多的实际案例，有公开报道，还有滴滴被罚事件，去年中国公民数据在暗网上的销售。这些问题都是数据要素流转面临的挑战难题。

在国家层面，也已经颁布了《数据安全法》、《个人信息保护法》，这些法律的发布也很明确划定了法律的边界，就是什么事情可以做，什么事情不可以做。如果数据要素要流转，必须能保证在法律体系框架内。我们根据前面的背景，问题和法律框架，我们是一个学术研究机构，叫区块链与数据安全全国重点目前实验室，是在国内唯一的有国家中央政府设立的全国重点实验室，在区块链领域。我们分析了前面的问题以后，认为要保障数据安全的前提下，实现数据高效的共享、有序的开发利用，就是数据要用起来，但是一定要保证数据安全和隐私安全，但面临着很多矛盾。

数据是开放的，开放带来非竞争性、非稀缺性、非排他性、非耗竭性。数据跟原有的四大要素很不同。要把它用起来，必然要解决两大问题，安全问题和资产化问题。安全的话，有很多法律条文要求。另外一方面，又要把它变成资产，如果不完成资产化，数据要素流转就面临很多问题。只有解决这两大问题，才能真正实现数据的高效共享，便捷地流转，低成本低开发立法。找了半天，我们发现区块链是一个很好的技术。因为区块链天生具有数据透明、不可篡改、不追溯等特性。之前是用来做数字货币，现在发现在数据要素的确权、流转和隐私保护上，是一个很好的支撑技术。我们探讨了一个路径，用区块链加隐私计算实现数据要素流转。

在数据要素流转过程中，从生命周期来看，包括数据的采集、治理、定价，最后是流转环节。这一系列环节中，存在很多技术问题需要解决。其中区块链可以全方位数字身份、任务协同、确权、授权、建权、追溯、溯源，这一系列事情是区块链非常擅长的事情。除此之外，特别是在流通环节，它和隐私计算结合起来，可以实现数据的流转，就是前面讲到的保证数据安全的前提下实现流转，同时可以保障市场化的要求。流转有两种场景，一种场景是明文流传，就是流通的双方和多方可以看到数据的明文。另外一种场景，数据不会让使用方看到，但同时又要发挥出数据的价值，这种场景单独靠区块链有困难，所以要把两种场景结合起来。

第一种是明文场景。

（一）、现在国内已经有很多解决方案了，用区块链已经可以做得非常到位了。通过区块链首先进行线上目录管理，比如一个区域里或组织里面，大家需要共享、交流的数据进行目录管理，这样用区块链做和用中心化系统做，有很大的不同。

（二）、是产权和确权，通过区块链来确权。

（三）、数据本身的流转还是通过链下点对点流转，但是这里的点对点流转跟传统意义上做法不一样，通过链上目录的管理和链上产权的确权，让它受到保护。

（四）、整个流传过程在链上会留痕，可以追溯。保障了如果数据出现了隐私泄露或数据非法利用时，可以进行追溯，找到其中不合规的地方。

这是第一种做法，也是比较成熟的解决方案。

后面几种做法，都是数据是不可以看到的，是隐私安全，是内文流转。一种是采用多方计算，隐私计算的技术发展，主要是三类技术。第一，多方计算 MPC，第二，可信硬件或可信计算环境。第三，联邦学习。这三类跟区块链结合起来，都有它应用的价值和可发挥的场景。

第一种，通过多方计算和区块链进行结合，因为通过多方计算，双方在不泄露所拥有数据的情况下，可以知道问题的答案，这是一个常见的多方计算的做法。多方计算的成熟算法和区块链结合起来，可以实现多方数据。当然数据可以通过区块链确权，也可以经过授权，一个是通过链上任务的协调，一个是通过线下任务的高效可信执行，可以实现数据的可用不可见。

第二种，技术是可信的计算环境。在数据流转环境地，我们称之为可用的数据沙箱。这类在政府系统用得比较多，因为很多地方政府设立数据局和大数据局，中央政府马上也会设立数据局。数据局可以做一个事，把各个部门、各个地区的数据集中在可信的计算环境里，数据在其他地方是看不到的。因为政府各个部门对数据的要求各不相同，公安的数据是绝对不可能提供给其他部门，但没有公安的数据，很多任务根本开展不起来。所以通过建立一个可信数据沙箱，建立一个数据可信流通的环节。在这里通过区块链来实现沙箱合约，有什么好处呢？知道你在沙箱里运行的计算任务是什么，因为大家知道你上了区块链和合约就不能随便改了，因为代码是可信的，另外还可以在里面实现安全的计算，这是第二种。

