白硕：区块链技术与数据隐私（附视频）
本讲座选自中科院博士生导师白硕于2018年3月29日在清华大数据“应用·创新”系列讲座上所做的题为《区块链技术与数据隐私》的演讲。
以下为讲座现场视频，建议使用wifi观看：
class="video_iframe" data-vidtype="2" allowfullscreen="" frameborder="0" data-ratio="1.7647058823529411" data-w="480" data-src="http://v.qq.com/iframe/player.html?vid=a0620bsobdv&width=670&height=376.875&auto=0" style="display: block; width: 670px !important; height: 376.875px !important;" width="670" height="376.875" data-vh="376.875" data-vw="670" src="http://v.qq.com/iframe/player.html?vid=a0620bsobdv&width=670&height=376.875&auto=0"/>
演讲全文：
白硕：非常荣幸回到母校，跟大家分享区块链这样一个非常热的话题。区块链在前面，隐私在后面，但是大家都知道中国人总是喜欢把修饰语放在前面，把中心语放在后面。信息发达到一定程度，中国人才把隐私的概念提到日程上。
但是这些年中国高速发展，很快就进入了要讲隐私的时候。恰好我们遇到了互联网，互联网很快地形成了一个数据寡头垄断数据的格局。没几年，这些大的互联网公司就非常有名，他们掌握的数据资源也非常雄厚。
美国对这件事有一个很有意思的评论：“互联网的pain，区块链的luck。”可翻译成“中国互联网之痛，区块链之幸。”
1、区域链能做什么？
区块链和密码学的结合，能给我们提供解决隐私问题数据寡头问题的希望。
2、什么是区块链？
区块链是一块一块的数据，一个一个的数据块。将具体的数据打包在一个区块里。
哈希函数的两个特点：
单向性。单向性指知道这些数会算起来很容易，但是如果不知道这些数计算起来会非常难。
抗插分攻击。自备量取值哪怕差一个比特，结果都面目全非，因此防止了你用一种猜测学习的方式把它猜出来。
正是因为有这样的特性，区块和区块之间逻辑上就连成了链。数据之间通过这样一种方式，逻辑上连成了链，这样的链叫做区块链。
3、区块链的本质
区块链的本质，有人说是去中间化，有人说是“躲开了央行，自己选择发行货币”。这些都不对，因为无法从技术层面上理解。
对于数据的诉求，实际上是技术方面的诉求。我们希望记下来的东西是不可篡改（撤销），不可仿冒，不可抵赖，不可乱序的。这四个是跟价值没有关系的，而且基础的非对称加密都似曾相似，如RSA、ECC等。但加入了不可透支和不可双花，就进入了价值转移、价值传输的领域。而价值是不同于信息的，价值有守恒性，信息可以不守恒。在价值传递、价值转移的领域里面，诉求可以归结为两点：
不可透支，指没那么多钱，就不能买值那么多钱的东西，也就是余额和需要支付的额度之间有一个不等式的约束，不够就不能做。
不可双花，指一分钱不能花两次。智能合约，可以理解为“让价值飞一会儿”，本质上是价值转移，转移到非你非我的程序手里。
另外，还有业务诉求，一个是隐私保护，一个是可运营性。
一部分人认为不当得利应该不算，但是我们这里有不可撤销，不可篡改的东西都已经存在，他们解决这个问题只有一个办法——就是分杈，即找到一个大家有共识的历史帐本，然后篡改剔除这笔，继续往前走。
另外一些人有一个口号叫做代码即法，写出来的法，你知我知，你认我认，你信我信。如果这样的话，代码写错了也得将错就错，甚至说我不承认写错了，黑客得就是应该他得。理念的不同导致整个帐本分裂了还不止，社区也跟着分裂了。
4、数据共享的痛点
普通老百姓的隐私被侵犯的情况很多，一些机构也有很多的数据。在进行合作的时候，顾虑最大的就是数据。
特别强调：在数据主权边界的附近会出现竞合两种关系，所谓的合就是大家有共享的需求，所谓的竞就是大家都要防范对方去偷自己的，不当使用或者滥用自己的数据。这是一个很大的痛点，这个痛点如果不好好的解决，信息化社会的弊就会大于利。
