|
|
EDA365欢迎您登录！
您需要 登录 才可以下载或查看，没有帐号？注册
x
摘要:大数据合理定价是当前大数据交易中亟待解决的具有一定挑战性问题之一.本文针对大数据定价困难问题,基于Micali-Rabin的安全计算技术提出一种具有大数据定价功能的安全委托拍卖方案.在方案中首先基于Mi-cali-Rabin 的随机向量表示方法设计满足标价密封性的大数据拍卖及验证算法.其次,基于Merkle树和Bit承诺协议实现大数据交易中数据的完整性和底价的不可否认性,特别是在定价阶段,利用一种特殊的多方安全计算协议隐藏大数据的底价,以此保障了大数据交易的公平性.最后,方案安全性和性能分析表明,该方案特别适用于大数据交易场景下的数据委托拍卖.6 @# R# c2 r) q* D3 [( z
9 ], |9 l8 ?% k4 k1 `- ^
关键词:大数据定价;Micali-Rabin 随机向量表示;匿名性;密封拍卖4 _" v, s+ w" N5 S+ f) Q8 t2 @- ^1 x
7 B7 `4 A3 N. ^& D0 p8 z8 {7 u6 x- T. D, a2 r) V8 a2 L$ [0 C
随着大数据、云计算、物联网、人工智能等计算机技术和通信技术的突破和融合,数据量呈现爆炸式增长.当前很多政府机构、组织和行业拥有大数据却不具备大数据分析的能力,因此把大数据交给需要的人,进一步释放大数据的价值变得尤为重要.大数据作为一种无形的资产,其价值具有不确定性、稀缺性和多样性,且买方和卖方的信息存在不对称问题,因此在大数据交易中,无法正确评估大数据的价值[].同时大数据本身存在易拷贝的特点,一旦数据被任意拷贝给他人,就会损害数据拥有者的利益.这使得对大数据合理定价变得困难.目前大数据定价分为三种模式:协议定价、拍卖定价、集合定价.由于拍卖模式可以将数据使用权交到少数人的手中,保证了卖方的利益,同时也能够兼顾市场原则.
& g; Q& T6 \- S" _! Y! j1 G' j! n0 i( P
# M2 z$ Z' k- q6 p$ {0 `
0 |) k* w( O/ z2 D& F
# S& f1 F6 R K: J+ x. r, U$ w
* g1 ~: V4 I! h9 M4 U" b( I
6 s+ E( x. \2 N
. f4 N( Y+ O! K& R; N. I6 L- {, x/ ]1 o9 [" x
|
|
/1 
发表于 2021-7-9 15:01
收藏
淘帖
支持！
反对！