我的数据我做主(Ownership 白皮书探索)
微信公众号:昊无边(qianjinrugu_01)
简书号 :昊无边
Ownership是一个去中心化的安全数据计算交换平台。
那做这样一个平台有什么意义呢?在说明这个问题前,可能要先看看东方和西方是怎么看待所有权的。
在中国有“定纷止争”的说法。【所有权是社会里人们从事各种活动的基础。】
在西方有科斯定理。【明确的产权是通过市场交易实现资源最优配置的一个必要条件。】
现实世界中,所有权还是比较好界定的,比如:这栋房子是我的,我有房产证,有地址,那就证明了,别人想拿也拿不走。
但是在数据世界呢?那就不一样了,我写了一篇文章,我传给你了,说好只给你看,不能给其他人。但是,很明显,这是几乎不太可能有任何约束力的,因为接受方可以100%拷贝无数份分发到世界各地。这就是数据保护的一个难点。
那为什么要保护数据呢?
我们近几年肯定都听过一个词:大数据。不就是一堆数据吗?有啥好谈的。事实是,自从人类大约20年前开始普及互联网,在这个星球上产生的数据已经超过了之前人类几千年所产生数据的总和,由于数据太大,以至于现在得创造一个新的数据单位BP(一 个单位等于2的50次方)。
未来的世界是属于大数据的,最重要一点就是人工智能不能离开数据(这一趋势不可逆转)。为了得到更好的数据,现在甚至有一个新兴的职业Data Hunter…..
华尔街日报举了一个例子:有一个公司叫Guidepoint Global,是专门被分出来做现代数据收集和整理的公司。这个公司专门去参加各种各样的行业会议,比如:健康,资源和材料管理,或者工业,运输行业的会议。就是希望和这些产业里的负责收集整理数据的负责人去交流合作。
他们收集数据后,就会把数据卖给一些大型基金。在美国这些基金(机构投资者)是整个股市的主要买手。
什么样的数据能让这些买手们看出来有价值呢?
比如说:
1)通过卫星的图片来分析庄稼的收成,可以分析农业公司。
2)通过语音分析,分析各公司CEO的演讲的情况。可以分析出对方情绪,情绪不好基本说明公司内部业绩有隐患;如果情绪饱满,那就是积极信号。
3)信用卡交易的数据。
4)互联网上的评论数据。
5) 移动营销公司的数据,如手机型号。
6) 美国政府颁发的建房许可证,预测房地产,建材需求。
7)保险公司的汽车保险数据,预测汽车销量。
由于数据这个行业发展得太快,导致又得发明一个新词来代表做这类分析的金融工程师:宽客(Quant)。他们就是专门通过大量数据建立数学模型来对股票进行量化分析,能使任何数据都能变成价值。
这些数据可被用作:
1)大型的对冲基金也会建立自己的数据收集团队。专门进行量化投资的WorldQuant公司的数据收集和分析团队每年收集各种各样的数据来为投资模型服务。
2)许多原本不是做数据收集的公司从各个角度切入进来。Slice Technologies是一家提供网购App的公司,应用免费,但是要求用户开放邮件数据以供分析,然后把分析结果打包卖给对冲基金。
拥有大数据的企业对用户的理解要比其竞争对手深刻许多,能取得更大的优势。因为百度搜索的存在,百度的爱奇艺可以充分地了解用户看视频的喜好,这就比优酷/土豆拥有了巨大的优势。
当今,拥有数据优势的公司正在形成数据霸权,数据霸权存在使其它中国互联网企业超越BAT这类公司的机会十分渺茫。大家看看Google, Facebook, Tencent & Alibaba的股票的历史走势,就能看到拥有数据的巨人们是多么的意气风发!
不知道是否大家还记得之前的美联航事件?
