微众银行区块链张开翔：区块链上隐私保护的挑战和应对

近日，微众银行区块链首席架构师张开翔做客香港人工智能与机器人学会HKSAIR《AI金融》系列线上讲座，以“区块链上隐私保护的挑战和应对”为主题，探讨区块链如何为数据隐私和信息开放构建一座天平。

以下为张开翔演讲全文，雷锋网《AI金融评论》做了不改变原意的整理：

我是微众银行的张开翔，我们团队从2015年开始研究区块链。

在讲区块链和隐私保护之前，先简单过一下区块链的概念和分类。

首先，真正的区块链必须是在分布式网络上的。区块是有序号、有高度，一个区块接一个区块地互相依赖生成，这样可以做到数据的严格校验，不丢、不错、不乱。再用密码学来校验数据的稳定性、可靠性、完整性。

下面两层加起来，更像一个分布式数据库或分布式网络。行业里有个玩笑，说它是最慢的分布式数据库。像比特币的TPS就是7（笔/秒），以太坊大概是10+。我们联盟链其实还是快很多，单链TPS目前是两万左右。这里就涉及到性能优化的课题了。

分布式这么慢，它还有什么价值？它的价值就在于多方协作。

区块链的灵魂与核心是什么？共识。没有多方智能合约与共识算法来达成透明、高效、可信的合作，那它就只是个分布式数据库。

那多方合作是为了什么？肯定是为了资产交易，数据分享。计算和数据共享基于智能合约透明的规则，大家共同执行，这就是区块链。

区块链的基本特性是什么？介绍隐私保护之前，我们先来了解区块链怎么组织这些数据和规则。

首先，在每个节点里，都有相同的区块的数据结构。简单来说，就是每个block里都包含一批交易。每个交易可能体现的是一次资产转移，比如a给b转了100块钱。

这个交易必须是事务性的，交易执行结果在所有节点上一致，怎么做到这一点？即通过共识和数据同步，意味着所有数据都会存到链上所有节点。

如果这个链接入了10个节点，数据存了10份一模一样的；如果是1万个节点，那数据存了1万份，它也是一模一样的，一个字节不错、不丢，说明所有人都可以看到这个数据，也能验证数据。

（如果）有少量的人篡改数据，其他人可以通过共识和验证来拒绝修改，并且在发现修改之后惩戒篡改者。

所以，区块链可以达成这样几个效果：

第一，数据难以篡改。要改，则必须算力达到50%以上，或者与链上所有或大部分共识记账节点串谋，还是可以做到篡改，但这非常难，几乎不可能实现。

第二，规则透明。因为智能合约在所有列的节点上是同样的虚拟机和代码，对同样的输入运行结果肯定是一样的，是可验证的。

第三，可追溯。既然大家都有所有数据，而且数据是含括了block 0到block最近高度，这就意味着可以追溯。

因为以上几点，从而达成了区块链最重要的特点——信任。但是，任何事情都具有两面性。

说到区块链上的隐私挑战，首先定义一下隐私是什么？你的个人数据和信息是隐私：除了你有多少资产、银行存款、不动产等，还包括你跟谁交易，也就是银行流水。

我之前递交出国签证申请，需要附上最近半年银行流水和交税记录。当时我很诧异，也很难接受，我觉得这些交易关系是我的隐私数据。

从流水中的交易信息，可以分析出交易时间、地点、交易对象、常用的交易类型是零售还是转账，这些都是你的行为模式。

现在所谓的大数据营销，更多的就是基于你的身份、拥有资产、交易关系、交易频率、行为模式等信息，来对你进行用户画像，分析出你的习惯喜好。

还有一种是大容量数据文件，在商业场景较为常见。比如刷脸会留下视频，签合同会留下PDF文件，大量用户行为产生一堆大数据集，这其实都是隐私的、个人的、商业的数据。

所以，隐私是立体化的，它包含很多维度，各种场景、时间、行为都会产生隐私数据。

区块链上隐私保护的实现

那区块链上的隐私是怎么表达的呢？

以前，大家都说比特币和以太坊本来就是隐私的，但它隐私基础的重点是匿名。在比特币、以太坊上转账，用的是一个私钥和私钥生成的地址，并不包含用户联系电话、真实姓名、邮箱等个人信息，大家看到的就是一串密码串。

