一种数据集可信血缘追溯方法

本发明涉及区块链与数据治理，具体涉及一种数据集可信血缘追溯方法。

背景技术：

1、在科研数据集全生命周期管理场景中，数据血缘追溯技术已广泛应用于数据采集、预处理、版权标注、分发授权、引用追踪与合规审计等环节。技术方案包括基于集中式审计数据库的数据流转记录方案、基于公有区块链智能合约的哈希上链存证方案，以及将链外分布式存储与链上哈希锚点相结合的半中心化方案。半中心化方案将数据集主体存储于星际文件系统（interplanetary file system，以下简称ipfs）等分布式文件系统，链上仅记录数据集的内容摘要哈希与版本号，通过智能合约触发版本变更事件，并使用链外访问控制列表（access control list，以下简称acl）管理授权关系，在存储成本、吞吐量与防篡改能力之间取得了一定平衡。

2、然而，链外存储与链上锚点相结合的方案在授权可信管理与增量存证性能两方面仍存在明显局限。为提升审计能力，部分方案引入了版本号索引与审计日志同步机制，定期将链外授权变动摘要写入链上，但授权流转记录与链上血缘信息在存储层面依旧彼此分离，二者之间缺乏密码学层面的强绑定关系。

3、现有数据血缘追溯相关技术存在诸多技术缺陷，当链外acl与链上状态出现不一致时，数据流转的可信审计链条发生断裂，无法实现从数据集源头到应用终端的端到端全程上链追溯，也无法对追溯结果给出可量化、可解释的可信度评价；对于以节点、边和属性构成的图结构数据集，现有方案仅能对数据集整体文件进行哈希固化，无法精确追踪子图结构的变更来源与质量责任方，数据集每发生一次增量更新均需执行与数据集总规模成正比的全量重新哈希计算，在节点与边高频增删的场景下，存证时延随数据规模持续增长，无法满足实时血缘存证的性能需求。

技术实现思路

1、本发明的目的在于克服现有技术的上述缺陷，提供一种数据集可信血缘追溯方法，用于解决现有技术中授权流转记录与链上血缘信息分离导致端到端审计链条断裂、以及图结构数据集高频增量更新场景下存证计算开销过大的技术问题。

2、本发明的技术方案如下：

3、本发明提供一种数据集可信血缘追溯方法，具体包括：

4、获取原始数据集，基于数据生产者私钥对所述原始数据集进行分区并计算分区摘要和根哈希，基于所述数据生产者私钥对所述根哈希进行双层密码承诺并写入创世区块，经联盟链共识验证后，得到链上数据集标识符及创世区块引用标识；获取所述原始数据集的变更操作信息，基于所述变更操作信息对所述分区摘要进行增量更新并计算得到更新后的根哈希，基于所述更新后的根哈希进行双层密码承诺与归属验证，得到归属验证记录；接收对所述原始数据集的授权访问请求，对所述授权访问请求进行时效性验证、访问范围验证和版本一致性验证，生成验证结论；基于所述链上数据集标识符关联的全部区块、所述归属验证记录和所述验证结论，构建所述原始数据集的血缘追溯图，对所述血缘追溯图进行多维度可信验证与评分，得到综合可信度评分并生成评估报告。

5、进一步地，所述获取原始数据集，基于数据生产者私钥对所述原始数据集进行分区并计算分区摘要和根哈希，基于所述数据生产者私钥对所述根哈希进行双层密码承诺并写入创世区块，经联盟链共识验证后，得到链上数据集标识符及创世区块引用标识，包括：从所述原始数据集中提取版权声明文本，对所述版权声明文本执行哈希计算，得到版权声明哈希；将所述原始数据集分区为节点集、边集和属性集，分别对所述节点集、所述边集和所述属性集采用椭圆曲线多集合哈希函数ecmh计算得到各分区的ecmh分区摘要；对所述各分区的ecmh分区摘要进行级联哈希计算，得到根哈希；在计算所述各分区的ecmh分区摘要的同时，建立各分区的元素索引，所述元素索引记录当前已写入各分区中的元素哈希值，用于支持后续变更操作中的删除操作前的数据存在性验证；基于所述数据生产者私钥对所述根哈希进行所述双层密码承诺，得到双层密码承诺的计算结果；将所述双层密码承诺的计算结果、所述版权声明哈希、所述各分区的ecmh分区摘要、所述根哈希和所述元素索引写入创世区块，经联盟链共识验证后得到所述链上数据集标识符及所述创世区块引用标识。

