隱私計算百科丨關于“數據”的行業黑話, 你了解多少？_RAI

隱私計算是當下數據安全領域的熱門賽道，無數企業紛紛涌入，搶跑占道。

相對國外而言，我國企業布局起步較晚，但整體發展迅速。

2016年，我國開始出現垂直的隱私計算廠商，近年來，隨著行業客戶在應用層實踐的逐步加深，除了垂直的隱私計算廠商外，各類技術企業紛紛入局，數據運營、算力加速等需求正在不斷涌現。

百舸爭流、千帆競發的市場格局初顯。

就目前發展現狀看來，政策與技術正在共同促進隱私計算發展。據Gartner報告預測，到2024年，由隱私計算驅動的數據保護和合規技術支出將在全球突破150億美元以上，即達到千億人民幣以上。

「論道隱私計算」作為一家專注于區塊鏈隱私計算賽道入門科普的垂直媒體，同時也是針對隱私計算興趣者開放的純天然、低門檻入口，我們通過研讀隱私計算行業報告，匯總并分類了隱私計算行業內晦澀難懂的名詞，編寫了「隱私計算詞典百科」板塊，將以最簡單的語句結合舉例說明，讓大家對于隱私計算的行業“黑話”快速上手。

此篇，我們圍繞“數據”一詞進行展開——“數據”是否等同于信息？人們經常掛在嘴邊的“大數據”是什么？“數據交易所”里交易的又是什么？以下請Enjoy。

數據與大數據

數據是事實的體現，也是通過觀察、實驗和計算所得出的結果，用以表示客觀事物的未加工的原始素材。數字、文字、圖像以及聲音等都可以是數據的表現形式。

Alchemy Pay集成至Ontology以及其上DApp:5月22日消息，加密貨幣支付提供商Alchemy Pay集成至Ontology以及其上DApp，DApp可以通過Alchemy Pay插件支持使用法幣直接購買加密貨幣。此外，ONT和Gas代幣ONG也支持使用法幣直接購買或支付。[2023/5/22 15:18:56]

隨著云技術、分布式計算和存儲等技術的發展，目前我們已經步入了大數據時代。近幾年來所產生的數據量之和相當于我們人類發展歷史上所有的數據量之和，據國際機構IDC預測，數據每年都在以50%速度在增長。

數據正在快速的增長，而大量的數據已經無法通過人工在合理時間內達到截取、管理、處理、并整理成為人類所能解讀的信息。

因此，大數據可以簡單理解為大量的數據，除了大量化，大數據還具有多樣化、快速化、價值密度低的特性。大量的、不同來源、不同形式的數據通過現有的技術進行整合、分析，成為了互聯網發展的重要生產要素。

數據要素

當前，數字經濟已經成為了全球經濟發展的重要推動力，快速增長的數據量逐漸實現了量變到質變的轉換，產生了全新的價值。

2020年4月9日，中共中央、國務院發布《國務院關于構建更加完善的要素市場化配置體制機制的意見》，其中明確提出了土地、勞動力、資本、技術、數據這五個生產要素。

Kraken上的ETH期貨未平倉合約達到5個月高點:金色財經報道，據Glassnode的數據顯示，Kraken上的ETH期貨合約未平倉合約剛剛達到5個月高點，數值為25,506,633.07美元[2023/3/1 12:35:52]

簡單來說，數據要素已經成為了數字經濟下的新型生產要素，能夠作為生產力并產生經濟效益，這也意味著，數據將對經濟的總體發展起到關鍵作用。因此數據要素既是來自個人衣食住行、醫療、社交等行為活動，也是來自平臺公司、政府和商業機構提供服務后的統計與收集。

數據要素市場

在數據成為和土地、勞動力、資本、技術并列的五大生產要素之一后，加快培育數據要素市場成為了數字經濟發展的下一步目標。通過數據要素在交換或流通中形成市場，讓數據要素價格由市場定、流動隨需求走，配置高效公平，促進數據要素高效合規流通使用。

數據作為互聯網時代的重要資產，也是推動數字化發展的最佳手段，然而只有對其進行分析、流通以及確權等操作后才能更好的量化，數據要素釋放出有效的價值，為市場提供新的動力。

數據產權

產權的產生，實際上是一個成本收益權衡的過程。

而在數字經濟時代下，數據產權可定義為：數據主體對基于數據處理行為而產生的數據所享有的權益，包括數據的所有權、占有權、使用權、收益權、處置權等。

比特幣的波動性2020年以來首次低于納斯達克和標普500指數:金色財經報道，Watcher.Guru在社交媒體上表示，比特幣的波動性現在低于納斯達克和標準普爾500指數，這是2020年以來的第一次。[2022/10/22 16:35:15]

