区块链在数据市场验证的研究与应用：基于智能合约的挑战与优势

区块链：研究与应用3（2022）100100研究文章通过区块链和智能合约对数据市场进行验证威尔·塞拉诺英国伦敦巴特利特大学学院，WC1E 6BTA R T I C L E I N F O保留字：数据市场项目信息模型智能建筑房地产分布式账本技术区块链智能合约人工智能A B S T R A C T物理基础设施中数据的实际挑战包括：1）基于访问和检索的速度不利，因此集成; 2）其内在质量的价值; 3）其数量庞大，系统种类有限;最后，4）其准确性，因为数据可以修改以获得经济优势。基于敏捷项目管理和最小可行产品的物理基础设施设计提供了传统瀑布方法的优势敏捷支持早期投资回报，促进循环再投资，同时使产品更适应多变的社会经济环境。然而，敏捷由于其迭代方法也存在固有的问题此外，项目信息不仅需要对投资者、所有者或使用者的目标、要求和治理进行有效记录，而且还需要为未来的健康安全和其他法定合规保留证据。&为了解决这些问题，本文提出了一个具有分层流程的数据市场验证与确认（VV）模型;每个数据验证与确认阶段都提供了一层数据抽象、增值服务和基于人工智能（AI）的真实性此外，该解决方案将分布式账本技术（DLT）应用于分散的方法，每个用户都可以在账本中保存和维护数据所提出的模型在实际数据市场应用中得到了验证：1）纽卡斯尔城市天文台智能城市项目的实时数据，其中数据通过API从嵌入在智能城市中的传感器收集;2）伦敦大学学院（UCL）-房地产-PEARL项目的静态数据，其中不同的项目用户和利益相关者将数据引入项目信息模型（PIM）。1. 介绍智能城市、基础设施、建筑和任何房地产作为建筑项目的成果，都面临着由物理环境中的设计和建筑行业的固有属性引起的数字问题交付需要施工的产品（如建筑物或机场）的强制性框架由众多利益相关者（投资者、保险公司、设计师、监管机构）和分为多个阶段（规划许可、可行性、概念和详细设计、施工、调试）的漫长过程组成。该特定生态系统的这些固有特性产生了基本的数字挑战：1）没有建立包括数字项目从启动到退出的整个生命周期的数据治理或所有权此外，追求经济利润的独立公司可能在不同阶段与竞争动机签约更糟糕的是，这些公司可能会有机地转让所有权或进行清算。2）最终项目用户被给予产品以进行管理、商业化或维护，而无需对数字设计或数据文档进行必要的输入。由于不兼容问题，数字升级或增强可能需要重新启动某些系统或组件的采购流程。3）由于这种分散的做法，没有从交付的项目中有效的数字经验教训机制，以优化其未来在设计和建造施工方法中的整合。目前可用的数字平台，如建筑信息建模（BIM）和数字孪生，仍然受到所有权，治理和维护的明确界定除了所提出的数字挑战外，智能基础设施、城市和任何房地产还面临四个关键数据问题：1）自动访问实时数据的难度。数据可以存储在孤立的服务器中，或者使用不一致的命名法或结构。2）提取的数据的价值不电子邮件地址：w. ucl.ac.uk。https://doi.org/10.1016/j.bcra.2022.100100接收日期：2022年2月1日;接收日期：2022年6月21日;接受日期：2022年6月27日2096-7209/©2022作者。由Elsevier B.V.代表浙江大学出版社出版。这是CC BY许可证下的开放获取文章（creativecommons.org/licenses/by/4.0/）。可在ScienceDirect上获得目录列表区块链：研究与应用杂志主页：www.journals.elsevier.com/blockchain-research-and-applicationsW. 塞拉诺区块链：研究与应用3（2022）1001002通常满足质量要求;由于其分散性，其统计相关性较低，其中需要人工干预来填补空白或外推以获得有意义的信息。3）在系统方面具有减少的多样性的大量数量，这减少了商业智能所需的数据模型的复杂性4）数据使用者不能保证数据的真实性网络安全攻击可以修改边缘存储的数据，使其在云端看起来是真实的。此外，数据可以被人为地修改以获得经济回报，例如保险费或竞争优势。大型建筑项目的失败是由各种因素造成的，包括延误或规格变化、不同项目阶段缺乏单一的真相来源、价值工程和成本超支。传统的瀑布式项目管理在复杂的建设项目中已经被证明是不合适的，在这些项目中，更敏捷和精益的方法已经取得了成功。最小可行产品（MVP）提供了早期的投资回报正在成为投资者的首选，因为他们更适应多变的社会经济环境。