金色深核｜对话PlatON曲俊杰：如何定义新的数据计算形式？

互联网苦数据隐私久矣。

漫长的数据泛滥时代，成就了很多以数据为核心要素挖掘价值的平台和企业。而当用户、监管者意识到数据价值应该归于用户时，却已感到无力实现。

因为这将是一次用户、平台、监管者三方长期聚焦才能改变的持久战，更何况在意识到其重要性与制定规则、研发技术、落地之间，还隔着诺大的空洞。

在这样的背景下，区块链项目却向数据隐私发起了集中式的挑战。

以同态加密、多方计算、可信执行环境、零知识证明等一系列技术为代表的区块链隐私计算项目，在尝试将数据保护起来，融合区块链的权益归属和激励方式，改变数据隐私现状。

《金色深核》栏目获悉，4月中旬，隐私计算网络PlatON将上线主网，在主网运行半年后，还会继续上线隐私计算层，将把隐私计算服务、数据发现等为数据搭建的服务流程上线。

PlatON团队集中了金融、密码学、数据服务、公链等多背景研究人才，以解决数据隐私为目标，已聚焦于将关于数据的协议根据法规细化，详细区分数据流通过程的所有权定义。

而为了将网络性能提升至为数据隐私所用，PlatON对网络的设计也极有特色，从PlatON的第一版白皮书中可以发现，整个网络结构分为了3层，包含区块链总帐本的layer1、隐私计算层layer2、跨链输出层layer3。主网上线的时间会成为整个架构启用的开始。

PlatON主网结构里的layer1和layer2

此前，为了金融数据领域的尝试，在2020年8月，PlatON上线了先行测试网Alaya，该网络聚焦于金融数据层面的测试。而PlatON主网将代表着对更广泛数据服务的开始。

PlatON很早就进入了《金色深核》栏目的研究视野，在主网上线之前，为了更详实的了解PlatON的部署，《金色深核》栏目策划人王航与PlatON CTO曲俊杰进行了深度对话，对网络功能分配、网络设计、隐私计算面向数据的范式实现等进行了探讨。

在本文中，你将获取到以下关键信息：

1.Alaya先行网对金融领域的偏向性会更强。而PlatON主网对layer2隐私计算层偏向会更强；

2.PlatON的layer2不只是为了扩容；

3.主网上线半年左右，PlatON网络会推出隐私计算层。

4.PlatON在通过数据、算力的隐私保护模型去定义出一个“面向数据的计算方式”。

5.PlatON在安全计算硬件上已经有很大突破，对于现阶段的公开算法提高了100倍左右。

6.因为数据种类繁多，属性复杂，PlatON正在用复杂的协议去定义数据法规的细节。

PlatON CTO 曲俊杰

以下为对话实录，经《金色深核》栏目整理，力求还原对话过程中的精彩部分，以飨读者。

Alaya与PlatON

《金色深核》栏目策划人王航：

第一个问题关于Alaya与PlatON，PlatON主网即将上线，但此前已经先发布了Alaya先行网，为什么要分主网和先行网？

这样的安排，是否很像Kusama先行网和Polkadot主网的部署，两个网络的功能作用是如何分配的？

PlatON CTO 曲俊杰：

以Kusama和Polkadot做比喻，有类似的地方，也有完全不一样的地方。

类似的地方是，一个是先行测试网，一个是主网。不同的是，Alaya是侧重金融基础设施的沙盒，PlatON要做隐私计算网络和分布式经济基础设施，其核心是对数据做隐私计算处理，而数据是多种多样的，在数据类别里，金融数据是比较成熟完善的，所以对沙盒（Alaya）来讲是个很好的落地的实验对象。

所以，Alaya是一个聚焦金融的沙盒和先行示范区，会成为各种新功能和新实验的区域。

PlatON是我们的主目标，是未来的隐私计算网络和分布式经济基础设施，今年在主网推出之后，再过半年左右的时间，PlatON会再次推出一个隐私计算层，这个计算网络里会包含服务发现、数据发现、算力发现等等。

重新定义layer1、2、3

《金色深核》栏目策划人王航：

那Alaya对金融领域的偏向性会更强。PlatON对layer2隐私计算层偏向会更强。

PlatON CTO 曲俊杰：

可以这么说，不过关于layer2的定义，我也想跟你探讨一下。

的确我们现在有layer1、2甚至layer3的定义。但其实这些是上一代区块链生态的一种定义。

例如以太坊生态里的layer2主要为了扩容，我们已经在Layer1做到了，我们的layer2很明显并不是为了扩容。是着眼于数据，着眼于隐私分布式计算。

所以现在定义的分层是传统视角，在PlatON的世界里，我们希望重新定义layer1、2，甚至可以没有layer1、2，是一个整体的区块链基础设施，它包括了记账、共识治理等等，是经济和生态建立的基础。

