基于区块链的研究数据共享框架以激励数据所有者
摘要
数据共享实践对于研究人员最大化知识获取至关重要。然而，何时以及向谁共享哪些数据，以及如何向数据所有者授予信用，这些问题必须得到明确解决，以便为数据所有者提供共享其数据的个体激励措施。一个允许数据所有者控制其数据共享并获得相应奖励的平台，将成为推动研究数据共享的重要助力，因为目前研究人员共享数据的激励措施在很大程度上仍然缺失。我们的方法提出了一种基于区块链的可用模型，用于汇集研究人员的数据，提供对访问的可问责性，维护完整且最新的信息，并记录可验证的数据来源轨迹，包括数据的所有访问、共享和使用情况。数据所有者不仅能够享受更高的透明度，并防止数据落入不当之手，还将通过数字代币、致谢或两者兼有的方式获得激励，从而与感兴趣的数据请求者共享其数据，成为科研数据经济中能够获益的积极参与者。
关键词
：区块链 · Smart合约 · Incentive · Data共享 · 隐私
1 引言
在过去十年中，巨大的技术创新促使许多研究联盟采用数据驱动的方法，并通过合作做出智能决策，以提升其科研活动。数据共享实践对于最大化研究工作的知识获取无疑是必要的。它们还可以减少重复试验，并加速科研新思想的发现与产生。然而，何时、何地、向谁以及通过何种方式共享数据，以及如何向数据集所有者给予应有的认可，仍然是激烈争论和研究的议题。随着各方在收集用户数据时引发的隐私问题日益凸显，这种研究精神得到了进一步激发，这些方的主要动机是在实现最大化的研究知识和科学效益的同时，构建更优的模型。数据分析方法可以显著提高服务质量，但其依赖于研究数据的收集、共享和挖矿。用户自愿贡献了大部分数据；另一部分数据则是系统通过观察用户活动获得，或通过对自愿提供或观测到的数据进行高级分析推断得出[1]。
在许多重要领域，例如医学和医疗保健，通过共享临床试验中的研究数据，个性化患者护理和医学研究均能从中受益，从而最大限度地从研究工作中获取知识 [2]。然而，这些数据的所有可能用途通常无法预先完全知晓，需要反复征求数据所有者的同意，这对于看不到收益的研究人员或数据所有者而言可能造成困扰。此外，数据所有者很难甚至无法记住他们已向哪些企业授予了何种同意，以及追踪谁在访问其数据、出于何种目的以及在何种条件下进行访问。因此，亟需一种灵活机制来获取和更新研究数据使用与共享的同意，该机制应提供适当且有意义的激励措施，以充分利用数据共享的价值，并确保透明度，使研究人员能够清楚了解其数据集被谁、出于何种目的、在何种条件下访问。
人们已经注意到，创造力和技术的进步催生了众多计算骨干，以确保在智能计算中实现隐私保护和数据共享，并防范黑客攻击[3]。然而，这些服务常常因中心化问题而受到批评，因为在大多数情况下，它们并未收集和共享来自大量自主且独立实体的多样化用户数据片段[4]。数据的存储与管理所依赖的信任仍集中于中心化服务提供商[5]。在过去几年中，分布式账本和区块链技术已发展成为支持不可变和可信记录的一种有前景的方式，适用于医疗保健、农业研究工作、旅游领域等多种用例。此外，许多区块链系统提供了一种称为“智能合约”的技术，可实现对访问或修改每个数据实体的条件进行自动验证。智能合约可用于编码研究数据使用的允许用途、允许访问数据的软件应用程序、时间限制、访问价格等。
本文提出了一种基于区块链的研究数据共享框架，通过数字代币、适当致谢或两者结合的方式激励数据集所有者，同时在不可篡改且不可破坏的数据库中向他们提供所有数据的详细信息。本文其余部分组织如下：第2节介绍区块链和智能合约的概述。第3节简要分析现有架构及其局限性。随后，第4节提出了针对研究领域的去中心化数据共享的解决方案架构以及我们实现的模型，同时确保用户的隐私和用户对数据的控制。最后，第5节总结全文并探讨未来方向。