5、数据主权
抗衡数据寡头的联盟制。加盟的机构，甚至个人，他们彼此之间一样有防范。区块链本身的深化应用也在呼唤隐私和数据主权保护的落地。
既要见证又不看穿。只要我们技术再执着一点，即刻思维再执着一点，就会发现这个诉求不是不可能达到的。
点对点、背靠背的数据合作。更多的是用在征信、评级等领域。我的数据是什么东西，我不告诉你；你想要什么，你不告诉我。我要的那个东西你看不懂，我给你的东西我也看不懂，但是那两个可以自动的匹配，如果匹配了，我没看见你的数据，你也没看见我的真实需求，这种叫点对点、背靠背的数据合作。
跟人工智能的结合。这一波之所以火，主要归功于深度学习。深度学习做的事情是要数据喂它，它才能产生智能。喂它的数据可能来自四面八方，可能来自不同的机构，汇聚到一处，经过学习训练产生智能。
6、加密数字货币场景
现在有加密数字货币，如素数币、比特币、莱特币。人们想让数字货币既能够记帐，又不透露帐本的真实内容。首先民间有这个需求，有些账户到底转给谁了，留下来的记录就是查不出来。比如央行想推出法定的数字货币，张三给李四转账了，转账了多少钱，不能让旁边的王五看见，也不能做成像比特币那个样子，它的帐目不能是公开的，要保证隐私。欧盟体系，包括英国也有同样的看法。有这个看法的话，一定要引入隐私保护机制。
7、从错误印象谈起
有两种观点：
区块链是公开透明的，但只是对账目而言。
区块链是匿名的，但只是对地址而言。
所以，不能把隐私问题的希望寄托在现在的区块链技术体系上，需要有新东西。
8、账户问题
一个地址的身份同一性无法掩盖。
不同地址之间的关联交易无法掩盖。
不同地址之间的趋同交易无法掩盖。
9、账目问题
法律法规。比如证券交易规定交易信息不得泄露。
个人权利。合法地主张个人权利，别人只能让你的权利得到满足。
无关人回避。张三跟李四交易，王五要看，但是不看凭什么记帐，这是两边的纠结。
10、有效支付见证
UTXO模型。在比特币里面叫UTXO模型，它所谓的币就是一张一张的面额，可以去验证谁给谁、是不是真实的人。比特币的数据结构里面没有总的余额的概念，只有一张一张的支票，然后要现场算。只要可花之和大于它，就可以花。
余额模型。在以太坊里面叫账户余额模式，即其余额已经算好。
11、交易后业务处理场景（假设）
按照目前的法律，中国结算的是最终的数据，是有法律效力的。交易所、证券公司也在记这些数据，但是如果遇到不一致的话，以中国结算的为准。如果这三方能够把账记在区块链上，在区块链上直接达成共识，到最后就是一笔账，非常清楚。但是，存在两点问题。
生产关系。中国结算的法律定位跟其他两方不一样，如果大家平等记帐，就体现不了法律记帐。
技术问题。中国结算和交易所拿到的是全本的账，证券公司只拿到自己客户交易的单边账。对账就会出现很多问题。
12、供应链溯源场景
很多供应链都涉及到溯源的问题，比如农产品、食品、药品。最初的源头沿着供应链，经过签字，一步步走下来，但是公开透明的话，有可能出现一种诉求，即上下游合作方不希望被透露。
13、穿透式采购供应链融资场景
穿透式的采购供应链融资场景，是一个龙头企业，拥有大量的采购。比如一个汽车公司，它可能有零配件、一级供应商、二级供应商。如果割断这些连接，光看这样一个小公司，它的财力不足，贷款就欠缺依据。但是如果通过穿透来看，它是来自龙头企业、有稳定的现金流的公司，就可以给它增信，使得它的信誉一下子得到它的背书。
在有区块链之前，通常增信只能做到一级，而不能多级穿透。有了区块链就可以多级穿透。在你资金不到位的时候，你可以拿着白条给你生产，但是白条最终会兑换出来资金。有了龙头企业的增信，银行就可以接受去做这个事情。上下游合作方同样有个诉求——白条分拆明细不希望被透露。
14、倒金字塔迷局
倒金字塔之谜，即少数公司能够得到散户的投资，而多数公司连专业公司都不会投资。没加入龙头企业的小公司，偿还能力比较稳定，但是有了龙头企业就可以把它们拎起来，利用金融领域里边熟知的一些方式来做。
15、数据交易
大数据交易：数据是不守恒的，价值是守恒的。
裸数据交易（伪命题）：数据可复制，授权难掌控，卖数据只能是批量卖，很难去按需卖。
“裸”数据交易的痛点：
扩散。卖出去的数据就像泼出去的水，收不回来。
