
区块链可以为数据共享带来哪些改变
当前,在社交网站上共享文字和照片,并分享彼此的喜怒哀乐,已经成为大众生活的重要组成部分。
随着时代的进步,共享正逐步走入实体社会,共享单车、共享雨伞、共享充电宝、共享汽车等一系列共享经济模式横空出世,给人类的生活带来了巨大的便利。
作为一种分布式共享账本,区块链技术似乎天生就和共享密不可分,业界人士也不断宣称这种技术能给共享带来革命性的进步。
那么,区块链式共享与互联网式共享究竟有何不同呢?本文以数据共享为例,对这一问题进行解答。
区块链共享的不仅仅是数据
数据共享是人与生俱来的需求,比如,在咖啡馆谈人生理想、执笔书写文字等等,这些都是普通人用来和他人交流信息的重要方式。
互联网的出现,打破了数据共享在地域和时间方面的限制,它可以让不同人在地球的不同位置进行即时交流,电子邮件、网上即时通讯等技术的出现大大提高了信息传输的效率。
此外,互联网可以汇集海量的数据,提供了比纸质档案更大的容量,让用户在很短的时间内获取丰富的信息。
那么,在区块链技术下,这一切有何不同呢?
事实上,区块链技术关心的并非是数据的共享,而是数据控制权限的共享,此处的权限主要是指数据的修改和增加的权力,它主要包含两个含义:
一是谁可以进行数据的修改
二是以何种方式进行修改。
在互联网模式下,数据读取、写入、编辑和删除一般都伴随着身份认证操作,只有特定的人才能对数据进行修改,而在区块链模式下,尤其是公有链体系下,任何人都可以参与对数据的读写,并且以分布式账本的方式构建了一个去信任的系统,参与读写的各个组织或个体可以互不信任,但能对系统存储数据的最终状态达成共识。
简单地说,区块链式共享和互联网式共享的本质区别在于区块链共享的不仅仅是数据,而是数据的控制权。那么,区块链究竟怎样处理数据控制权呢?
区块链通过规则来控制数据
在区块链技术出现之前,互联网数据通常是被单一实体控制的。由于网站运营方完全控制了中央服务器,这些组织可以随意地编辑和处理数据。虽然组织也需要在一定的法律和协议下完成数据修改等行为,但由于其是掌握资源的一方,个人用户很难享有完全的控制权。
举一个简单的例子,某一用户上传了一张照片到网站平台上,并且希望朋友们能看到这张照片。排除掉一些非法要素,这张照片最后的控制权是归谁呢?
显然,从用户的角度来看,这张照片是归自己所有的,但事实上,这些社交网站才是真正的控制方,他们可以随意的进行修改,用户却毫无办法。
也就是说,在现有互联网体系下,只要掌握了网站平台的运营权,就能完全地控制平台上的数据。
而在区块链体系下,数据不被任何权威方掌握,其权限是由规则来进行控制的,这些规则的主要目标是来规定什么样的信息是有效的,同时还规定了参与者应当如何对其进行反馈。
这些规则通常是预先定义的,加入区块链网络的参与者必须遵守规则。当然,从技术上来说,参与者可以自行忽略某些规则,并根据自身利益来构建一些无效的数据。但是,由于区块链共识机制的存在,其他参与者可以根据预定义的规则将这些无效数据排除在网络之外。
比如,在苏宁金融上线的区块链黑名单共享平台系统中,就有很多这样的规则——没有积分不得查询数据,本机构数据只有本机构有权限修改,等等。一旦有机构做了一次规则外的操作,这些操作会作为无效交易,禁止其发生。
总的来说,区块链根据技术层面的规则体系来规范数据的写入行为,而互联网是通过权力和资源来控制数据,这是区块链式共享和互联网式共享的根本性区别。
区块链规则由参与者共同维护
虽然在互联网环境内,也存在着一些规则,但是由于规则完全是由权力方来维护的,难以避免会出现暗箱操作等行为。而在区块链体系内,规则是由所有参与者共同维护的,各参与方都会根据规则来独立的验证数据。
在这一过程中,我们并不能假设所有参与者都能完全依照规则,因此,每一位参与者都会独立的验证其接收到的数据,并判断其是否违反规则。如果核实数据是有效的,那么参与者就会接受这份数据,并将其转发给其他人,否则,就会直接拒绝。
在区块链网络内,只有当相关参与者同意后,新数据才能被视为有效数据,并将其加入到最终的区块链共享账本中。
根据区块链的构造方式,数据的确认方式有较大的区别,比如,在公有链中,需要大部分参与者都同意数据的有效性,而在联盟链或私有链中,只需要少数参与者同意即可。
在这种方式下,参与者自身就是管理者,这就是区块链去中心化最为核心的表现形式:没有机构高人一等,具有完全的数据的控制权限。
区块链是以权限分享的形式,让每个参与者同时作为数据提供方、验证方和使用方,共同维护区块链数据的安全和有效性。
自从区块链火热之后,万物皆可区块链似乎成为行业的广告词,尤其是一些数据共享型应用会被认为是区块链的极好案例。
事实上,互联网的出现已经在一定程度上解决了数据共享的问题,区块链实现的是权限的共享,这才是区块链给业界带来的最革命性的变化。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
训练与验证损失骤升:机器学习训练中的异常诊断与解决方案 在机器学习模型训练过程中,“损失曲线” 是反映模型学习状态的核心指 ...