2 背景
2.1 区块链
如果有任何关键资产在供应链中流转，我们可以使用分布式账本，以便了解这些商品/资产的位置及其动态，同时我们还将拥有背后的信任机制，使得欺诈者很难将假冒商品注入供应链 [5]。这项突破性技术也被称为区块链。该理念最初在原始源代码中提出
数字货币系统，比特币[6]，但其影响被观察到远不止于虚拟加密货币。区块链提供了一个数字账本，将每条记录组织成“区块”，并通过加密验证将这些区块链接在一起。每个区块聚合了一批带时间戳的交易，以添加到链中。所有这些区块都引用链中前一个区块的签名，而该链可以追溯到链中创建的第一个创世区块。
区块链可以是私有的、公共的或混合的。MultiChain [7] 最适合用于私有区块链，它提供了一个易于配置和部署的解决方案，具备所需的隐私性和控制性。与其他区块链不同，MultiChain 通过集成管理用户权限[7]来解决挖矿、隐私和开放性问题。一旦区块链为私有，与扩展性相关的问题便更容易解决，因为链的参与者可以控制最大区块大小。在 MultiChain 中，所有权限都通过包含特殊元数据的网络交易进行授予或撤销。第一个“创世”区块的矿工将自动获得所有权限，包括管理其他用户权限的管理员权利。未来版本的 MultiChain 还可能引入“超级管理员”，可自行分配和撤销权限。
类似地，以太坊是另一个用于创建去中心化应用（dapps）的开源平台，用户通过该平台以分布式的点对点方式与在线服务进行交互，这种交互发生在抗审查的基础之上。开发者可以使用任何已知的编程语言和工具来创建界面和业务逻辑。以太坊拥有自己的虚拟货币以太币（ETH），可用于支付交易费，并为数字资产交换提供主要的流动性层。在以太坊中，“消息”可由外部实体或合约创建，这与比特币交易不同，后者只能由外部创建[8]。此外，以太坊的消息明确支持包含数据，并且当消息的接收者是合约账户时，该账户可以选择返回响应。另外，以太坊将“交易”定义为一种签名数据包，用于存储从外部拥有账户发出的消息。以太坊中的状态由账户构成，每个账户包括一个20字节地址和状态转换[8]。我们将以太坊区块链用作一种半金融应用，例如链上托管，允许用户通过其以太币（ETH）订立合同并进行管理，以处理研究数据等非货币性资产。
2.2 智能合约
智能合约是部署在某些区块链（例如以太坊 [8]）上的合约实例。它们包含不同的函数，这些函数可以从区块链外部或其他智能合约调用。区块链与智能合约技术相结合，消除了交易双方对中心节点的依赖。由于智能合约会在区块链上广播，整个加密货币网络中所有连接的参与方都将拥有其副本。智能合约作为重要的软件组件，存储了协商合约条款的规则，自动验证合约并执行约定条款 [8]。当被授权或约定事件触发时，智能合约可以像传统系统一样执行约定的存储过程。所有合约交易都存储在
按时间顺序排列，以便将来访问，并附带完整的事件审计跟踪。如果任何一方试图更改区块链上的合约或交易，所有其他各方都可以检测并阻止该行为。如果任何一方出现故障，系统仍能继续运行，且不会丢失数据或完整性。因此，它在逻辑上创建了一个大型的安全计算机系统，避免了集中式模型的风险、成本和信任问题。以太坊虚拟机(EVM)代码用于由字节组成的合约中，每个字节代表一个操作。该代码可以用Solidity语言编写，能够访问发送方的值、传入消息的数据、区块头数据，并返回一个字节数组作为输出。
3 相关工作
根据比尔等人[9]，数据共享是指“由最初收集数据以外的人员使用研究数据，这种情况已不再是假设性或偶然发生的”。大多数关于数据共享的研究都与设计框架相关，重点在于优化这些特性。然而，仅靠数据共享系统的技术性能并不能保证系统的实用性。为了克服集中式架构带来的局限性，去中心化方法在数据共享领域已成为研究趋势，因为集式架构具有预定义的访问点，从而导致单点故障。