6、进一步地，所述基于所述数据生产者私钥对所述根哈希进行所述双层密码承诺，得到双层密码承诺的计算结果，包括：基于所述数据生产者私钥，采用椭圆曲线密钥派生函数生成对称密钥；对所述根哈希进行树根承诺计算，得到树根承诺值，其中，所述树根承诺值通过所述对称密钥对所述根哈希执行hmac-sha256计算得到；获取操作时间戳和数据生产者数字身份标识，对所述根哈希、所述操作时间戳和所述数据生产者数字身份标识进行操作承诺计算，得到操作承诺值，其中，所述操作承诺值通过所述对称密钥对连接后的所述根哈希、所述操作时间戳和所述数据生产者数字身份标识执行hmac-sha256计算得到；将所述树根承诺值和所述操作承诺值作为所述双层密码承诺的计算结果。

7、进一步地，在获得所述链上数据集标识符及所述创世区块引用标识后，还包括：基于所述创世区块引用标识，对所述创世区块进行共识验证，以确认所述创世区块存储内容的格式完整性；基于所述数据生产者私钥，以所述链上数据集标识符和所述根哈希为输入进行计算，得到补充承诺，并基于所述补充承诺生成零知识证明，所述零知识证明用于在不披露所述数据生产者私钥的前提下，证明所述树根承诺值、所述操作承诺值和所述补充承诺均由同一对称密钥派生；将所述零知识证明提交联盟链验证，在所述零知识证明验证通过后，得到所述链上数据集标识符对应的注册凭证。

8、进一步地，所述获取所述原始数据集的变更操作信息，基于所述变更操作信息对所述分区摘要进行增量更新并计算得到更新后的根哈希，包括：所述变更操作信息至少包括操作者身份标识、操作时间戳、操作类型、新增元素集合和待删除元素集合；从所述变更操作信息中提取新增元素和待删除元素，利用所述元素索引对所述待删除元素进行存在性校验，筛选出存在于当前分区的元素，得到删除元素集合；将所述新增元素和所述删除元素集合分别通过哈希到曲线映射，得到对应的椭圆曲线点；对所述各分区的ecmh分区摘要对应的椭圆曲线点与所述新增元素对应的椭圆曲线点执行椭圆曲线点加运算，并将点加运算结果与所述删除元素集合对应的椭圆曲线点执行椭圆曲线点减运算，得到更新后的ecmh分区摘要和分区变更摘要；对所述更新后的ecmh分区摘要进行级联哈希计算，得到更新后的根哈希，并同步更新所述元素索引。

9、进一步地，所述基于所述更新后的根哈希进行双层密码承诺与归属验证，得到归属验证记录，包括：基于所述更新后的根哈希进行双层密码承诺，得到更新后的树根承诺值和更新后的操作承诺值；基于操作者私钥生成零知识证明，所述零知识证明用于在不披露所述操作者私钥的前提下，证明所述更新后的树根承诺和所述更新后的操作承诺均由同一对称密钥派生；将所述更新后的树根承诺值、所述更新后的操作承诺值、所述零知识证明、所述分区变更摘要、所述操作者身份标识、所述操作时间戳和所述操作类型提交至联盟链进行归属验证，在所述归属验证通过后，得到所述归属验证记录。

10、进一步地，所述接收对所述原始数据集的授权访问请求，对所述授权访问请求进行时效性验证、访问范围验证和版本一致性验证，生成验证结论，包括：接收对所述原始数据集的授权访问请求，所述授权访问请求至少包括授权期限、授权子图分区范围、授权用途哈希、merkle子集承诺和数字签名；验证所述数字签名，确认所述授权访问请求的真实性，得到所述授权访问请求对应的访问时间戳和访问版本；将所述访问时间戳与所述授权期限进行比较，得到时效性约束验证结果；从所述联盟链获取当前版本的根哈希，将所述当前版本的根哈希与所述访问版本对应的根哈希进行比较，得到版本一致性约束验证结果；通过零知识范围证明验证所述授权访问请求的访问范围未超出所述merkle子集承诺对应的授权子图分区范围，得到访问范围约束验证结果；根据所述时效性约束验证结果、所述版本一致性约束验证结果和所述访问范围约束验证结果，生成所述验证结论。

