今日（11月28日），在由Odaily星球日报主办的新区势区块链峰会上，徐葳教授带来了以《区块链与数据融合技术的一些探索》为主题的演讲。徐葳教授毕业于宾夕法尼亚大学，后在加州伯克利攻读硕博，现在清华大学交叉信息研究院担任博导，主要研究方向是大数据、人工智能、金融科技。

以下为徐葳教授的演讲内容精编，由整理。

我过去是做分布式系统的，特别早的时候做了P2P，然后我就对这个东西失望了，所以我是非常典型的反去中心化的思想，我们是一个学术单位，希望能在区块链一些模块的核心技术方面寻找突破。

区块链为什么有趣？它确实是集计算机科学之大成。包括分布式系统的可靠性和一致性技术、密码学理论、博弈论和机制设计、P2P网络、大数据等等。同样因为它集成了这么多技术，所以很难找到一个人，或者一个研究组把它们统统搞懂。好在区块链大部分是开源的，我们就想大家可以单点突破，做一些科研尝试，最后把这些东西集合起来。为此，我们主要专注于两件事，一是提升区块链（联盟链）的性能，二是保护隐私的数据融合。

一、如何提升区块链的性能？

我们要做的事情首先是提升区块链的性能，我这里指的是联盟链，暂时不考虑公链那种比较复杂的情况。现在很多链说自己性能很高，但其实是因为它有多个分区，这是另一回事，我们重点做的事提升单个分区（partition）的性能。

Gosig的基本目标

我们做了一个系统，叫Gosig，这个系统是基于PBFT的，这是一个非常经典的共识协议，它的优点是在集群里即时产生共识，不想比特币的POW机制需要几个区块后才能共识，因此PBFT的性能比较高。当然相对应的它的安全性不如POW，因为它只能防范小于1/3的节点作恶，坏人可以控制整个网络，任意造成网络分割，但是在联盟链里一般不会存在说我今天想攻击谁就攻击谁，而是说我来领导这一轮吧，要是不行这个块就空了。

我们希望既能满足PBFT的所有假设，但是把它的协议扩展到一个很大的范围。坏人可以任意瞬时杀掉一些节点，只要仍满足f<N/3。另外其他的联盟链节点数量一多，性能就不行了，我们希望可以提升它的可扩展性，支持广域网，这是我们设计时的一个基本目标。

Gosig的设计思路

我们基本没有改动PBFT，只是简化了正确性证明。因为分布式系统是个很复杂、很专业的领域，不是拍脑袋就能想出来的。那怎么让它的效率变高呢？原先是要进行多轮投票，而且每个人都要把消息广播给所有人，这种方式听起来就很慢。我们是用Gossip协议边传输数据边投票，具体怎么实施呢？就是我把消息发出去，不会等别人回复的，通过聚合签名来避免投票中的双向通讯，每一轮随机的秘密选出leader，避免针对leader的攻击，所以在生成新的leader之前，我不会知道它是谁。它是一个协议层和网络层的共同优化，我要把所有的操作全部流水线化，充分利用所有的计算和网络资源（PBFT+BitTorrent），任何人在任何时间都有事做，把网络填的满满的。

Gosig的性能实现

我们测试的性能，如果用280个节点，在14个不同的数据中心里面，在广域网环境中，就是它是跨全球的，数据中心的那个延迟性还是蛮高的。在这样一个环境下，我可以实现60MB的block，可以承载单个分区每秒15000笔交易，确认一个块的时间是16秒。

后来我们又找了1000个节点，仿真5000个节点，限制在20Mbps的带宽下，在全网共识下，能达到每秒3000笔交易，确认出块时间是24秒。然后你再观察一下的话，会发现所有的网络带宽全部用上了，平均带宽使用达到16.8Mbps，也就是说物理网络带宽说唯一的瓶颈了，它的物理极限就这么多了。当然我还可以把带宽再加一些，性能会更高。