混合管理概念模型通过结合“瀑布”、“精益”和“敏捷”方法，将改进的沟通、灵活性和减少设计更改结合起来。Hybrid基于全面质量管理（TQM）和准时制（JIT）原则[1]。基于渐进、迭代和渐进交付的“快速项目”的敏捷选项敏捷需要在需求、目标、治理、健康和安全方面对质量进行管理和监督为了支持成功的敏捷交付，项目信息模型（PIM）是通过项目的设计和施工阶段生成的。PIM确保其包含的数据（如需求或会议记录）在每个项目阶段都得到验证本确认确认其准确性、符合标准和最终完整性。这些信息通常作为唯一的真实来源存在于业主信息要求（EIR）和通用数据环境（CDE）中，整个项目团队对此共同负责。1.1. 研究提案本文提出了一&种基于人工智能（AI）的数据市场验证与验证（VV）模型。该方法管理来自智能建筑、基础设施、城市或房地产系统的实时和静态数据流，以应对数字和数据挑战。该模型采用分层流程进行数据验证和数据验证，每个阶段的用户通过人工智能算法提供一层数据抽象、增值服务和真实性。分类、聚类和预测是V V模型中的三个主要AI应用&。拟议的数据市场的实际应用包括三个验证层铜牌验证：通过将其插入分布式账本技术（DLT）进行数据选择，检索和过滤。银验证：数据分析报告不符合预定阈值，范围或规则的不合规值，作为增值服务。银验证对保险公司、财产管理者或运营商都有价值黄金验证：基于多种AI算法和机器学习（ML）模型的数据预测 黄金验证对城市或资产管理者以及城市或房地产开发商具有价值。DLT实现了一个安全和分散的解决方案，每个用户都保留和维护信息的副本，因此消除了对集中式权限的要求。 安全性通过加密密钥和签名来实现。数据市场的V V模型的概念验证基于伦敦大学学院该模型已应用于两个实际应用：1）实时数据：纽卡斯尔大学智慧城市项目，其中数据通过API提取;2）静态数据：伦敦大学学院房地产PEARL项目，其中数据通过网页从不同的项目利益相关者收集并存储到PIM中。1.2. 办学格局和体系第2节提供了关于V V模型和数据市场的全面研究背景。第3节介绍DLT。第4节定义&了数据市场的V V模型，而第5节描述了其概念证明和实验结果。最后，在第6节中分享了结论。2. 研究背景验证&与确认由独立的方法组成，这些方法根据要求和规范确认产品、系统甚至服务是否满足其计划目的。 V &V是质量管理体系的关键环节.验证方法通常包括基于建模、模拟或真实实验的测试，随后对获得的结果进行分析，以确认是否符合初始设计要求、规范和法规。 这些测试可以在开发期间或开发后阶段进行。另一方面，验证确保用户、客户、客户和其他涉众的操作需求都包括在内。 验证方法还包括建模或模拟流程，以预测技术故障或功能差距。数据市场是基于云的在线平台，将数据生产者与数据消费者联系起来。他们的运营模式基于企业和政府愿意支付外部数据，以增强或丰富其内部数据集，从而通过市场或人口统计研究获得竞争优势。与此同时，数据生产者或应用程序用户渴望出售自己生成的数据，作为额外的收入来源。2.1. 验证和确认验证与确认的主要问题&之一是正确选择相关技术，以发现缺陷。有许多V &V方法和统计技术，虽然它是不切实际的，以适用于所有这些。此外，同一垂直行业内的不同行业、部门、业务，甚至产品、系统或服务，都需要特定&的验证与确认程序。 验证&与确认技术和方法可以根据不同的特征及其对不同模型和模拟的适用性进行分类。有效和高效的验证与确认方法包括这些精确的特征：访问真实系统的数据、虚拟模拟的适用性要求类型和研究类型，以及最终访问源代码[2]。不幸的是，V V的概念&是司空见惯的，这两个术语被认为是可以互换的。 定义符嵌入在单词的开头，基于V &V和系统工程“V”模型明确表示其上下文[ 3 ]。基于代理的仿真是成本效益的方法进行V V评估，虽然他们提出的挑战。虽然有几种模型标准用于设计、验证、确认和表示，但不同的理论策略以及模型与现实之间的关系往往仍然不清楚[4]。1) 软件V V在软件开发的生命周期中发挥着关键作用，特别是在安全关键领域。信息物理系统（CPS）由物理子系统和软件子系统组成。 各种工具可用于模拟的基础上，使CPS和V &V过程的设计，虽然他们的集成带来了很大的互操作性的挑战。一个解决方案是基于开放标准语言和SandboX的建模和仿真开源软件环境 [5]。软件验证的竞争需要一个彻底的●●●W. 塞拉诺区块链：研究与应用3（2022）1001003对每个自主软件验证器进行比较评估，以确保有效性和效率[6]。