11、进一步地，所述通过零知识范围证明验证所述授权访问请求的访问范围未超出所述merkle子集承诺对应的授权子图分区范围，得到访问范围约束验证结果，包括：将访问范围约束表达为基于线性内积参数化的算术电路，其中所述访问范围约束用于验证所述授权访问请求的访问范围是所述merkle子集承诺对应的授权子图分区范围的子集；根据所述算术电路和所述授权访问请求的访问范围，生成基于bulletproofs协议的零知识范围证明；通过联盟链对所述零知识范围证明进行验证，得到访问范围约束验证结果。

12、进一步地，所述基于所述链上数据集标识符关联的全部区块、所述归属验证记录和所述验证结论，构建所述原始数据集的血缘追溯图，对所述血缘追溯图进行多维度可信验证，包括：以所述链上数据集标识符关联的全部区块中的每一血缘区块为所述血缘追溯图的节点，以所述血缘区块的前序区块哈希引用为所述血缘追溯图的边，构建所述血缘追溯图；从所述血缘追溯图中选取目标版本节点，对所述目标版本节点执行反向可达性遍历，得到从所述目标版本节点至所述创世区块对应的节点的遍历路径；针对所述遍历路径上的每一对相邻节点，将所述每一对相邻节点中的两个节点分别记为前一节点和后一节点，从所述后一节点对应的血缘区块中获取分区变更摘要，验证所述后一节点的分区摘要是否由所述前一节点的分区摘要经所述分区变更摘要中的增量值更新得到，并验证所述后一节点的双层密码承诺的自洽性、以及所述后一节点的归属验证记录中的零知识证明的有效性，得到分区摘要连续性验证结果、密码承诺自洽性验证结果和归属验证有效性结果。

13、进一步地，对所述血缘追溯图进行可信度评分，得到综合可信度评分并生成评估报告，包括：计算所述遍历路径中通过连续性验证的分区摘要的节点数量与所述遍历路径的节点总数的比值，得到分区摘要连续性评分；计算所述遍历路径中关联的所有授权周期的验证结论为通过的节点数量与所述遍历路径的节点总数的比值，得到授权验证有效性评分；计算所述遍历路径中密码承诺自洽性验证和归属验证有效性验证为通过的节点数量与所述遍历路径的节点总数的比值，得到归属可信性评分；以预设权重对所述分区摘要连续性评分、所述授权验证有效性评分和所述归属可信性评分进行加权融合，得到所述综合可信度评分，并生成包含所述综合可信度评分及异常节点与责任主体对应关系的评估报告。

14、本发明的有益效果在于：

15、第一，通过对图结构数据集按节点集、边集和属性集分区并维护ecmh分区摘要，配合哈希到曲线映射与椭圆曲线点加点减运算，将单次变更存证的摘要重算量由与数据集总规模成正比降低至仅与本次变更元素数量成正比，单次增量更新在毫秒级完成，同时将变更定位精度细化到子图分区级别，使质量责任的精细化追责在计算上可行；

16、第二，通过由同一私钥派生的树根承诺与操作承诺构成的双层密码承诺，配合零知识证明的归属验证，将血缘区块操作者归属的安全性从依赖背书节点多方共识提升至基于椭圆曲线离散对数困难性的密码学保证，即使联盟链多数背书节点合谋也无法伪造他人的操作归属，授权流转记录与链上血缘信息在密码学层面绑定为一体，端到端审计链条不再断裂；

17、第三，通过数字签名与零知识范围证明的分层混合验证，在不向联盟链披露访问具体内容的前提下完成时效性、访问范围和版本一致性三项约束的合规验证，并基于血缘追溯图输出由分区摘要连续性、授权验证有效性和归属可信性加权融合的综合可信度评分，为数据集确权登记、跨机构资产化交易与监管合规审计提供标准化、可量化的信任凭证。