一些知名的数据共享系统包括在线P2P文件共享网络和数据管理系统，以及Wikidata[10]等协作仓库。这些系统几乎都采用了不同的架构，其评估基于不同的非功能性需求，例如效率、可扩展性或可靠性[11]。关于云环境中的数据共享，刘等人提出了一种将激励机制引入理性秘密共享方案的方法，并为云存储设计了公平的数据访问控制方案[12]。在该方案中，解密密钥重构过程被形式化，随后定义了其安全性、公平性和正确性。之后，通过对共享数据生成大量虚假密钥来执行解密密钥混淆。当理性用户交换份额时，他们通过约定条款调整操作顺序。
奥齐等人 [13] 提出了一种架构，以促进对用户个人资料信息的用户可控访问。允许用户有选择地对第三方屏蔽（或公开）其个人资料的某些部分。广告商和内容提供商可以提供激励或诱惑，作为回应，用户会公开其个人资料中更大范围的内容。在线社交网络中的人格（persona）如[14]所述，可允许用户选择并定义他们希望与谁共享个人照片等信息，并浏览网页上的高度敏感数据。该方法采用基于属性的加密和公钥密码学来隐藏数据，并提供所需的灵活性。为实现群组和用户的解密与认证，系统采用了基于群组的访问策略。人格（Persona）的表现可与现有在线社交网络相当，同时还具备增强的隐私保护功能。类似地，Houdini框架支持在全局计算中共享上下文感知且注重隐私的用户数据[15]。该框架提供了一种从多种来源收集数据的方法，重点关注数据的共享时机与方式。其构建的基础设施专注于管理与用户偏好相关的原则。
基础设施的主要部分在于底层规则的执行效果以及自行提供偏好。
在医学领域，研究委员会 increasingly 认识到共享临床试验中患者层面数据的重要性。欧洲药品管理局（EMA）、一些制药公司以及另一家试验资助方已经实施了数据共享 [2]。然而，它们面临的问题是如何提供适当且有意义的激励措施，以充分发挥数据共享的潜力，而且这些机构显然依赖于集式系统进行数据存储和管理。最重要的是，在共享研究数据方面，在线社区中成熟的激励机制能够积极促使用户自愿与他人进行知识共享 [16]。下一节将提供关于我们模型的方法论和讨论。
4 解决方案框架和讨论
图1展示了我们的通用解决方案架构，该架构提出了一种激励用户共享其研究数据的新方法。我们引入了区块链技术，通过在私有网络中结合自动合约，使注册方/企业在其私有网络内安全地共享数据，并将访问控制策略安全地存储在区块链上。用户可通过提供基本的个人资料信息、公钥钱包地址并激活智能合约来注册系统，该智能合约自动化实现用户控制的隐私功能，以实现以下目标：
(a) 使用户完全透明地了解谁在访问其数据、何时访问以及出于何种目的；
(b) 允许用户通过智能合约指定数据共享的目的范围、可共享的数据类型以及可访问数据的应用程序/企业类别；
(c) 为用户提供激励，以鼓励其共享研究数据（通过应用程序使用数据时的支付形式，具体由智能合约规定）。该基于区块链的用户激励模型由公共（以太币）区块链网络节点运行。
由于智能合约存储在公有区块链上，用户应将其数字代币地址安全地存储在个人钱包中。一旦用户的被其他参与方使用，相应用户将获得数字代币（以太币）激励。类似地，在企业之间共享数据时，每个参与的注册节点上都部署了私有（MultiChain）区块链，可将项目（研究数据集）发布到链上的流中，供网络中的其他节点共享。