2) 人工智能基于神经网络的控制器控制自主机器人的行动的基础上分析的激光雷达图像。 这种方法通过有限状态抽象从安全角度进行了验证[7]。 手动软件图形验证具有多个静态和动态对象的显示仪表板是一项耗时的任务，会产生额外的错误。 一种从复杂的合成背景中检测图形符号的方法根据基于深度学习的软件要求验证图形符号和字母数字对象[8]。为AI和机器学习系统的开发者和用户提供了标准验证与确认检查表的多维度AI记分卡表[9]。&评估自主水面舰艇导航算法的VV方法是基于手动开发的有限场景的模拟。 测试方法结合了基于强化学习的神经网络训练，为自治系统选择具有挑战性的sce- narios [10]。3) 安全关键系统基于技术的安全关键系统对新功能的需求日益增长这种商业软件和硬件的快速结合带来了额外的风险，威胁生命的漏洞增加。安全关键系统的开发框架由传统方法组成，并包括记录不同系统要求的开发过程[11]。建筑物和交通基础设施中的火灾性能模型的设计和监管，促进了火灾模拟和模型的不断发展和应用火灾安全模型的计算流体动力学模型的验证与确认涵盖了基于性能和不同火灾场景的设计中的误差估计[12]。工业安全关键应用（如信号）的正式验证与确认需要根据大量数学假设的公式定义验证规则遗传编程和基于变异的验证技术支持验证规则的开发，以确定这些假设的有效性和完整性[13]。4) 系统工程系统的系统的设计提出了挑战，由于1）大型蛮力测试的当前和独立的应用，在他们可以模拟的条件范围非常有限，2）简单的模型，正式的验证和确认，不反映现实。一个用于验证与确认的系统的系统的仿真模型框架集成了形式分析和仿真验证方法[14]。工业4.0系统中虚拟化控制的开发和操作可用作V V系统生命周期或创建系统综合数字模型的工具然而，在实践中，完全由数字技术构建的数字孪生模型通常不能很好地运行，这是由于缺乏正式的描述或真实系统中的连续时间性质与计算机模型的离散行为之间的不完全同步[15]。5) 互联网的在工业4.0中引入物联网（IoT）可能源于由于启用远程操作而产生的新事故和危险以及低功率和低带宽设备的操作。云计算中物联网环境的扩展还需要针对大型物联网安全关键系统的可扩展V V技术。物联网的软件工程需要软件开发生命周期，并通过对环境的保证措施来支持必须在所有网络、处理和存储级别包含隐私和安全性[16]。6) 自治汽车自动化车辆的V V过程需要安全操作，随机复域和无限维域。的分析系统的临界性将一个无限维域映射到一组有限且可管理的工件上[17]。图像辅助驾驶技术是防撞系统的一部分 3D引擎模拟器使用特定的数据集来测试和验证基于视觉的识别，识别和测距的各种经典算法[18]。7) 区块链和智能合约从集中式信息系统到区块链信息系统的迁移需要一种方法供用户验证。区块链交易中电子文档的有效预验证数据模型基于集成验证方法[19]。此外，智能合约的V &V提出了包括各方共同理解和意图、软件代码和自然语言合约的问题[20]。8) 机器人机器人故障对公民、企业、保险和认证公司的影响要求制造商和软件开发人员确认软件代码的最关键部分是可靠的，并且没有错误，并获得正式的V V认证 [21]。机器&人的V V必须考虑不同模型的共存和彼此的完整性，包括电信和中间件层。此外，机器人中人工智能的验证和&确认还必须将人类的存在和交互作为过程的一部分。软件密集型系统中COTS组件和接口的标准化，同时仍符合国际标准，对验证和确认过程提出了很高的要求，并突出了机器人技术和新太空时代的挑战[22]。9) 图像在新闻报道中，照片被用作明显的材料;因此，被操纵或篡改的照片会产生错误信息，这是对新闻业的不信任。 图像验证行业必须平衡取证自动化和人类体验，以保护受众免受不准确信息传播的影响[23]。10) 供应链供应链的验证&和确认由多项技术支持，特别是射频识别（RFID）和DLT。&供应链RFID架构的验证与确认的多代理架构包括一个由四个层组成的税务系统：读卡器芯片的物理层、介质访问控制协议的通信层、提供不同服务的中间件的集成服务层以及识别和跟踪应用层[24]。工业4. 0对供应链可持续性的研究总结将其分为1）绿色物流和运输，2）社会制造和共享经济的创新商业和服务模式，以及3）基于物联网的能源管理[25]。 该研究分析了区块链在有效部署可持续发展和循环经济方面的潜力，特别是延长产品寿命，最大限度地利用资源和减少排放。 