2025-09-19解析 DataHub 与 Kafka:数据生态中两类核心工具的差异与协同 在数字化转型加速的今天,企业对数据的需求已从 “存储” 转向 “ ...
2025-09-19CDA 数据分析师:让统计基本概念成为业务决策的底层逻辑 统计基本概念是商业数据分析的 “基础语言”—— 从描述数据分布的 “均 ...
2025-09-19CDA 数据分析师:表结构数据 “获取 - 加工 - 使用” 全流程的赋能者 表结构数据(如数据库表、Excel 表、CSV 文件)是企业数字 ...
2025-09-19SQL Server 中 CONVERT 函数的日期转换:从基础用法到实战优化 在 SQL Server 的数据处理中,日期格式转换是高频需求 —— 无论 ...
2025-09-18MySQL 大表拆分与关联查询效率:打破 “拆分必慢” 的认知误区 在 MySQL 数据库管理中,“大表” 始终是性能优化绕不开的话题。 ...
2025-09-18DSGE 模型中的 Et:理性预期算子的内涵、作用与应用解析 动态随机一般均衡(Dynamic Stochastic General Equilibrium, DSGE)模 ...
2025-09-17Python 提取 TIF 中地名的完整指南 一、先明确:TIF 中的地名有哪两种存在形式? 在开始提取前,需先判断 TIF 文件的类型 —— ...
2025-09-17CDA 数据分析师:解锁表结构数据特征价值的专业核心 表结构数据(以 “行 - 列” 规范存储的结构化数据,如数据库表、Excel 表、 ...
2025-09-17Excel 导入数据含缺失值?详解 dropna 函数的功能与实战应用 在用 Python(如 pandas 库)处理 Excel 数据时,“缺失值” 是高频 ...
2025-09-16深入解析卡方检验与 t 检验:差异、适用场景与实践应用 在数据分析与统计学领域,假设检验是验证研究假设、判断数据差异是否 “ ...
2025-09-16CDA 数据分析师:掌控表格结构数据全功能周期的专业操盘手 表格结构数据(以 “行 - 列” 存储的结构化数据,如 Excel 表、数据 ...
2025-09-16MySQL 执行计划中 rows 数量的准确性解析:原理、影响因素与优化 在 MySQL SQL 调优中,EXPLAIN执行计划是核心工具,而其中的row ...
2025-09-15解析 Python 中 Response 对象的 text 与 content:区别、场景与实践指南 在 Python 进行 HTTP 网络请求开发时(如使用requests ...
2025-09-15CDA 数据分析师:激活表格结构数据价值的核心操盘手 表格结构数据(如 Excel 表格、数据库表)是企业最基础、最核心的数据形态 ...
2025-09-15Python HTTP 请求工具对比:urllib.request 与 requests 的核心差异与选择指南 在 Python 处理 HTTP 请求(如接口调用、数据爬取 ...
2025-09-12解决 pd.read_csv 读取长浮点数据的科学计数法问题 为帮助 Python 数据从业者解决pd.read_csv读取长浮点数据时的科学计数法问题 ...
2025-09-12CDA 数据分析师:业务数据分析步骤的落地者与价值优化者 业务数据分析是企业解决日常运营问题、提升执行效率的核心手段,其价值 ...
2025-09-12用 SQL 验证业务逻辑:从规则拆解到数据把关的实战指南 在业务系统落地过程中,“业务逻辑” 是连接 “需求设计” 与 “用户体验 ...
2025-09-11塔吉特百货孕妇营销案例:数据驱动下的精准零售革命与启示 在零售行业 “流量红利见顶” 的当下,精准营销成为企业突围的核心方 ...
2025-09-11