泄密。不是什么数据都可以卖，数据是有些区别的。
权属。有些数据是谁的说不清。
孤岛。数据窝在手里增值有限。
16、换个思路卖服务
目前大数据交易普遍存在的思路，就是我们不卖数据，而卖依托数据产生的服务。即把数据X、Y分装在私欲里面，卖的是函数，就是所谓的使用数据的服务。
17、数据API使用权交易
数据使用权是可以交易的，使用了一笔就卖一笔。但数据使用权自身存在问题，比如无法算清服务被使用了多少次。
加上区块链就可以变得更好。首先保持不卖数据卖服务的思路，然后计算服务被使用了多少次。明算帐，忠实记录，在线支付。
加上大数据交易，我们不交易数据本身，交易数据使用权。
18、数据融合
数据在封闭空间里面是原始数据，在开放空间里是经过了变形的，是函数处理过的数据。那么，在增值空间里，这两个函数就产生了所谓的数据融合的威力。
19、背靠背求交集场景
竞争的基础条件：不能给对方看到全集
双赢的基础前提：要能同对方共享交集
20、做法
一，不靠谱的做法：引入第三方。
二，没面子的做法：砸硬盘。
步骤一，各带着硬盘，到一个中立的场合，使用一台做的比较干净的空机器，然后双方紧盯着源程序；
步骤二，到现场，现场执行；
步骤三，求出交集，砸掉硬盘。
三，高明的办法：互相加扰。
你的数据你加扰，然后我加。只要我们找到这样的加扰算子，就成功了。加扰跟先后顺序无关，可交换。有了智能合约，就可以有一个中立的对象帮你数。
21、控制场景
入向边界控制场景：保险公司需要医院的数据，利用聚合特性，边界内外分段计算。在边界内的部分是可核查、可监督的。
出向边界控制场景：滴滴这些平台公司都有一个相同的特点，是把所有的数据汇集起来在大平台上做一些全局性的匹配、调度、结算。利用无人运维的区块链有可能来做这件事情，但是会有一些风险。数据寡头的克星就是这个联盟，但这个联盟需要满足数据背靠背和平台是无人运营两点。但是确实需要一些技术。这和跨境的运营商之间的合作很像。
人们并不介意把数据给一个程序，只要人拿不走就行。
22、匿名评价场景：不刷单
很多人都在网上购过物，甚至自己都打过好评差评，但是我们知道，很多好评差评是刷出来的。评论机制也可以用在信用评分、信用评级和针对单位360度的考核上，但是都彻底地不记名。
23、CCP（中央对手方）方案
转出方检查余额，维护余额；
无关第三方支背书交易，不背书余额；
转入方维护余额；
监管方交易/余额看穿式管理。
24、隐私保护方案
基于CCP的隐私保护方案
缺点是把决策权交给了中央对手方或者是公正人。隐私性是强的，但是中心化也强了。牺牲了去中心化的属性，去保障了隐私化的属性。
基于Tear-off的隐私保护方案
Tear—off是留痕的，不同于密码学上的盲签名是签过以后不留根的。稍微有点区别。
基于State Channel的隐私保护方案
State Channel，是状态通报。它启动和结算的账是明的，但是中间的明细是加密的。
25、密码学等相关知识
零知识交互与证明即在交互的过程当中，不透露任何的实体信息，但是让你相信这些实体的某种关系成立，而且确实成立，有理性的依据成立。
在同态映射下，先运算后加密和先加密后运算结果相同。在无法知晓实体内容的情况下，对实体间关系进行背书。
神经网络是机器学习的基础，深度学习无非就是多层的神经网络，甚至加上一些回路。神经网络经过同态映射之后，是可以在加密的状态下进行学习的。同态之后拿出来，就可以把大家的数据，在密文的情况下进行学习，学习完了再映射回去，这叫同态神经网络。人工智能黑白双杀，黑盒子看不见的是神经网络，能看见的是知识图谱。
美中不足的是，它们的工程实现效率还不理想。State Channel照顾了中心化的诉求，但是隐私性很差。CCP照顾了隐私性的诉求，但是去中心化差。所以这叫尺有所长，寸有所短。
26、这个领域其实有三种人
一种人在做算法，数据上纯粹"求索"；一种人在做协议，逻辑上清晰"掌控"；一种人在做系统，工程上可行"落地"。
27、开放讨论：被遗忘权
被遗忘权指的是我们现在有很多关于我们的信息出现在网络，想让它们不出现——做不到。区块链只能证明有，不能证明无。证明无，应该举证权倒置。
28、总结
隐私和数据主权的保护确实意义重大；
区块链+多方安全计算登场；
落地场景多样化。
我今天的分享就到这里，谢谢大家！