区块链通过设计专门的代币来促进绿色行为，增强产品生命周期的可追溯性，提高不同系统的效率，降低开发和运营成本，并增强可持续发展监测和企业绩效报告的能力。W. 塞拉诺区块链：研究与应用3（2022）1001004供应链企业对企业（B2B）集成的要求包括交易时间戳、信息流的监控和跟踪、信息交付的端到端安全性、云集成以及可以嵌入区块链技术的标准等功能[26]。创建VALTE方法是为了通过分析、指定、设计和执行阶段来验证和测试供应链中的软件元素[27]。特别是，一个合作的供应链规划应用程序进行评估，它如何解决互操作性的挑战，部署一个V V过程中的供应链联盟。区块链及其在效率，可靠性和透明度方面的优势被用作数字供应链的支柱，因为它能够降低物流成本，同时改善运营和优化入站流程[28]。实际应用包括在欧洲的电子商务食品零售商的业务管理的方法和框架区块链在供应链中的适用性和性能4.0和智能物流，应用Hyperledger Sawtooth与经过时间证明（PoET）算法[29]。绩效评估是根据实体和业务的复杂性在两个智能物流场景下进行的。区块链 在 食 品 和 药 品 供 应 链的两个实际集成（Ambrous和Modum）在区块链标准，存储架构，跟踪设备，通信协议和安全漏洞方面进行了研究。不同的跟踪组件包括QR标签，物联网传感器设备和传输网络，包括RFID，近场通信（NFC），蓝牙低功耗（BLE）和基于通用分组无线业务（GPRS）和3G的蜂窝网络。2.2. 数据市场数据市场使用户而不是数据服务提供商能够拥有数据。这一功能是Web3和Web2之间的主要区别，Web2支持基于区块链技术的新版本万维网及其相关的去中心化和基于令牌的经济学。DLT提供复制、共享和同步数据的一致性，这些数据分散在地理上分散的集中式数据库或权威机构。1) 区块链和智能合约解决方案解决方案将区块链与智能合约和数据市场相结合，以实现公平性和独立性[31]。该解决方案通过高级功能和非功能需求和服务以及整体架构图来指定 研究项目“回收4.0”是数据市场的实际应用，可以改善回收过程。该实现包括区块链、平台安全性、数据完整性、数据质量、交易和支付[32]。去中心化数据市场的安全微服务基于许可的区块链网络和智能合约，提供可审计、可扩展和去中心化的数据交易[33]。该方法将数据市场功能和安全性集成到几个容器化的微服务中，以低计算成本提供给每个设备，同时提供可扩展性和可扩展性。基于区块链的无信任数据交易系统可以最大限度地减少欺诈风险和执行的交易数量，从而降低相关费用[34]。数据生成方和购买方达成具有约束力的协议，数据交易在链下进行，最终结算在转入存款或资金提取后在链上进行。基于区块链的可信数据市场实现了数据的可信交换机制，特别是信用评分[35]。该研究确定了阻碍创新的内在数据问题，并提出了理论区块链设计。工业边缘应用的去中心化市场通过区块链实时实现边缘设备上应用安装的可追溯性，以存储所有交易和小额支付的智能合约[36]。的Marketplace基于雾计算来集成资源有限的边缘设备。支持去中心化服务市场创新方法的无信任中介概念利用区块链智能合约消除了市场中介中建立信任机制的要求。交易支付和争议协议在没有可信第三方的情况下执行，以减少进入壁垒，锁定和交易成本[37]。基于区块链解决方案的数据市场被表示为权重定向图，其中边对数据交换进行建模，顶点识别各种供应商和客户[38]。基于以太坊的分布式在线市场支持电子商务交易中的买家和卖家，而无需集中管理或授权功能[39]。2) 数据数据市场通过基于区块链的分布式大数据平台实现，以保证数据交易的准确性[40]。数据市场使数据供应商和消费者能够通过混合、重组或重新分析共享数据来获得价值。 协作平台支持数据提供者和用户之间的交换，只有在数据请求和数据供应之间的描述性元素匹配之后，数据才会共享[42]。 数据价格通过基于其在网络、存储和处理能力内的分配分配给每个数据项的最佳数字来有效地保证[43]。一种机制有效地分配实时训练数据购买并提供AI优化。该方法基于预测任务和准确性[44]。知识共享利益中的开放数据提供者和开放数据用户相互关联，以扩大生态系统内的知识转移[45]。2D空间数据市场指定基于映射逻辑表示的数据模型作为四叉树[46]。3) 经济模式数据市场中协作定价的基准建立在三个原则之上：不披露、自由交易和自由回报[47]。 ProDataMarket是一种共享和货币化与房地产资产相关的地理空间数据的架构[48]。框架直接为ML模型项目定价，而不是为数据本身定价[49]。