比特币网络的创建者中本聪，到现在也没有人知道他是谁。听起来这是一个很成功的隐私保护方案。但是，如果你不注意私钥保管，或者自己把地址公布到某个论坛上，让别人去给你转账，那就意味着这个地址在论坛上跟你的账号绑定了。

如果你参与了某种交易所，登陆交易所需要个人手机号注册、上传身份证，这时你的地址就跟身份绑定；又或者是通过反洗钱、反恐融资策略——总之可以利用一些方法，将账户跟你的个人身份联系上。

从技术手段来看，IP映射是指无论你在哪台计算机，发出哪个通信包，只要能被抓包下来，就可以分析包里的很多信息，映射到你这台电脑，获取你的账号、地址等。社工分析也可以基于你论坛上的行为、个人朋友关系、动账的交易关系进行跟踪。如上图所示，只要转账，就有关系网，这都是公开可追踪的。

区块链的特征是透明、共享、可追溯、广泛参与：

透明就意味着拓展了信息暴露的维度；

共享就意味着增加了数据存储的位置，所有节点都存储数据；

可追溯就意味着你的隐私数据存储可能是永久的，并不是存储一段时间后就删掉丢弃，延长了隐私存储时间，就很难被遗忘；

广泛参与，是说区块链作为分布式网络，一定是有各方共识的，这时，参与的网络里就可能有短板，而公开的网络环境更容易掺入非信任角色，联盟链在这一点上相对会好些。

所以，区块链其实带来了更大的隐私挑战。有种说法是区块链大量使用了密码学，所以它是可信可验证的，但其实这里的因果关系要调换一下——是因为区块链本身追求公开透明，为了在公开透明的基础上达成信任和验证，才要引入更多密码学算法。

在工作中，我们会遇到很多灵魂拷问：

作为一个金融机构，每天的交易信息都是透明的吗？

怎么做到上链的数据可验证，但又不被看到，更不会被窃取？

数据上链后，能不能删掉？

加密数据会不会被暴力破解？

现在都用椭圆曲线、RSA算法、对称非对称加密，用很长的密钥来保护数据。从数学理论上来说这些都可确保数据安全，但量子计算出来之后该怎么办？

……

个人认为，量子计算技术成熟到应用可能还没这么快，目前来看，量子计算的形态可以交换密钥，但想要处理和破解大量数据还是比较难。

可是，对金融业来说，如果数据保留二、三十年，甚至永久保留，即使使用长密钥加密，链上数据也可能被破解。父亲的数据被破解，影响了儿子，影响几代人，（这种现象）理论上是存在的。

当然，密码学保护和攻击的两个阵营，是呈交叉螺旋上升式：你有矛，我就有盾，只是看矛和盾哪个硬，要用多少成本去保护数据。

隐私保护在实际场景中的应用

金融典型场景一：风控

假设一个借贷服务，涉及多机构共同参与，这些机构联合为借贷人提供资质证明和资金，这就意味着这些机构要投票判断用户信用、决定贷款利率等。

但金融有风控独立的要求，就是a机构与b机构的规则应该是互相独立、各自运作的，如果只有一套规则且全部透明就有可能被人猜到。

这还涉及到用户隐私问题，比如用户在a机构发生的交易数据，不应该直接交给b机构，a机构和b机构都应该用自己的数据和数据来对用户进行判断。这些都是隐私保护。

征信和风控有相似之处，但其中的不同是征信要用大量的、多维度的有效数据，涉及到社保、银行、税务各机构的多方参与。怎么把不同维度、不同机构的数据连接在一起，整理出风控模型，这就自然而然联想到联邦学习。

金融典型场景二：资产流转

下图左侧展示的场景类似二级市场：有发行、代理销售，代理机构a不希望代理机构b知道自己的代理情况，用户不希望别人知道自己买入卖出，这都是个人账务资产变化，属于隐私信息。

隐私保护策略，哪个更好？

现在确实有很多隐私保护的策略，像是零知识证明、安全多方计算、可信硬件环境、全同态密文计算等，还有相关规范标准，那是不是就能完整保护隐私了？我的观点是，每种隐私保护策略各有所长，各有所短，它的长短可能都体现在性能、功能、复杂度和中心化程度上。