事情发生在2017年4月9日,全世界的人都在谴责美联航,但是奇怪的是:美联航的股票在事发后两个月是这样的:(箭头所指是4月10日)
为什么会这样?因为资本市场认为,美联航这样的做法是符合经济效益的。美联航之所以选择了对三个亚裔的乘客劝退,是因为通过大数据分析,他们被取消资格所造成的损失更小(当然是从概率上来讲)。这正体现了美联航的管理体系的高效。所以,大数据在时时刻刻影响着我们。我们所有的举动可能都已经被中心化的机构记录下来了。随着AI的发展,以后大数据和算法就一定能做到比你更了解你自己。有兴趣的朋友,可以去看看《未来简史》。
由于数据变得越来越重要,谁拥有数据,谁就拥有了财富,这是一个共识。因此,未来的数据交易是一定会出现的。连马云爸爸都说了: 现在IT时代已过,我们正在迎来DT(Data Technology)时代。
虽然现在大数据都被诸如BAT这样的公司掌握,但是往后肯定有很多细分领域的数据掌握者,他们期望着让数据变现,超市,机场,天气,娱乐,交通,学校,工厂…都会产生各自特有的数据。慢慢就会有Data Hunter来收集。
设想一下,一旦有某个数据交易中心能源源不断地壮大数据,而且是各种类型的数据,而这些数据又是中心化的话…..因此,也许一个去中心化的安全的数据计算和交易中心会让世界更美好。
到这里,我相信大家已经知道为什么需要OwnerShip这样的平台存在了。如前面所定义,OwnerShip是:
1)去中心化的
(解决了人们交易的信任问题)
2)安全的
(解决了人们对资产安全性疑虑问题)
3)可以在上面进行数据计算的
(在Ownership上进行数据计算,解决了数据隐私问题)
4)可以进行交换的。
(解决了价值的可交换问题)
看过白皮书的小伙伴们可能都会有一个感觉,很(kan)专(bu)业(dong)。为了理解方便,我就主要介绍一下Ownership的主要构造,基本概念,以及应用场景。
主要构造:
Ownership的账户体系是整个系统的核心部分之一,是所有权系统内数据的掌控者,
是逻辑上数据的承载者。
账户体系的功能定位概括来讲,Ownership账户体系的功能定位如下面的列表所示。账户体系的具体设计都将紧密围绕着其功能定位展开。
1)所有权的主体
2)数据的唯一控制者
3)智能合约授权控制者
4)多方签名授权参与方
Ownership账户体系
主要包含四个部分:
1)账户锁系统(Account Lock Systerm)
2)账户锁文件(Account Lock Source File)
3)账户锁接口(Account Lock Port)
4)钱包客户端(Ownership Wallet)
基本概念:
彩票共识算法:这是一个有别于其他区块链的一条全新的链。这里说的彩票算法的目的是,避免矿工的中心化。比特币区块链的共识方法是PoW, 也就是工作量证明。也就是多劳多得,矿工通过自己的算力获得代币,同时也维护了系统的安全。但是有一个弊端就是:部分矿工变成了矿场,算力越来越集中,普通人基本上是无法参与挖矿的。
彩票共识算法通过设立:领导人,见证人,记录人三个角色来共同完成最终记账。
并且,根据彩票算法,如果某些矿工希望采用类似比特币的挖矿策略来赚取OWN代币,那么他们的预期收益伴随投入的增加将趋近于负无穷,也就是说比特币的挖矿策略在Ownership系统力是无效的。
Ownership引擎:是在区块链基础上,高度抽象并整合零知识证明,同态加密,安全多方计算等密码机制来支撑安全数据计算,实现隐私保护智能合约和去中心化数据计算应用的快速构建和部署。
意思是:Ownership区块链 是一个公平,公正,公开的平台,你在上面与他人交换数据使用权是安全的,数据隐私能得到很好的保护。
这里涉及到三个密码学概念:零知识证明,同态加密 和 安全多方计算。
零知识证明:零知识证明是一种特殊的交互式证明,其中证明者知道问题的答案,他需要向验证者证明“他知道答案”这一事实,但是要求验证者不能获得答案的任何信息。
借用一个例子:
如果你捡到我的钱包,要证明钱包是我的,一个方法是,钱包里面有我的身份证,你一核对,就可以知道这个是属于我的了。但是如果没有身份证呢?那还有一种方法,就是我告诉你钱包里的一切细节,然后你也可以认为确实是我钱包。后者就是零知识证明。
同态加密:它允许人们对密文进行特定的代数运算得到仍然是加密的结果,将其解密所得到的结果与对明文进行同样的运算结果一样。换言之,这项技术令人们可以在加密的数据中进行诸如检索、比较等操作,得出正确的结果,而在整个处理过程中无需对数据进行解密。其意义在于,真正从根本上解决将数据及其操作委托给第三方时的保密问题,例如对于各种云计算的应用。
打个比方:就好像受害者指认罪犯,在监控室里告诉现场的警官哪个是罪犯。即达到了目的,又保护了指认者的安全。
多方安全计算:主要是针对无可信第三方的情况下,如何安全地计算一个约定函数的问题,在电子选举、电子投票、电子拍卖、秘密共享及门限签名等场景中有着重要的作用。
主要用于多方在保护自己数据隐私的情况下,共同参与一个任务。就好比:有点像化妆舞会,大家共舞,却不知道对方是谁。
应用场景:
解决痛点B2C:
在现实生活中,每个人都无法避免地生病和去医院就诊,这样就会产生病历数据,这些数据都会在医院存档,但是,从所有权上来讲,这些数据应该属于患者本人。但是由于前面讲过的数据确权的困难,普通人也只能把这些有价值的数据留在了医院。
如果有了Ownership区块链,那么每个人都可以将这些数据自行上传到Ownership。这样有什么好处呢:
1)你可以帮组到需要这类数据的研究机构更好地研制新药品。因为数据对他们来说很重要,特别是一手,真实的数据。
2)这些研究机构调用你的数据可以向你付费,真正体现了自己拥有的数据的价值。
甚至,一些极端情况,在一些患者的病情严重的情况下,有可能得到研究机构最新的药物支持。
解决痛点B2B:
腾讯的游戏开放和运营非常厉害,但是可能还是想更精确地计划他的产品线,这就需要海量的数据。当然他自己已经有很多了,但是也许他还觉得不够。那么是否可以向另外一个数据巨人阿里借用呢?理想当然是好,但是现实却不能么容易做到,因为阿里可能会担心腾讯拿到他的数据却去搞另外一个淘宝。
同样,阿里也很想得到腾讯的大数据更好地运营自己的淘宝,当然,腾讯一样会提防着。
如果有Onwership,那么彼此都把自己的数据上传,然后彼此使用对方的数据,一来可以保护自己的数据安全,二来又不会伤害彼此的市场。
以上两个案例,我可以发现,通过Ownership区块链,我们可以:
1)促成数据资源的交换,提高社会效率。
2)在数据交换过程中,通过同态加密,彼此都可以保护自己的数据不会被侵犯。
3)提供数据方可以得到应有的报酬。人类社会上第一次实现了对数据所有权的保护。
从2015年开始一直到2020年,我国的大数据市场都会保持30%以上的高增长率,因此数据的保护就是一个重要的社会问题。
大数据的使用将会覆盖越来越多的领域,无论是企业还是个人,如果想得到更精准的预测,就必须得借助大数据的分析。很可能以后的情况就是,你用了大数据分析方法不一定有优势,但是如果不用,一定落后。
随着社会的发展数据必然会越来越多,但是处于自我保护,数据还无法顺畅地自由流通,掌握大数据的公司将会不遗余力对自己的数据严加保护,所以市场不断发展和数据的短缺还是一个主要矛盾。
数据可用的领域很多,而且以后只会越来越多。基本上可以说,只要是关于人的行为的预测,都需要大数据的支撑,可以想想这是多么大的市场前景。
上图涉及的使用内容主要是政府和企业。随着人工智能的发展,被看作人工智能“粮食”的数据将会被更大范围地使用。AlphaGo之所以能轻松战胜柯洁,就是应为大量的数据喂养的结果,只要数据量足够,理论上人工智能将在很多方面胜过人类。
在金融行业,对股票,期货,经济发展的预测,将导致更多地借用大数据来分析,对这方面的数据覆盖面的需求将会更大。
数据的所有权保护一旦落实,将会催生出大量的数据收集的技术与相应的公司,这又会反过来促进人类社会通过数据提高效率。从这个层面上来看,Ownership的意义在于保护了人类的有价数据,意义非凡!
所以说,一个可靠的数据互用的中心确实是很重要。只有Ownership这样的去中心化的数据存储中介的出现,才能让人们真正跨入属于全人类的DT时代。
#Ownership的投资价值:
1)解决了数据流通与交易中的隐私问题,保护了数据的价值,切中了痛点。
2)随着数据市场的发展,数据交易需求会越来越大。
3)平台一旦落实,将会产生巨大的聚集效应。
4)区块链非常适合解决此类数据问题。
#Ownership的投资风险:
1) 这是一个新的区块链,能否成功,没人能保证。
2) 里面涉及到的新软件技术,可能存在侵权从而导致被索赔的风险。(白皮书有介绍)
3) 如何吸引数据上链以及如何保证收集到的数据真实性是一个严肃的问题。
最后,我们来用Ownership白皮书的愿景来结束本次白皮书的解读:
我们的愿景:
数据的共享可以带来很大的价值。通过科学的方法论,我们可以从数据中提炼出知识,
并由此帮助制定行业策略。在机器学习蓬勃发展的今天,数据作为各种机器学习算法的“粮 食”被各行各业所需求,但是“粮食”被锁在了“地主”们的地窖里,“地主”们因为各
种各样诸如数据安全、隐私保护、数据所有权归属等等的担忧而让宝贵的“粮食”没能被 合理的利用。借助于Ownership系统,我们希望可以真正的实现尼尔·斯蒂芬森的设想,
一个全人类共有的“数据粮仓”。
官方公众号:OwnershipWorld
微博: Ownership官方微博
昊无边(Eric)
Interesting! Nice! I upvoted you! Sry bro my whole steam upvoting power got exhausted so it's not showing that i have upvoted you hope you don't mind!
PD: join me in this world of steemit looking my posts, rare content about this world, maybe you like it, maybe not, anyways, We can grow up together follow me and I follow you! :D
这篇必须收藏并转发
谢谢,到现在才有时间上来看看。:)
干货贴啊,建议加到cn-cryptocurrency标签下面,里面有很多大牛
这个项目跟公信宝的架构和理念很像,不同在于Ownership企图搭建一个各行业、各类型、各种标准的全世界数据交易广场,野心够庞大。
问题在于即便同一行业数据如何统一标记?同类型数据源分散如何聚合?各种数据类型标准如何定义?
数据生产者是否已经足够成熟?另一方面数据需求方的处理技术能否容纳消化这么多的粮食?
相对而言,公信宝从信用数据入手或许可以建立一个相对标准的交易模型,进一步推广应用到其它垂直行业、特定数据。