参考本提案的通用模型，实际实施情况如图2中的解决方案框架所示。数据共享的一个关键要素是：数据可向谁共享、通过何种方式进行共享，以及如何对研究人员/数据所有者进行激励——无论是通过数字代币还是对其收集数据所付出努力的致谢。我们的系统明确地向注册用户说明智能合约将如何处理其数据。借助部署在以太坊区块链上的智能合约，研究人员能够保留自身对数据的所有权，并根据约定条款获得激励。任何拥有有效凭证并获得本地机构审查委员会（IRB）批准的学术或工业机构作为数据请求者，均有资格访问数据。本地IRB也必须通过提供证明文件注册到系统中，以确认其受相关法规约束，负责审查节点（数据请求者）为访问研究数据所提出的研究方法。通过智能合约，只有被选中的符合条件的节点才能通过订阅相应的已发布数据流来访问项目（数据集）。数据所有者将根据双方协商确定的选项获得激励。在发表研究论文时可向数据所有者致谢，和/或通过向数据所有者的以太币地址转账以太币的方式，以数字代币形式提供预设的激励。系统还可选择性地加入托管服务，以使用户承担相应的法律义务。访问控制策略被安全地存储在区块链上，同时保持用户界面不变。
每个节点在以太坊区块链上仅需部署一次智能合约，该合约存储_账单地址。使用Solidity开发的智能合约包含以下函数：
合约 ShareResearch 是 tested {
函数 ShareResearch(地址 _账单地址)
函数 getStatus(无符号整数 externalIncentiveID) 常量 返回 (字符串)
函数 getPrice(无符号整数 externalIncentiveID) 常量 返回 (无符号整数)
函数 startNewIncentive(无符号整数 externalIncentiveID, 无符号整数 price) onlyOwner
函数 pay(无符号整数 externalIncentiveID) 可支付
函数 finish(无符号整数 externalIncentiveID) onlyOwner
}
为了向数据所有者（例如节点1）提供以太币以访问数据，某个参与的合格数据请求者在某一节点（例如节点2）查询系统以使用特定文件名。通过公钥加密来确保请求该文件的合格用户的真实性。这将导致智能合约的 startNewIncentive函数被执行，并为数据所有者设定激励ID和总激励金额。激励ID是在数据所有者注册期间生成的。节点2调用智能合约的pay函数，传入节点1的激励ID以及作为激励发送给数据所有者的以太币。合约验证这两个参数后接收以太币，并相应更新状态。然后调用getStatus函数获取状态，在确认节点2已提供以太币后，数据将提供给数据请求者，最后调用finish函数将以太币转移至_账单地址。由于激励ID与数据所有者的以太币地址配对，因此以太币将可用在节点1的账户中。因此，数据请求者有权获取数据，同时激励相应的数据所有者。此外，如[17]所示，MultiChain区块链在节点数量方面也没有可扩展性限制，因为每个节点无需连接到所有其他节点即可构建一个完全连接的点对点网络。然而，对于所有节点的同步时间而言，新加入链的节点必须从头开始重放所有交易，因此在它们完全同步之前可能需要相当长的时间。确切的时间还取决于链中包含的区块和交易数量。
5 结论
总之，本文提出了一种去中心化框架，用于激励研究人员共享其研究数据，该框架提供了指定/控制数据共享参数的方法，并实现了对这些数据访问的完全可问责性。通过智能合约和区块链的实现，这些系统的安全性、可扩展性和隐私性得到了良好保障，从而能够提供安全的分布式科研数据共享网络。我们的未来工作包括通过改进当前模型，研究用户对使用区块链进行研究数据共享的态度，以及他们认为具有吸引力的激励措施来分享其资产。我们还将评估该方法的可用性和实用性，以及用户对系统的信任程度。