一个透明的货币化系统应用以太坊DLT和Solidity智能合约来平衡跟踪物联网数据的额外开销与精确度[50]。最后，经纪人通过根据数据所有者的贡献为他们分配价值来促进数据共享[51]。4) 智能城市智慧城市的数据市场解决方案可以由多个基于数据源的所有权和操作的模型数据共享激励应避免巩固可能操纵其价值的垄断[52]。IOTA是一种为物联网网络开发的区块链技术，支持点对点交易，而无需集中管理，通过应用程序编程接口（API）从智能城市的不同传感器收集信息。5) 物联网一个用于交易物联网数据的动态去中心化市场的平台建立在不可信的经纪人基础上，这些经纪人根据消费者的要求选择和匹配可能的数据提供商[54]。数据生产者和购买者对作为物联网数据流进行交易和交换，而无需任何先前的互惠信任假设[55]。物联网设备供应商和AI/ML解决方案提供商在一个基于区块链的、去中心化的、W. 塞拉诺区块链：研究与应用3（2022）1001005345无信任数据市场产生创新服务[56]。审计平台认证数据所有者的声誉或在其交易交换之前交易的数据[57]。智能物联网集成器（I3）是一种实时数据市场架构，数据经纪人在其中购买原始数据，实施数据分析，并出售精炼的数据流[58]。该模型使用基于MQTT协议的订阅代理，并集成了身份验证和访问控制模块[59]。一种有效的方法通过消费者的预算和提供商对安排的物联网数据服务的收入之间的平衡来解决数据消费者的请求[60]。6) 语义Corda由R3 1公司开发，旨在隐私和可扩展性方面表现出色，主要用于金融行业。Corda支持智能合约，其中两个用户或组之间的交易对他们或参与共识的用户可见。Corda不包含任何原生加密货币。2) HyperledgerHyperledger基于LinuX2基金会创建的区块链，由三个主要框架组成：Fabric，Sawtooth和Besu。● 由IBM公司开发的Fabric是一种许可的分类帐，基于云中传感器虚拟化的11个物联网平台联合建立的数据市场应用于不同的应用领域，以确保不同数据流之间的集成。语义方法通过元数据和动态上下文数据支持数据准备[62]。 语义Web技术基于描述访问策略的语义模型自动处理用户的请求[63]。7)隐私和个人信息Sterling是支持隐私保护交易的私有数据集的去中心化市场该平台将部署在无需许可的区块链上的智能合约应用于可信执行环境[64]。从物联网设备生成的个人数据被交易，保护数据生成者的隐私和数据权利[65]。WibsonTree是一种加密原语，旨在通过验证用户个人属性上的谓词而不发布其值来保护用户的隐私[66]。一个基于云的动态市场，交易近实时的人类感知数据，在传统信息技术（IT）基础设施尚未开发的环境中提供服务[67]。用于医疗保健行业的数据市场框架基于元数据和数据属性而不是原始数据本身进行交易[68]。“Digital Me”部署人工智能代理作为消费者和供应商之间的中介，根据通用数据保护条例（GDPR）[ 69 ]对个人数据进行匿名处理。物联网产生的个人数据是根据全面分析进行交易的，特别是针对数据许可框架内的挑战和风险[65]。3. 分布式账本技术DLT基于公钥密码、分布式对等网络和共识机制，旨在在非信任环境中运行。DLT提供的信任支持数据市场，因为它提供可信度并保证交易数据的价值，可追溯性和真实性 将资产、信息或货币转换为数字令牌并在数据市场中进行交易，使企业能够更安全、更可扩展和更快地转移资产。代币化为企业提供了新的投资和股权模式的机会;此外，它还激励和支持负责任和透明的治理体系。基于他们的技术有不同的DLT，主要是区块链和有向无环图（DAG），如IOTA或Hashgraph。 DAG不基于块，也不需要每个节点连续同步整个信息。私有DLT支持企业的特定需求，包括参与者隐私，交易机密，更高的性能和更大的可扩展性，以及权限和治理管理，其中可以调整gas限制和区块大小以支持每个区块更多的交易大多数DLT都是开源的，以支持分散的应用程序生态系统。1）Corda支持智能合约，并将实用拜占庭容错（PBFT）作为其主要共识算法。Hyperledger支持同一节点上的多个分类账和私有数据的交换，因此，提供了一个模块化的解决方案和高交易处理。Sawtooth由Intel公司开发，使用Python编写，基于PoET共识协议。Sawtooth通过执行并行事务、将应用程序与核心分离以及提供自定义事务处理器来解决区块链的性能问题 由于这些特性，Sawtooth适合分散式应用和企业应用。 