零知识证明和安全多方计算，就是隐私保护的核武器，非常有潜力。

但其也有局限，比如零知识证明重点在于证明一个事物的有效性，而不在于运算，但用户的账目、风控模型都涉及计算。

安全多方计算是可以用于联合计算，但现在它处在从两方向多方发展的阶段，多方安全解决起来比较困难，牵涉成本、计算量、复杂度。

我们都知道，手机有个安全区，把密钥保护在安全区可以降低安全风险——但一个大企业把成千上万的数据保护在安全区，就相当于完全依赖安全区。安全软硬件依旧会有漏洞，还是要及时升级，总的来看，依赖硬件体系的反应速度会比较慢。

同态非常有趣，两个密文相加得到一个密文，密文解密之后是这两个密文对应的明文相加的结果。它可以用于多种情况的账目计算，但只能计算，很难验证，也就是计算结果如果是错的，在密文情况下无法得知。

而且，现在同态一般是用于加法计算，乘法计算的速度比较慢。另外，同态的数据量如果是比较大，那么其数据膨胀和运算速度降低就会非常明显。

群/环签名，它很轻也有不错的性能，但主要面向身份，不面向数据。

规范和标准，依赖很多链外管理手段，比如惩罚、司法追责。我们要把这些手段全部综合起来，在性能、功能、复杂度和中心化中取平衡，在不同的场景下扬长去短，来达到成本和效果的最优。那就要求从多维度考虑隐私保护，它是个立体的场景化问题。

身份、资产、交易，这是我们要保护的基本信息。

首先，这些信息是否可见？如果连数据都碰不到，那没办法利用这些数据做任何事情。

其次，能看到之后，我们能不能使用？如果看到的是一串密文，那无法使用，还可以运用混淆、脱敏的方式来保证这些信息不完整性。例如，有账户信息，但没有身份信息，这样就无法被利用。

比如，密码学有个密码信封，只有信封密钥的人才能打开。又或者是使用很多方式，比如一次一密的假名，来防止关联，这样就无法对用户进行画像，外人可以看到的只是孤立的数据，没有办法对用户做什么。

最后，就是你看到的数据能不能被控制。控制数据就是说，你们把我的账转给别人，改变我的属性，我就要做权限控制，做安全加密的安全策略和多方制衡。

正如前文所述，区块链有个特点：如果你改数据，别人不同意，共识算法不通过，我有拜占庭容错，这就是一种多方制衡。

我们要达到几个效果：看不见数据，不知道数据，不能改，但它在区块链上依旧是可验证、可监管。

这就是联盟链的特点———要可监管、合法合规，这些要求要覆盖链上整个生命周期，包括收集、传输、存储、使用、屏蔽、销毁。

生命周期的每个阶段都有不同的特点，环境还牵涉网络、存储、内存计算和云，要用不同的技术手段去应对。所以我们的整个版图还是很庞杂，图上的底层就是各种各样的隐私技术，并不是一两个算法、密码承诺或者简单的不经意传输就能够涵盖的。

从可见、可用、可控思维看区块链

联盟链治理

联盟链跟公有链最大的区别在于，联盟链有准入机制。所有接入联盟链的人、机构、节点、身份都是可知的，接入前需向运营委员会申请。

委员会是多中心化的，并非单点。如果大家同意你加入这个链，给你分配了证书、公私钥，就可以接入这个链。方式是发起连接。如果这个人或节点在链上有恶意行为，委员会还可以把他踢掉。

隔离

机构参与业务时，有可能和不同的人发生交易，作为机构，会希望这些人里没有交集，这样同业的倾轧、数据泄露等情况都不会发生。

我们研发的底层平台有一个群组架构，就是在区块链上拉出一个局部共识的独立账本。群组里信息互相隔离，群可以扩容，也就是你可以建立无数个群，覆盖无数业务，这样从性能、功能上来说都有极大好处。在不同的群、不同的链上的不同信息需要互相验证、打通，就走跨链的路径，这项技术安全上是可控的。

角色隔离，首先要定义清楚，不同的人做不同的事情。有个术语叫DO分离，就是开发和运营分离，开发不能做运营的事情，运营也不用去写代码。

扩展一下，就是建设、管理和使用是分离的，避免一个角色又当裁判又当运动员，以免他触达太多数据，可能会侵害隐私，这就是整个联盟链的角色分层理念。

刚才说到了节点、人、权限的隔离，再看数据隔离。我经常被问到一个问题：要传输一个文件，能不能上链共享，但同时上链后不让所有人都看到这个文件？这时，可以将文件加密再放上链。

