分散式数字生态系统的七个基本要素

世界的进步是一个颠覆和创新的过程。当前的区块链技术浪潮正在席卷全球。数字经济生态系统已被许多国家视为下一个重要的经济系统。

1971年，英特尔制造了第一台微处理器4004。唐·塔普斯科特在1995年称之为“数字经济的诞生”，它不可逆转地改变了世界。区块链只是数字经济生态系统的另一个新的基础设施，它是现有互联网、物联网、大数据和人工智能之外的关键基础设施。区块链为我们展示了数字经济的一个新方向，它可能比以往任何一个方向都更具变革性。

什么是数字生态系统？

我们将“数字生态系统”定义为一个虚拟环境，在这个虚拟环境中，不同的实体为了相同的目的进行交互。数字经济生态系统由互联网驱动，包括一系列基于标准、可变规模的硬件、软件、数字化设备和服务，系统地实现企业信息数字化和数据流通，帮助企业提高运营效率。

如今，全球54.4%的人口上网，42%的人至少使用一个社交网络，68%的人使用移动设备。数字经济生态系统提供了无限的知识和大量的设备，并融入了一个巨大的社区。实现消费者与企业之间更大的互联互通，使得许多传统产业逐渐消亡，取而代之的是现在不可或缺的新兴产业。

这可能意味着艺术家可以在其中提供作品，需要获得作品，并提供一个完整的消费来源以及在社区中创作作品的场所。

在这些情况下，不同实体之间的交互用数字表示。现在可以将几个重要的技术组件放在一起，使这些数字生态系统成为可能。

数字生态系统模块的构建

1分布式标识符（did）

去中心化标识符（did）是唯一的标识符，可以解析为标准的资源did文档，也称为DDO。然后did将是对象的唯一标识符（即数据集、算法、艺术品、技能组等），相应的DDO包含描述对象的元数据信息。DO记录在链上并由创建者拥有（但所有权可以转移）。在有效耦合后，链上的did可以以DDO的形式解析为链外的元数据。

例如，在药品运输案例中，每个处理者可以通过did/DDO发布对其装运的每个温度数据的引用，然后供应链中的其他货运**可以找到该引用。根据对该温度数据的访问限制，上游和下游货运**和/或Maker可以在整个航运供应链的生命周期内请求访问该数据。

2完整性证明

作为链上或链下信息注册过程的一部分，需要提供和记录一些完整性信息。比如文件验证和加密签名。这意味着，当您注册与文件堆关联的资产时，将记录该文件的MD5校验和。当有人在使用网络资产时，比如获取访问权限、触发计算等，用户的签名和动作也会记录在链上。这意味着，如果文件后来被修改，并且文件的校验和不同，或者有人说他们从未访问过资产，那么完整性机制可以用来证明实际发生了什么。

例如，在货物运输案例中，如果Maker记录货物的温度数据并使运输**可以访问这些数据，则资产链上将具有唯一标识符。如果Maker随后出于某种原因修改数据资产，则新数据资产的校验和将不同于原始发布的资产，并且可能被标记为异常行为，这需要进一步调查。

3分布式访问控制

一般来说，用户之间的大多数交互都需要管理对数字资产的访问控制。简言之，这意味着就我所拥有的，我想在某些情况下允许你做一些事情。这些是我控制的参数。从概念上讲，它是抽象的，但同时又非常灵活。这意味着在任何用例中都可以支持不同的访问控制可能性，这取决于我要表达和管理的问题，包括以下内容：

我有数据，我想让任何付钱给我x的人都可以访问我的数据。

我是一名艺术家，对于所有购买我作品的客户，我将发行一个NFT或NFT，使他们能够访问新的专有内容。

4身份管理

公司环境通过域控制器（activedirectory、LDAP等）使用复杂的身份管理和访问控制机制。这些解决方案对特定域或网络中的公司用户进行身份验证和授权。像activedirectory这样的实现可以通过分配安全策略来管理组织内的个人或组权限。

5NFT

数字表示的一些物理对象的去中心化标识符（did）与不可替换代币（NFT）的概念非常一致。这意味着，如果您是数据所有者或注册艺术品的艺术家，则可以创建与did关联的NFT（即艺术品的数字**），并将其分配给客户或用户。作为对这一点的延伸，非金融交易的所有者可以使用他们的非金融交易来获得交易的目的，或获得其他专有商品的使用权。

例如，在货物运输的情况下，货物的所有权将表示为NFT，需要在运输过程的每个阶段进行移交。这导致了高保真所有权跟踪，它可以清楚地描述参与者（如地面和空中托运人）之间的交接。

6来源

资源使我们能够理解“事物”的创造背景，它们是如何使用的，由谁使用的，以及所有权是如何转移或委托的。W3C源代码规范定义了如何以独立于用例的方式注册和使用源代码。这与区块链网络的使用相结合，为数据生态系统提供了一个透明和独特的真相来源。

7隐私增强计算

当由于隐私限制而无法共享数据时，允许算法计算您看不到的数据集是一个合理的选择。根据正在执行的计算，有许多不同的可能性和技术解决方案，例如使用spark或类似工具的简单聚合或成熟分析过程，以及数据隐私限制。

提供这样复杂的解决方案涉及到计算技术、联合学习和计算链的编排。使用哪种模式完全取决于应用领域。理解应用领域、隐含的限制或要求以及如何以无摩擦的方式实现计算是很重要的。

你对实际应用了解多少

假设您在一家银行的支付部门工作，通过建立一个模来检测使用该银行的信用卡交易中50%的欺诈行为。如果我能在其他银行信用卡交易的基础上，以隐私保护的方式训练我的模，我可以提高模的准确性，发现更多的欺诈交易，节省大量资金；我还可以把模卖给共享数据的银行。

假设你在一个分发中心工作，你需要在当地分发疫苗。我们要查询车辆的温度传感器，以检查温度是否始终在适当的温度范围内，并标记任何不符合验收标准的货物，以便进一步分析。

或者在食品运输中，它可以协调多个供应商的数据中心化的温度范围的计算，这有助于在问题发生之前确定问题。但是，如果您知道哪个数据集提供了标记信息，则可以通过聚合技术对其进行保密。这些功能可以限制供应链中任何给定数据提供者的暴露。

去中心化碎片化

所有的应用程序都需要独立的实体（即使它们是竞争对手）进行交互和合作，以实现共同的目标。通过以上几部分的研究，有助于以去中心化的方式形成这些复杂的解，并提供解决方案。

在开发过程中，将以上模块作为设计原则进行构建，使我们能够解决更复杂的问题，不仅基于经典的数据中心，还可以实现数据共享和隐私保护计算。

编辑：ipfsnews Sue