Sawtooth支持以太坊智能合约和Solidity，并包括其他编程语言的几个SDK。Besu是一个由Ethereum公司创建的开源以太坊客户端，它是用Java编写的 Besu可以部署在公共网络和私有许可网络上。Besu支持几种共识算法，包括工作量证明（PoW）和权威证明（PoA），特别是伊斯坦布尔拜占庭容错（IBFT）和Clique。3) 法定人数Quorum6基金会支持智能合约平台，用于许可的区块链网络和企业应用程序。它基于以太坊区块链分叉的Go实现 Quorum利用基于投票和IBFT的共识算法来支持更高的事务速度和更高的吞吐量。 Quorum通过以太坊协议层之上的一层中的私有交易标识符来确保数据隐私。 该架构基于数据库分段，用于与网络节点共享的公共状态和仅与特定节点共享的私有状态。4) IOTAIOTA7组织设计物联网应用程序，特别是基于DAG的M2M微交易，以将交易存储在其分类账上。Tangle，IOTA DAG，是为高可扩展性，高交易，无费用和几乎立即传输而开发的。新的交易通过验证少量以前的交易进行交换，而不收取费用;用户支付的唯一费用是验证两个交易所需的PoW。Tangle架构中的互连不需要在整个账本中进行完整的验证。相反，所有各方同时进行验证;因此，完成交易所需的精力和时间减少了1www.r3.com。2www.linuX foundation.org。3www.ibm.com。4www.intel.com。5www.consensys.net。6www.consensys.net/quorum。7www.iota.org。●●W. 塞拉诺区块链：研究与应用3（2022）1001006¼¼5) HasgraphHashgraph 8技术也基于DAG来验证交易，而不是矿工和区块。Hashgraph共识协议被称为gossip，其中节点将交易发送给网络中的随机成员，并带有上一次交易的历史记录以进行验证。这就产生了整个信息在所有成员之间的流通。Hashgraph支持基于其虚拟投票方法与异步拜占庭容错（aBFT）共识算法相结合的大事务速率哈希图技术是专利，唯一授权的分类账是Hedera哈希图，这限制了与其他软件应用程序的互操作性。6) 以太坊以太坊9组织为去中心化金融（DeFi）应用程序提供智能合约功能以太坊解耦了智能合约层，使其运行在底层以太坊区块链之上以太坊支持许可（私有）和非许可（公共）分布式账本，可以选择将数据或价值从私有网络桥接到公共网络。 这种互连支持外部治理责任，包括争议解决、仲裁和可追溯性;与外部分布式应用程序和其他私有或公共区块链的交互;更广泛的市场和用户;以及最终资产安全。以太坊的公共和私人生态系统是最发达和最受考验的，受益于创新。4. VV数据市场模型4.1. 定义数据市场模型被定义为X个数据项的M维宇宙，其中宇宙中的每个个体实体或数据与其他实体或数据不同数据市场从其被创建为关系U的全域，该关系U由一组X M元组组成，U ^{v1，v2，…,i的数据属性值1，2，...，X.在开发这个拟议的V V模型时，重要的概念是数据定义为Dt（n（t），v），其中：n（t）是具有1NM的可变N维向量。n（t）是可变的，因此可以根据增加的值添加或删除值图1.一、 数据市场用户。DLT：分布式账本技术。数据监管机构确保相关法律和权利支持数据市场的用户。此外，监管机构管理数据市场，以满足法律合规性和治理要求，包括相关税收。4.3. 模型数据市场模型由一个分层过程组成，其中四个不同的用户验证和验证数据，以提高认证或增值服务方面的质量。V V，VNM的过程定义为：水平层用户（1，Dt（n（t），v）在时间或阶段t的数据值v定义为：服务M N● t是表示为时间t的VV阶段，其中t>0。v¼Xm2×Xn（1）● v是数据Dt在时间t的值。m¼1n14.2. 用户数据市场模型的拟议验证&和确认包括四种用户类型（图1）。①的人。用户可以是人，也可以是机器。 数据市场中的信息由每个用户存储在DLT解决方案中，因此支持透明度和分散化。数据销售商拥有数据，并将其价值作为信息资产进行商业化。数据购买者购买信息而不是数据本身作为资产，以从其准确性和可靠性中获益，例如保险公司，地方当局，房地产经纪人和代理商。数据经理负责数据市场及其在中立性、维护、数据结构和服务水平协议（SLA）方面的治理。8www.hedera.com。9www.ethereum.org。