去中心化隐私：基于区块链的个人数据所有权与控制框架

2.1 立法与框架方法

立法努力（例如GDPR的前身）旨在规范数据使用。在技术上，像OpenPDS这样的框架提议将数据保留在用户处，仅共享计算结果而非原始数据。像OAuth这样的认证协议仍然依赖于中心化机构。

2.2 安全与隐私保护技术

这些技术包括：

• 匿名化（k-匿名性，l-多样性，t-接近性）： 通常容易受到去匿名化攻击，尤其是在高维数据的情况下。
• 差分隐私： 向查询添加数学噪声以保护个体。对于一个机制 $\mathcal{M}$，其形式化定义为：$\Pr[\mathcal{M}(D) \in S] \le e^{\epsilon} \cdot \Pr[\mathcal{M}(D') \in S] + \delta$，其中 $D$ 和 $D'$ 是相邻数据集。
• 全同态加密： 允许在加密数据上进行计算。虽然前景广阔，但对于大多数实际的大规模应用而言，其计算成本仍然过高。

2.3 可审计系统的兴起（区块链）

比特币引入了区块链——一个去中心化、不可篡改、公开可验证的账本。它在没有中央银行的情况下解决了“双花”问题。这证明了在最小化信任的环境中实现可信、可审计的计算是可能的。随后的“比特币2.0”项目开始探索区块链在非金融应用中的潜力，标志着其作为通用信任层的潜力。

3.1 系统架构概述

该系统有两个主要组成部分：

1. 链下存储： 个人数据由用户加密存储，或存储在去中心化存储网络中（概念上类似于后来IPFS或Storj所提供的）。区块链从不保存原始数据。
2. 链上区块链： 作为控制平面。它存储访问权限、数据指针（哈希值）以及管理数据交互的交易记录。

3.2 区块链作为访问控制管理器

区块链维护着一个关于谁可以在何种条件下访问哪些数据的防篡改记录。当某个服务想要查询用户数据时，它必须提出一个请求，该请求会根据区块链上记录的权限进行验证。用户的客户端软件可以根据这些不可变的规则自动授予或拒绝访问。

3.3 交易模型：超越金融转账

与比特币不同，本系统中的交易（$T_x$）携带指令负载：

• $T_{store}$：注册新的数据哈希及其访问策略。
• $T_{access}$：授予或撤销对另一实体的访问权限。
• $T_{query}$：请求对允许的数据执行计算。

4.1 协议设计与数据流

该协议定义了用户（$U$）、区块链（$B$）和数据请求者（$R$，例如服务提供商）之间的交互。

1. 数据注册： $U$ 加密数据 $D$ -> $E(D)$，将其存储在链下位置 $L$，计算哈希 $H = hash(E(D))$，并向 $B$ 发布一个 $T_{store}$ 交易，其中包含 $H$ 和访问策略 $P$。
2. 访问授权： $U$ 向 $B$ 发送一个 $T_{access}$ 交易，根据策略 $P$ 授予 $R$ 特定权限。
3. 数据查询： $R$ 创建一个查询 $Q$，对其进行签名，并将其发送给 $U$ 的客户端。客户端根据 $B$ 验证 $R$ 的权限。如果获得授权，则从 $L$ 检索 $E(D)$，解密，在本地运行 $Q$，并仅将结果 $Result(Q, D)$ 返回给 $R$。

4.2 密码学基础与访问逻辑

该系统依赖于标准的公钥密码学。每个用户都有一个密钥对 $(PK_U, SK_U)$。数据使用对称密钥 $K_{data}$ 加密，而该对称密钥本身又使用用户的公钥加密：$E_{PK_U}(K_{data})$。访问策略可以编码为区块链上的智能合约或更简单的脚本。一个策略 $P$ 可能是一个布尔函数 $P(R, Q, t) \rightarrow \{True, False\}$，用于评估请求者的身份 $R$、查询类型 $Q$ 以及时间 $t$ 等上下文数据。

5.1 优势与优点

• 用户主权： 将数据所有权和细粒度控制权归还给个人。
• 透明度与可审计性： 所有访问事件都被不可变地记录，支持完整的审计追踪。
• 消除中心化信任： 消除了由中心化数据托管方代表的单点故障和控制点。
• 灵活性： 该模型支持复杂的、可编程的访问策略。

5.2 局限性与挑战

• 性能与可扩展性： 区块链共识和链上交易比中心化数据库更慢、成本更高。这对于高频数据交互是一个主要障碍。
• 可用性与密钥管理： 将安全负担转移给管理私钥的用户。密钥丢失意味着数据访问控制的不可逆丢失。
• 数据可用性： 依赖于用户的设备或去中心化存储网络在线且可用。
• 监管模糊性： 数据删除（“被遗忘权”）如何与不可变账本相协调？

5.3 与现有模型的比较

与中心化模型（Facebook/Google）对比： 本系统从根本上是对立的，它倡导去中心化而非中心化，用户控制而非企业控制。与隐私保护技术（全同态加密、差分隐私）对比： 这些是互补的工具，可以在此架构内使用（例如，对查询结果应用差分隐私）。本文提供了治理框架；而那些技术则为其中的计算提供了数学上的隐私保证。