不同于資產產權具有的唯一性和排他性，數據產權因數據的可復制性或而不具有排他性，因此數據產權的利益主體不限定為自然人，還包括法人、非法人組織、政府或國家。同時，數據產權界定是數據要素有效配置的基礎，對激活數據要素市場、促進數字經濟發展具有重要的意義。

數據失真

數據失真是指原始真實數據經過計算機或者人為原因的改變，造成數據結果與真實數據發生偏差的現象。

數據失真的背后有技術原因，比如數據統計方法不科學、數據采集標準不合理等；同樣也不排除人為造假的因素。在生活中最常見的是統計數據失真，數據失真將會帶來巨大的損失和影響，隨著社會經濟發展越來越依賴數據，因此防止數據失真將成為數據經濟發展的重要議題。

數據密態

2022年，數據領域將告別數據明文，即將進入“數據密態”的新時代。

數據與其他資產明顯不同的是，很容易被拷貝復制。數據流通對于產業信息化進程、數字化轉型是必不可少的，但明文數據流通又有顯著危害。

面對數據要素發展和數據安全保護的雙訴求，數據密態無疑是當前最好的選擇。一方面，運營者要想“確保其收集的個人信息安全”，最簡單有效的就是保證其數據明文不被其他方獲得；另一方面，如果要保持數據價值，匿名化后的數據也需要進行密態化處理。

神秘巨鯨以 200 萬塊移動了 27 億只狗狗幣:金色財經報道，DogeWhaleAlert報道，上周匿名巨鯨以200萬個區塊轉移了 27億只狗狗幣。在他們轉移這些Dogecoin時，總共有大約90筆交易，總費用僅為142 DOGE（約9美元）。

上周，眾所周知，特斯拉創始人Elon Musk恢復了他暫停的以 440 億美元收購 Twitter 巨頭的交易。自今年早些時候馬斯克建議實施 DOGE作為Twitter Blue訂閱的支付選項以來，這一消息引發了對狗狗幣的新一波興趣。[2022/10/11 10:30:26]

數據挖掘

在信息化時代下，很多領域每天通常需要處理數以萬計的數據交易，這是一種龐大的信息數據處理工程，而怎樣在如此龐大數據當中篩選，并且提取及分類真正有價值的數據，成為了主要問題。

而數據挖掘技術則很好地解決了此類問題，因此數據挖掘對于大數據時代而言具有重要的意義。

數據挖掘又常被稱為數據庫中的知識發現。主要特點是對海量數據進行抽取、轉換以及分析等處理，并從中歸納出有建設性的模式或規律輔助決策，其主要經過數據清洗、數據集成、數據轉換、數據挖掘、模式評估和知識表示六個步驟。

數據清洗

數據清洗指對數據進行重審和校驗的過程，目的在于刪除重復信息、糾正存在的錯誤，提供數據的一致性。

Trait Sniper創始人：項目財務狀況確實存在困難，正通過裁員來縮減成本:10月3日消息，針對社交媒體上熱議的rug傳言，Trait Sniper創始人Kiraa今日下午發布了多條推文進行回應，稱相關員工之所在Discord內發布關于rug的言論，系因該員工的賬號被黑客盜用。

針對項目的財務健康狀況，Kiraa表示，Trait Sniper在四月推進其NFT鑄造時運營非常順利，但之后就開始逐漸走了下坡路。在熊市期間，Trait Sniper度過了一段艱難的時光，NFT鑄造所籌集的代幣賣在了底部，這筆資金已在創始人、投資者和團隊間完成了分配，其個人因資金管理不善，已耗盡了大部分資金。自那時起，Trait Sniper嘗試了許多策略來維持運營。

Kiraa透露，今日下午已向團隊宣布將裁減部分職位，目的是為了縮減運營成本。隨著成本的下降，Trait Sniper希望能夠繼續運營下去，向著“成為所有NFT相關活動的中心樞紐”這一愿景繼續邁進，其個人將盡其所能來實現這個目標。

Kiraa還表示，對于用戶來說，Trait Sniper的可用性和功能不會受到影響，對于其它有合作需求的項目，希望能夠積極與Trait Sniper進行聯系。[2022/10/3 18:38:22]

數據清洗顧名思義就是“洗掉臟東西”，指發現并糾正數據文件中可識別的錯誤的最后一道程序，包括檢查數據一致性，處理無效值和缺失值等。

數據清洗技術是提高數據質量的有效方法。數據清洗主要應用于3個領域，即數據倉庫領域、數據挖掘領域以及數據質量管理領域。

數據聚類

聚類分析的目的是根據在數據中發現的描述對象及其關系的信息，將數據對象分組。

目的是，組內的對象相互之間是相關的，而不同組中的對象是不相關的。組內相關性越大，組間差距越大，說明聚類效果越好。

數據聚類是對于靜態數據分析的一門技術，在許多領域受到廣泛應用，包括機器學習，數據挖掘，模式識別，生物信息和圖像分析。

數據群島

談論數據群島之前，我們先了解一下數據孤島。

從數據應用伊始，“數據孤島”問題一直阻礙著數據運用效能的進一步提升。因此在構想教育數據藍圖的同時，首先需要破除數據的“門戶之見”。

何謂數據孤島？數據孤島是指不同的數據掌握在不同的政府部門或企業手中，而每個數據系統均各成體系，以各自不同的方式存儲在不同的服務器上，導致在功能上互不關聯，在信息上互不交換的處境。