第三种联邦学习。联邦学习是随着机器学习的发展出现的。就是数据是分布的，模型是分布的，最后通过联邦学习给聚合起来。分布在各个地方的数据的真实性、原始性和确权，模型要进行可信的保护，如果模型被攻击，也会存在问题。在这个过程中用区块链可以实现多方可信训练，现在训练过程非常重要。如果训练过程存在安全漏洞，就会被攻击。模型参数的加密聚合，因为模型在训练过程中的参数，如果涉密，被别人知道，这也是有安全隐患的。

最后当然存在分润。因为联邦学习的数据、模型在各个地方，最典型的就是医疗场景。各家医院的 CT 数据不可能共享，不可能汇聚到卫健委，但是 CT 片是做模型训练和深度学习训练非常有价值的数据，怎么办呢？通过联邦学习。在联邦学习之前，通过区块链来实现数据的可信、模型的可信，最终实现收入的分润。

前面介绍了把区块链和隐私计算结合起来，提供的技术解决方案。下面看一下国内已经有的应用场景和案例。

第一，跨省域的政务数据的共享。在长三角的上海、江苏、浙江三个省市的交汇处，青浦、吴江和嘉善这三个地方经常发生治安案件，逃犯在上海，就跑江苏和浙江了，省与省之间的数据协调很困难，而且存在可信的问题。现在通过区块链实现三地数据的可信共享，来解决这个问题。

第二，外贸行业，外贸行业也是一个典型的多方参与，让数据实现可信共享。在浙江省通过商务厅牵头，建立了海关、税务、保理金融机构和市场监督局，再把企业管理起来，实现订单、保单等一系列数据的可信的协同共享。有两个方面，企业希望得到授信，获得贷款，银行在控制风险的前提下进行贷款。另外一方面，也可以进行风险的防控，不要出现其他问题。这些都可以通过区块链和 MPC 结合起来进行实现，而且比较好的效果，年的融资额达到了数千亿。这是典型的数字技术赋能实体经济的场景。

第三是金融行业，金融行业是区块链和隐私计算的典型场景，也容易取得效果。在金融行业有一个大场景就是查黑名单，防范风险。每个银行都有黑名单，或者也不一定到黑名单，比如会名单。黑名单会到央行，灰名单是还没到黑名单的程度，可能是拖欠的账款，可能要防范，但这个名单各个银行之间涉及到商业机密，不会共享。比如一个刚毕业的学生到我这里贷款，我非常想知道他在其他银行有没有不良记录。银行希望知道，但又不可能以明文的方式在银行的圈子里问。说不定把这个客户推给其他银行了，因为有可能这个客户是个富二代，家里有矿。最理想的情况是这样的，我在圈子里发出提问，但是别人是看不到这个客户的身份信息。别的银行看到这个请求以后，通过查询返回一个结果，就是 Yes 和 No，就是这个人有没有不良记录。提出请求的人得到了答案以后，也不知道是哪家银行给的答案，这是最佳结果。就是我提出请求，处理请求的银行业不知道是哪个人。它回答以后，看到结果的银行，也不知道是哪家银行提供的结果。这看起来好像不合理，但是在区块链隐私计算下完全可以完成，隐私计算就是通过密码学的方法来解决这个问题，现在已经做到了。就是通过区块链构建一个联盟在于这个上面再加上隐私计算的方法，银行与银行之间可以实现灰名单的共享，在完全没有泄露个人隐私的前提下，这已经取得了很好的效果。

最后一个案例也是在金融行业，如何通过金融数据的共享，实现多方数据共享以后，银行对优质客户或好客户更容易贷款，虽然这个客户没有东西抵押，没有人担保，对于不好的人可以防控。这是浙江省的案例。

前面的例子都是传统行业，相比峰会上讲的行业来说，比较传统。

那未来的机会在哪里呢？我们经过进一步分析认为，未来的机会非常大，就是 AIGC 的时代。这两张照片大家比较熟悉。这是用 Midjourney 生成的照片里，这两张广泛传播，第一张是中国情侣的照片，第二张是特朗普被带走的照片。在 AIGC 时代，峰会的主题叫 Web3。在这样的时代，数据的真实性、原始性是个很大问题，如果数据的真实性、原始性有问题，训练出的数据可信吗？你得到的大模型是可信的吗？大模型告诉你的答案是可信的吗？这都是问题。今后对于区块链最大的应用场景就是 AIGC 面临的数据问题。如果这些都可信，还面临资产化的要求。资产化要求就是我怎样可以获得收益，我提供了一个真实的数据，我怎样获得收益，这是另外一个话题。我们感觉到如果再进一步发展下去，这肯定是一个很好的方向。

我的报告就到这里，谢谢大家！