这样极致的性能有什么好处？天下武功唯快不破，你只有把下层做得足够快，上层应用才能做，这是我做系统设计的一个理念。

二、如何在保护隐私的前提下做数据融合？

上述是我们在底层做的一些探索，上面应用层呢，很多人说区块链能促进数据融合，怎么做得呢？就是让每个人都copy了一份，这当然就数据融合了，但隐私问题怎么考虑呢？

隐私问题不见得需要区块链，但区块链是一个去中心化的方案，可以作为数据交易的媒介。在数据交易中，买方只想买特定应用的使用权，他们只想用这个数据，而不需要把数据全都买过来，但是对于卖方而言，他把数据给了你，谁知道你会怎么用呢？他们的感知是，交易的原始数据就是交易数据的所有权。

所以我们要做的是，通过加密算法和系统限制数据的使用，就是说这个数据分享出来后只能这么用，没有其他的用途，本着这样一个理念，就需要我们系统的任何部分均看不到原始数据，或者中间过程明文，而只能看到明文的结果。这是一个安全协议，是我们院长姚期智院士80年代提出来的，但是这些年一直没有一个好的编程模型。你怎么把它变成一个通用的，能够搭载算法的框架？

我们对此做了很多探索。另外这里面有无数种加密方法，如何选择效率更高的算法呢？我们经过研究，可以做得非常快，也非常通用，可以直接用python写，容易编程，就和平时写程序差不多，最终可以在不看到处理过程的情况下算出最后那个结果来。我们可以优化到一个神经网络模型用毫秒就能识别出来，同时支持基于加密的数据隐私和基于统计的差分隐私。

我们现在做了几个应用场景，第一个应用是个人信用历史的查询和整合。比如查“徐葳借了多少钱”，这里面有两点，一是不能让别人知道你查的是“徐葳”，这样的话别人就知道“徐葳可能在找你借钱”，客户就有可能被别人抢了。二是不能让你知道“徐葳在哪里借钱”，只能得到他借了多少钱的结果。

第二个应用是一个数据融合建模平台，这是一个医药的试用。就是一些药厂在测试一些药的作用，它不想告诉别人具体在测什么，因为这是他的知识产权，但是我们又想得到一个模型预测哪些药对哪些病有作用，所以我们就整合市场的数据，而没有泄漏每一方数据的情况下，整合在一起做预测。那么如果你整合的数据越多，预测算法的准确度也越高。所以说数据是有意义的，如果保证了每个人的数据没有泄漏，数据交易就不会发生，可以从密码的方案来实现。

三、一点思考：公链为什么这么难？

世界上有很多人在研究不同的模块。他们共同帮助区块链构成一个完整的体系。区块链是一个技术集大成者。我这里有一个思考，为什么公链很难设计？

因为传统系统设计理念是分模块的，机制（mechanism）和策略（policy）是分开的。我想写一个文件，怎么把文件写进去？为什么要写这个文件？这两件事是分开的。policy更多的是根据特定应用优化性能，mechanism就是我要把它做得更快、更可靠、更安全。在传统系统中这两个架构是分开做的，但是在公链系统中，这两部分是分不开的，因为你的性能、网络状态、共识机制跟你的系统有多安全，能不能达成共识，跟你的策略，以及奖励都是有关系的，所以它的policy和mechanism是混杂在一起的。

失去了传统的设计和开发的方法论，如何开发？团队如何设计？我们需要多少个天才程序员才能设计出一个完整的系统？把刚刚所说的这些结合在一起，反正我是想不明白。

最后，我想引用一段话：“有两种方法来构建一个软件，一种是设计的非常简单，所以它明显没有缺陷；另一种是让设计变得超级复杂，所以它没有明显的缺陷，前一种方案远比第二种难。”我觉得对于大家想设计一个巨复杂的区块链平台来说，这句话值得大家回味。