每一个横向的n层作为数据检查器，以确认插入市场的数据，而每一个垂直层则从数据的过滤、聚合和细化方面对数据进行分析，以满足基于AI的不同客户的信息需求简而言之，水平N越大，数据越真实，垂直M越大，越有价值。 2）。作为一个实际的场景，本文提出了一种青铜级、白银级和黄金级验证服务方法。1) 青铜认证铜牌验证确保数据是真实和可信的，并将其插入DLT。这一层的目的是使用数据作为一般的信息源，如可视化或仪表板的排名人工智能基于分类算法，包括朴素贝叶斯，决策树，随机森林，支持向量机和k最近邻将输入变量划分为不同的类，然后使用监督学习预测给定输入的类2) 银级认证银验证插入了一层增值服务分析●●●●●●●W. 塞拉诺区块链：研究与应用3（2022）1001007þ¼×图二、 数据市场模型。数据的价值 银验证用于环境、社会和治理（ESG）、保险或设施管理等审计目的，以确认系统或资产是否符合法律或法规，即：智能建筑内的火灾报警系统监控或能源消耗。银色验证将任何关键绩效指标（KPI）组装为不同用户之间的基准基于聚类算法（包括k均值、模糊或分层）的无监督学习AI根据组成员之间的相似性将数据点划分和组织成组3) 黄金认证GoldVerification提供大数据模型来分析多个数据源并预测未来价值。这一层对资产管理公司或房地产开发商来说很有价值AI和ML基于回归算法，包括线性回归、套索回归、逻辑回归、多元回归和多元回归，通过监督ML算法从输入数据点4.4. 奖励V &V数据市场模型提供的主要经济回报是信息的透明度和可访问性。 由于其增强的商业化，保险费减少或较低的物业或设施管理费，这将产生更高的资产价值。次级奖励包括天然气价格和采矿过程中产生的交易费用4.5. 经济模式数据市场支持知识经济，并由于当前大数据在数量和速度方面的挑战而带来新的商业机会。 数据或市场情报公司能够通过应用ML或AI算法，基于数据分析或精炼服务提供价值和多样性。数据市场支持组织通过外包这些服务来减少管理和处理自己数据的工作和成本。验证与确认数据是数据驱动型决策市场的重要资产，其在数据市场中的交易提供了宝贵的M2M、M2H和H2H服务，具有以下几个优势：1）额外的验证与确认方法和技术将发现更多的故障或缺陷，2）数据可用性将使验证与确认过程更快，并获得更多的经验教训，3）降低生产成本数据可以用法定货币或加密货币支付，以减少额外金融中介的延迟或费用。 部署此解决方案的成本基于CAPEX和OPEX。资本支出包括设计、开发、DLT软件开发的选项：通过开源软件作为CAPEX进行内部部署，或作为云服务作为OPEX进行外包5. 实验结果为V &V数据市场模型概念验证选择的DLT基于以太坊区块链，因为它与DeFi应用程序和Java大型机的互操作性得到了验证。 用于拟议的V &V方法的DLT运行通过Go Ethereum（Geth）实现的私有区块链和通过Solidity实现的智能合约。该基础设施是在Java Maven上开发的，嵌入了区块链和由Web3j库管理的 为了简化计算，挖掘仅由Java服务器执行，用户仅保留私有账本的副本。天然气价格、交易费用和采矿时间值直接从Geth平台获得。由于私有区块链是通过开源软件在内部开发的，因此服务器硬件和软件编码时间包括在CAPEX成本中，而OPEX仅包括电力消耗。 数据市场模型的概念验证已经通过纽卡斯尔智能城市的实时数据、伦敦大学学院PEARL的静态数据和内部实验的一般数据进行了验证。5.1. 实时数据-纽卡斯尔智慧城市验证与确认的基本原理是将实时测量转化为与潜在数据客户相关的更简单的指标 来自纽卡斯尔城市天文台智慧城市项目 10的数据是通过基于JavaScript对象表示法（JSON）数据结构的开放协议RESTful（表述性状态转移）API提取的（图1）。 3）。每个验证或验证过程都会生成两个智能合约交易：数据插入（DI）：由创建增值服务的算法生成● 数据值（DV）：表示V V值v实验结果的目的是确认数据市场模型的概念证明，而不是数据本身的验证和&确认。此外，变量被认为是独立的，尽管它们存储在同一个区块链中。表1定义了一个月数据收集验证过程中使用的变量表2定义了智能合约的区块链地址和天然气价格。 由于软件限制，区块链的数据输入被限制在500个值。1) 横向验证不同的验证阶段确认从不同的智慧城市传感器提取的数据是真实的（图1）。 4）。 表3显示了区块链中五个数据变量验证阶段和智能合约DI和DV的平均值。实验结果还包括相应的交易费用，天然气价格和采矿时间。