另外，传统对于layer3也没有一个准确的定义，我认为我们的layer3，更准确的描述是把隐私的功能，通过类似跨链协议的方式，输出给其他的公链和生态。

以此去重新定义layer1、2、3。

《金色深核》栏目策划人王航：

此前在全面了解PlatON的时候，看到了咱们的文档叙述里面，有一个layer3的定义，但我发现layer3的这一层的特性，包含了子链模块和多链模块。

对比后发现，它似乎很像是一个偏向于为应用层提供的SaaS（主要提供隐私能力输出）。

而再看layer2，像您说的并没有完全用 layer 2扩容，layer2的特性是包含多方计算的隐私计算层和巨大的算力集成。

这个部分很像云计算架构里面的中间层部分。

最后layer1是一个区块链的总账本。

所以我认为用123这种传统分层的方式，确实不够清晰，可能会在功能上产生混淆。更好的理解应该是站在将它定义为一个面向服务的云架构，区块链层就是IaaS，layer2就是PaaS，上层就是SaaS，我认为值得用这样的方式对比理解。

PlatON CTO 曲俊杰：

layer分层概念是我们的第一版白皮书为主解析出来的。现在区块链行业迭代因为open source的特点发展非常快，我们也认为该进一步梳理类似像刚才提到云服务架构这些。

此外，平台还包含存储、算力等。

SaaS PaaS都是比较成熟的概念，我们可以把算力、存储通过新的模式最终抽象成为一个隐私数据的分布式计算平台。

如果对比传统云架构，PlatON也具备优势。

在云架构里，很难合理的去按照经济模型去分配各方的贡献。而PlatON是通过数据、算力的隐私保护模型定义出一个叫做面向数据的计算方式。

就像区块链和数据库的对比，

区块链的把这种分布式数据库和经济模型、治理模型结合在一起。而PlatON希望把现有的云服务架构的概念拆分之后，启用新的面向数据的计算形式。可能是通过一种新的协议、算法变成另外一种维度的重新组合。

PlatON 的数据隐私是如何塑造的？

《金色深核》栏目策划人王航：

明白。我有一个思考。这中隐私数据服务的范式。如果to c就是APP，to b的就是服务，在应用端，是不是会割裂的比较严重？最终发展博弈后，可能会比较偏向to b，或者形成企业Service平台？

PlatON CTO 曲俊杰：

你的这个问题问的很好。我们的思考是to c也罢，to b也罢，甚至还有to g。

从PlatON角度上分析，它的核心是数字时代数据该怎么办？在数据处理维度上的三者关系（数据提供方、平台、监管方）到底该如何去重新定义？如何变成一个更好的更健康的关系？

c端大众，是原数据的提供方。平台是把数据计算后挖掘出价值。而监管方可能会主导某些发展方向，因为某些数据里边会有公共数据。

而且将来数据产生不限于c端，未来各种机器，这些数据的所属权，他们和它们的利益，应该归属谁。

《金色深核》栏目策划人王航：

明白，那就是重新定义、制定数据所有权的具体规则。

相比其他项目，大多是实现数据做可用而不可见，这种对权益的拆分和数据本身的归属性拆分完成的并不详细。

这种范式和标准，我想到您原来说过一个词汇，叫多元异构数据流动的标准化，如果这种范式可以嵌入标准化的流程里，就像形成一个通用语言一样，可以部署到任何的位置，通过一个简易的SDK接入，就可以实现对这种范式的部署。

PlatON CTO 曲俊杰：

是的，我们的确希望通过实际商用落地逐渐把它定义清楚。

《金色深核》栏目策划人王航：

我还详细的问一下，像您刚才说的，如果一份数据，然后它是属于APP还是属于用户，还是属于平台？

这种定义有没有实现的demo，或者这种范式的基础标准。

PlatON CTO 曲俊杰：

协议的实现我们正在一步步推进。

原则上，首先要保证数据隐私，例如数据可用不可见。先把数据保护起来。另外是把权益和数据结合，我们已经尝试发布了一个隐私token协议。

因为数据种类繁多，属性复杂，需要用很复杂的协议去定义，需要不停的修订以保证保证数据权益最后落地，落地在不同的国家、政体，符合不同的法律法规。这个部分挑战很大。

例如欧洲 GDPR，其定义数据权益里有一条是可遗忘性，也就是说这个数据的所有方要求删除，你必须彻底干净的删除，不删除就涉及违法。

为了实现以上的需要，数据的定义协议需要有2个特点：

1.足够通用

2.具备灵活的可调整的空间

所以需要全面考虑协议框架怎么做。以身份举例，PlatON在参与 W3C国际标准的did身份制定，包含身份该怎么管理、怎么授权等。

最后，还要注意，在很多领域里，还会有一些特殊的部分。

例如金融是一个难真正落地的领域，第一与钱相关，任何创新都可能造成投资者损失。第二具有高度的法律法规保护。这些会造成有些创新难度，建议法律上开辟蹊径，例如沙盒，政府规定在沙盒里可以有相当程度的创新。

不过，我们坚信在金融领域里一定会有翻天覆地的好应用，把资金的流动、风险管控、投资者保护等这些传统金融费了很大的人力、财力、时间去做的东西，非常简洁的、可靠的做出来。