因此想破除數據孤島就需要在數據層面進行集成，建立一個龐大的、完整的、連通的數據倉庫。一套完整的數據倉庫包含模型語言、優化的數據結構、查詢語言及撰寫報表的程序以及交易機制。

數據群島旨在形成數據間關系網，在打破數據孤島的同時，也形成了獨立的數據生態。

數據分類分級

一組數據在遭到篡改、破壞、泄露或者非法使用后必然會對數據擁有者造成不同程度影響，因此可以根據由輕到重的不同影響將數據分為不同級別，方便數據管理時進行不同等級的區別管理。

數據分級本質上是根據數據敏感程度進行分類，因此，我們在數據安全治理或數據資產管理領域，都是將數據的分類和分級放在一起做，統稱為數據分類分級。

數據可視化

數據可視化是利用計算機圖形學和圖像處理技術，將枯燥乏味的數據圖形化，以達成清晰有效傳達與溝通信息的目的，并進行延伸的交互處理理論、方法和技術。

數據可視化的基本思想是將數據庫中的單一數據作為單個圖形元素，大量數據集則可以構成數據圖像，同時將數據的各個屬性以多為數據形式表示，從而能對數據進行更深入的觀察與分析。

但數據可視化并不意味著要讓圖形看上去絢麗多彩而顯得華而不實，只要能直觀有效地傳達信息即可。而如何平衡設計與功能，設計出更直觀的數據可視化圖形則是另一門學問。例如，目前正在飛速發展的VR技術就是以數據可視化為解決方案的。

數據資產化

屬于個人或企業的數字化財產被稱為數據資產。

例如，人們日常拍攝的照片、視頻，編輯的聊天文字，購物消費產生的信息等都屬于人們的個人數據資產。

而對于企業擁有或控制、并且預計將為企業帶來經濟利益的數據資源，例如設計圖紙、合同訂單、以及任何涉及到使用文件作為載體的各類業務，都屬于企業的數據資產。但需要注意的是，一般來說，企業的數據資產包含有實物紙質文件和電子文件，但數據資產是以數字化形式存在，因此需要將紙質文件轉化為數字化形式，才能真正地形成企業的數據資產。

一般來說，數據資產化的范圍只包含企業數據資產，通過將其擁有的數據轉化為可以交易的資產，例如房產、股票等，這樣的過程則稱為數據資產化。

數據交易

數據交易近似于“買賣行為”，主要是指數據擁有者和數據使用者達成協議，進行合規的數據資產自由交易。

大數據環境下，企業可以接觸到的數據大致可分為用戶個人的信息數據、企業采集的數據集合和衍生數據三大類。但目前各大數據交易所交易的對象主要是商業市場數據，都暫未涉及個人信息相關數據。

而對于商業市場數據，也可分為兩類數據交易產品：一類是數據集市型交易，主要交易粗加工的企業原始數據，很多交易所或交易中心在發展初期都是以這種交易模式為基本發展思路。

另一類是數據加工服務型交易，數據交易雙方不直接交易原始數據，而是將其擁有的數據資源通過特定邏輯和算法進行分類整合、深度加工、匿名處理等處理，通過自己開放數據平臺等模式提供數據產品或數據服務，而這一類也是更加成熟的交易形式。

數據交易所

數據交易所形成了一個數商體系，包含有數據交易主體、數據合規咨詢、質量評估、資產評估、交付等多領域，并且會設立數據交易制度。

在這里，數據可以進行確權，進行數據價格發現與定價，有明確的監管和規則，給數商入場，給交易方建立互信。它還提供有線上數字化數據交易系統，保障數據交易全時掛牌、全域交易、全程可溯。

目前，各地數據交易所交易的標的不是原始數據，而是通過清洗、分析、建模、可視化等方式對原始數據經過深度分析處理、整合加工而形成的數據產品和服務。

簡而言之，數據交易機構不是簡單地將買方和賣方進行撮合，而是根據不同用戶需求，圍繞大數據基礎資源進行清洗、分析、建模、可視化等操作，形成定制化的數據產品，然后再提供給需求方。

來源：金色財經

Tags：RAITRANIPSNIPEBrainiac FarmDash 2 TradeNIP幣0xSniper

ETH