水平验证（表3）展示了一般的区块链等式交易费用（GWEI）GasLimit Gas Price，其中Gas Limit是一个常数值（2.20E 10）。 从交易费用和挖掘时间的角度来看，DI比DV更昂贵。 这是由于DI在块结构中存储更大量的数据，一个双精度数组，而不是DV存储的单个整数（图1和2）。5和6）。交易费用和挖矿时间与存储在区块链上的数据量并不完全线性相关 主要原因是Go Ethereum共识算法（Ethash，工作量证明）和挖掘过程的随机性。安装、采购、部署和培训阶段，而OPEX涵盖解决方案的管理和维护有两个10https://urbanobservatory.ac.uk/。●W. 塞拉诺区块链：研究与应用3（2022）1001008表3实时数据-水平验证-智能合约和区块链。审定阶段数据输入天然气价格（GWEI）交易费（GWEI）开采时间V Vvaluev图三. 数据市场架构。初始化不适用2.58E-05 5.69E-03 1.09E-03 01-DI 500 1.49E-06 3.27E-02 1.79E-03 11-DV 1 4.20E-04 9.24E-04 7.68E-042-DI 500 1.26E-03 1.55E-03 22-DV 1 2.70E-04 5.94E-04 8.24E-043-DI 500 1.93E-05 4.24E-03 2.31E-03 33-DV 1 2.70E-04 5.94E-04 7.42E-04注：DI：数据插入，DV：数据值，V和&V：确认和验证。表1数据变量参数。可变单位数据点平均最大值Min值特别事项2.5微克m-32974 4.37 20.32 0.19一氧化碳μg m-31089251.69489.04187.69声音DB37,63264.868754人员计数人42300.0160车辆数车42300.3970表2实时数据智能合约参数。参数值账户地址合同地址0X a35b5e29e84161c9aa75d519dd8f947f7e8eeea0X 18b89d51cb0c30c07fbedf710ebb76fe87748e18气体限制22，000，000，000汽油价格21，000图四、 实时数据水平验证。图五. 实时数据-横向验证-交易费用。DI：数据插入，DV：数据值。图第六章 水平验证-采矿时间。DI：数据插入，DV：数据值。2) 垂直核查不同的垂直验证阶段为数据提供增值服务（图7）。青铜验证通过API将提取的JSON数据引入智能合约，对其进行分类，并确认其真实性。银验证将上述值W. 塞拉诺区块链：研究与应用3（2022）1001009●-见图7。 实时数据-垂直验证。见图8。静态数据-垂直验证-交易费用。DI：数据插入，DV：数据值。平均值作为不符合标准的值的简单表示或规则 黄金验证预测下一个不合规值。 由于银验证的值被视为时间序列，因此预测算法基于长短期记忆（LSTM）网络。表4显示了区块链中不同验证阶段的五个数据变量的平均值，包括交易费用、天然气价格和采矿时间。垂直验证确认了交易费（GWEI）方程，其结果与之前的水平验证一致（表4）。 交易费用和挖矿时间更多地取决于区块结构，而不是区块本身存储的相对信息量（图1和图2）。第8和第9段）。由于DI在块结构中存储的数据量比DV大，因此交易费用和挖掘时间更高。5.2. 静态数据-UCL珍珠验证&与确认的基本原理是分析存储的文本，以提供简短和可变的相关信息，满足不同数据客户的需求。 PEARL（个人环境活动研究实验室）是伦敦大学学院第一个净零碳在用建筑。 PEARL被用作城市原型实验室，以创建全尺寸环境，测试人们如何使用基础设施和城市。伦敦大学学院成立了“数字化颠覆”联盟，以在现场试验新技术，包括测试PIM平台，以获取有关建设项目的关键信息。PEARL已被选为安全实验室，通过项目管理的分阶段网关方法为消防安全和其他法定数据建模创造了理想的机会表4垂直验证-智能合约和区块链。见图9。静态数据-垂直验证-挖掘时间。DI：数据插入，DV：数据值。PIM Web页面通过Web页面从项目利益相关者获取信息，其中信息通过HTTPS协议传输并存储在SQL数据库中（图1）。 10）。所提出的V V模型将检索到的信息存储在区块链中基于人工智能自然语言处理（NLP）的验证阶段外包给Google CloudServices API。具体来说，NLP包括三个服务（表5）：审定阶段数据输入天然