还有一种文件不需要上链的方法，链上存储的是一些标识或URL，是一些哈希，它们相当于文件的指纹。通过链上链下结合：链上建立哈希指纹，链下传输文件，用户可以在链上得到指纹，去验证文件。

如果文件密级不高，可以用IFPS，但它是把文件分片，依旧可以串谋几个计算机把文件分片聚集再拼出文件。如果是密级较高，还是建议用自有存储的方式。

交易隔离，链下有些私有交易，是高频、小额、点对点的，可以放到链下，像闪电网络就是类似风格。这样操作一方面可以提高性能和响应速度，更重要的是解决交易关系的问题。区块链上的两个人通过点对点网络沟通，完全可以不经过服务器。所以点对点的过程是完全隐私的，只是最终产生了账目，总账里不包含这种点对点交易的隐私信息。

分布式标识协议（DID协议）

这个协议是由DIF（全球分布式身份基金会）与W3C（万维网联盟）国际标准化组织共同推进，目标是形成开放网络，大家统一身份、互联互通，做到数据无缝共享和流转。这种模型可以连接人、物联网、数据，服务各种各样场景，包括金融、政务、医疗。

它是非常开放且通用的标准，参与其中的用户可以自行控制并拥有数据，这跟之前很多互联网模型不太一样。在互联网模型里，互联网巨头保存所有数据，我们说的在“云”上，（其实）都在别人机房里。用户只有一个登陆密码，没有管理和拥有数据的权限。

这是非常重要的一点：用户保存、控制自己的数据，这个数据是一种凭据，从权威机构，或是用户业务行为而来，它们不仅仅是数据，而是证明，是可信、可验证的证明。

怎么理解分布式DID协议？

首先，用户要做KYC，比如刷脸，叫KYC生成标识。全局唯一标识，标识的样子就是密码串。中间这条竖线左边所有东西都是用户自己持有和控制的，右边是你要交出去的，中间就起到防火墙作用。

这里有个隔离，谁找你要什么数据，必须表明访问策略，就像你的安卓手机安装APP时，询问你开启摄像头权限，也就是用户同意访问策略，才会给出一个表述或披露。这个披露可验证，但它是选择性的最小化披露。

这就是隐私保护非常重要的模式：你保存管理自己的数据，明示同意，经过批准、审核之后，挑选一些数据，把它生成一个密文证明，给到对方去认证。因为区块链连接了权威机构、用户、商家，所以在链上进行可信的验证，就是区块链和隐私保护的一个有机结合。

企业数据则涉及人、行为、业务的大量数据，如果要联合做业务，就会考虑采用联邦学习，在多家机构做到数据不出自己机构，还能够训练出一个有效模型。

这个模型就可以导入区块链上，链上的行为，风控、交易汇率、信用评级、定价等等，都可以采用联邦学习训练出的模型，非常有意义。

不同目标要采用不同的算法，比如收集大量的数据，要做差分隐私；为了防止画像而做假名化；数据脱敏再做同态加密，汇总到云上，这都是大批量的群体数据算法，适用于大数据挖掘以及联邦学习等。

再来看看身份隐秘，其适用在匿名支付、匿名投票、匿名竞拍场景。如果可以匿名，又可监管的话，用户就不用担心自己的投票行为会招致别人非议。

数据隐秘，资产里的数字、交易行为，都是数据。支付、投票、竞拍，这都是场景。其中可能用到包括同态加密，零知识证明、安全多方计算、TEE等技术。这一系列的技术怎么为业务所用？

前面提到这么多隐私保护策略、数据维度和算法，一个场景不太会每个技术都用到，所以我们把这套技术整合成开发包方案，覆盖从业务层、服务层、区块链到智能合约的整体架构，不同的客户端用不同的密钥，使用SDK和模板工具生成场景所需的隐私保护工程和策略。

值得一提的是，每个人的隐私偏好有所不同，但我们是以最严厉的隐私保护标准来做的，这样对整个生态的未来才是健康的。我们的技术也是开放的，包括区块链，绝大部分都是开源易用的，可以适配很多场景。

总结一下：隐私保护，机会和挑战并存。隐私保护是立体化策略，去设计一个通用的隐私保护策略其实很难，我们现在做的是针对大量场景做有效实现，也欢迎大家一起研究实践，一起达成技术、业务以及整个生态价值的突破。