<2019第十一期课程回顾>区块链技术如何保障基因大数据应用过程中的数据安全和隐私

课程回放：

https://vzan.com/live/tvchat-441305307?v=0.7247801994266312

CNGBdb组学/数据库系列课程开讲啦!
2020年1月7日<第11讲>上线
课程名称：区块链技术如何保障基因大数据应用过程中的数据安全和隐私

讲师：李士森，华大基因区块链产品负责人。11年互联网/移动互联网/互联网金融/医疗健康领域产品设计、研发经验，涉及政务系统、基金、证券、股票、基因数据、医疗健康大数据、区块链等领域，专注基因大数据结合区块链、隐私计算及人工智能等新技术的创新应用。

课程概要

1. 数据安全的意义和关键问题
2. 数据安全的主要技术框架
3. 数据安全技术工具
4. 数据安全实践案例

现场Q&A

1. Q：如果数据需求者通过数据持有者的授权获取了数据，这个数据会传播出去吗？ A： 以基于区块链技术的“生命周期表”项目为例，某个物种测序后的基因数据权益属于你，后续有数据需求方申请使用物种数据时，使用密码学技术，拿到的不会是明文数据。我们利用区块链技术首先需要解决的就是数据“孤岛”的问题，让数据流通起来；然后基于隐私计算技术，让数据最小化利用，即授权一次只能使用一次。
   目前的做法是把隐私数据加密后再做授权，授权一次使用一次，不会出现申请一次后不断二次传播的情况。

2. Q：对方有了密钥，解析后会得到明文数据吗？
   A：目前隐私计算领域也存在这样的问题，即获得授权的数据后是否会复制给他人。现在有两种解决方案：1）数据的解密和计算在特定“沙箱环境”里进行，“沙箱”外无法获得明文数据；2）使用代理重加密技术，即授权的秘钥只能使用一次，使用后原数据会重新加密。

3. Q：区块链数据安全性还将从哪些方面改进？
   A：单独的区块链技术难以彻底解决隐私问题，需要结合密码学、隐私计算等技术来解决数据安全和隐私保护问题。

4. Q：请问下区块链适合哪些基因大数据？如果所有人都要备份副本的话，像reads这类数据就会占用很大的空间。
   A：目前实际应用中海量数据不会直接上链，而是把数据的特征值上链，如数据位置、传输路径等上链，把数据流通过程 “透明化”，利于数据监管。
   另外，数据不直接上链也是出于数据安全的考虑，例如数据授权给第三方机构使用时，第三方机构把数据直接上链，可能涉及多节点使用的情况。

5. Q：请问按区块链原理，那如果某一条链上因某种原因输入的数据出错了，过了一段时间后才被发现，后期要改正岂不是很麻烦？又或者，区块链有没有可以设置某一链拥有最高权限，可以通过该链一次性就可以更正数据的？
   A：区块链技术具有不可篡改的特性，前期出现的错误无法修正，没有可修改的最高权限。

6. Q：区块链在慢病管理方面可以应用吗？比如化疗病人的肠道菌群重建过程中的应用。
   A：是可以在慢病管理方面应用的，慢病管理是一个持续的过程，非常需要把相关信息存储上链，后续通过追溯链上的数据，进行分析做慢病的改善和管理。深圳市政府有一个慢性病管理平台项目就是利用了区块链平台，大家感兴趣可以上网查询。

7. Q：涉及加密的话，这些加密算法复杂性如何，如何保证不会被破解？
   A：加密技术一般分类两类：1）传统的加密技术，其相对成熟稳定，有各种国际/国家标准支持，安全系数一般是128位或者更高等级，关于复杂度的衡量，这些算法本身是开源的，可以在标准中查询获取，这些算法在20年之内可以保证其安全性，但是20年后随着技术的发展，就有破解的可能。目前想提高安全性，可以通过提高复杂性实现，例如把基本的128位升级到256位，但是这样性能可能会有些下降。这一类加密技术是标准成熟的，安全性是可以保障的，只是选择安全等级的时候决定了其安全期（10年/20年/30年）；2）相对传统技术来说，比较新的加密技术，例如同态加密等，这些算法在理论界证明相对成熟，但是在商用上应用较少，由于其没有经过大规模的商业化应用，所以无法完全保证其安全性，但是理论上证明是安全的（一般数学算法论文提出后的5年内没有提出漏洞即可证明其可行性）。

8. Q：基因大数据用了区块链的什么优势？像比特币是大量的电脑分布式竞争写来达到去中心化的可信写入。刚刚讲的应用大多数依赖授权这种中心化操作，直接通过版本迭代可以不？
   A：我们基因数据使用区块链主要解决互信的问题。不同机构之间进行数据交换和交流，如果使用中心化系统，各个机构应该都不会很放心，因为中心化系统可以直接修改自己的数据，无法监测修改记录；而使用区块链技术，任何节点和数据的流通都会将使用记录上链，这样可以提高可信度。另一个是共识算法的问题，基因数据一般是有限机构，节点不会很多，对算法选择也会比较多，例如PBFT、Raft等性能比较高的算法，可防止少量节点的恶意修改，这也是性能和安全的平衡。

9. Q：如不排除恶意行为，那么区块链上存在错误数据的话，那如果都上传错误数据，岂不是会有很大数据冗余。如果存在这个问题的话，那么如何解决？存在错误数据，对于客户如何区分正确性？
   A：目前从区块链的使用场景和应用来看都存在一个比较大的挑战：链上数据和链下实物的对应正确性。上传错误数据区块链技术无法区分和解决，上传数据者如果存在恶意上传，需要上传者自己承担这个恶意上传的成本（例如由于上传错误数据较多造成的可信度下降），这个需要从区块链运营规则来解决这个问题而不是一个纯技术问题。存在错误数据，需要从业务层面做数据校验来区分其正确性。

10. Q：选择超级账本作为架构的理由是什么？为什么没有选择BCOS和CITA呢？
    A：我们是在2017年进行区块链项目的研发的，那个时间节点最成熟的区块链技术就是Fabric0.6版本，作为开源框架，到目前为止差不多3年时间了，就目前来看运营最好的联盟链架构还是Fabric；没有选择BCOS的原因是2017年还未开源，BCOS是在2018年开源的；目前我们的做法是国外项目支持Fabria、国内项目即支持Fabric，也支持BCOS架构

课程PPT：

https://db.cngb.org/dc_assets/media/science/weike20200107.pdf

审核：李士森 图片来源：微赞直播平台页面