PlatON网络的并行能力

《金色深核》栏目策划人王航：

那PlatON的并行计算是如何体现的呢？现在计算能力，会局限于什么？

PlatON CTO 曲俊杰：

这块简单点讲是因为隐私计算有很多种。

一部分算法非常复杂，极度占用计算资源，另一部分其过程对数据的处理，需要反复多次传输、加密后再组合。

所以这几部分很适合做并行计算的处理，很早时。我们研发了一套语言，能够把安全多方计算的公式编译成门电路。

门电路的优势在于有前后逻辑关系就可以形成有向无环图DAG，实现之后，并行计算就不是问题了。

另外并行计算还体现在，为了快速验证所有默克尔树之间的逻辑关系，二叉树等结构可以拆分验证，并行计算完成后再根据密码学算法把最后两个节点合起来。但不是所有的都可以并行。

《金色深核》栏目策划人王航：

明白。我觉得可以理解为每一个计算电路，都是分片。

PlatON CTO 曲俊杰：

可以这么理解，只是分场景去实现。

《金色深核》栏目策划人王航：

您刚才说的门电路是跑在什么的设备里呢？硬件给予什么样的能力呢？

PlatON CTO 曲俊杰：

我们现在的硬件已经有很大的突破，比现在的市面上公开的算法提高了100倍左右，也优于微软。

这样的性能，的确是因为我们在硬件上做了一些尝试，但因为不同场景带来的密码学算法复杂度不同，其算法本身会有限制。

而数据计算时，除了GPU和带宽外，有些算法可能只适合100条数据和另一方1000条数据做协同计算。

一旦是2个G的数据和另一方10个G的数据协同计算，就完全不能商用了。

我们在做的是，最大程度的组合优化，根据不同的数据复杂度和算法复杂度、通讯复杂度，在不同的场景里不同的密码学算法接力计算，最后完成最优级的效果。

《金色深核》栏目策划人王航：

除了PlatON，我知道还有一个解决方案是PlatONE，两者在计算资源上有共享吗？

PlatON CTO 曲俊杰：

我们是以PlatON为主， PlatONE的是使用PlatON DNA的联盟链。

如果PlatONE有数据，有算力或者是有好的模型想共享开放出来，可以作为可以PlatON的子链，把它的能力发布到链上，供其他人发现使用。

所以资源共享，其实是一主一辅的关系，不是单纯的共享。

PlatON 架构设计的小故事

《金色深核》栏目策划人王航：

咱们刚才聊的整体看下来，我觉得是很符合工程化思维的，为了去实现数据隐私计算的工程目标，借鉴整合了多个部分，然后把它组合到一起。

例如在咱们整体的架构里面，可以看到云计算架构的设计，看到分层的设计，看到跨链，看到算力的管理和输出，那PlatON内部是怎么去推进开发过程的？从开发讨论到实施的推进流程什么样的？

PlatON CTO 曲俊杰：

这个行业是比较新的，经常有新的输入，通过内部的学习讨论，可能会此前的一些方案给颠覆掉。

我们内部例如肖总、孙总，他们在战略级别会有很多洞见。

我们非常坚定的大方向是数据隐私、分布式AI。

而一直持续的修订过程会来自于PlatON的各种专家团队、技术生态委员会、生态发展委员会等。

核心团队还会与外部专家有一些定期的沟通。包括美国、新加坡、香港，日本，中国的合规应用有什么动向？密码学研究有没有新的实现，如何优化？硬件是否能优化等等。

《金色深核》栏目策划人王航：

插问您一个小问题，PlatON什么时候开始确认整个架构设计的？

PlatON CTO 曲俊杰：

我们的整体架构在第一版白皮书就定义清楚了。

此前有过很深度的封闭讨论，被称作香山会议，讨论的内容例如包括要做计算的解耦，使用双层结构。

《金色深核》栏目策划人王航：

我知道PlatON 有非常庞大的密码学团队，关于密码学团队的工作状态是什么样的？

PlatON CTO 曲俊杰：

他们的自由度是非常高的，想研究什么都可以，只要出成果，只要能为整个社区做贡献就可以。

我们会从工程方面出命题，固定某个场景。有趣的是，有时候团队会告诉你这个做不了，但是过几天又告诉你，也许能做，可以这样做尝试。

对于某个单独的场景，一般会有多个研究方向，只要有一个方向突破了，就可以用了。

《金色深核》栏目策划人王航：

最后一个观点性的问题，外界对可编程电路的成本比较担心，那可编程电路的成本，目前来说是可控的吗？

PlatON CTO 曲俊杰：

我的观点是这样，如果是指 MPC相关的成本，假如在APP里实现，数据怎样进行隐私计算，电路的价值和使用频度相关。只要是使用频度高，有相当的价值体现点，成本就不是问题。

因为这些硬件还没有大规模商用，所以现在都是处于烧钱研究的状态。从我们基金会的角度来讲，暂时不考虑成本问题。

而对于商用来说，我们的确会考虑如何把这个问题做解耦，可能通过尽量做到模块化、通用化，可以实现固定成本，具体实现还有待研究。

当解耦和模块化的实现到达一定成熟程度，又有落地场景的价值覆盖成本，那个时候，成本问题只会是一时的。