CN113744051A - 分布式数据交易方法和系统 - Google Patents

Abstract

本公开提供一种分布式数据交易方法和系统；所述方法包括：基于双向拍卖机制和区块链构建了分布式的数据交易框架，根据数据提供者以往的交易记录计算信誉值，综合考虑了数据消费者和数据提供者的报价，在数据代理的中介下经过多轮次的报价和计算交易量，最终得到了满足数据消费者和数据提供者期望的交易方案。保证了拍卖过程中用户的数据隐私，通过区块链实现了分布式的数据交易，并保证了数据交易的安全性。

Description

分布式数据交易方法和系统

技术领域

本公开涉及数据交易技术领域，尤其涉及一种分布式数据交易方法和系统。

背景技术

当前已有的数据交易市场，如Infochimps、Datacoup、Microsoft Azure Mar-ketplace等仍处于起步阶段，缺乏适用的交易规则。而且，从经济学的角度来看，市场组织者都是自私的，他们追求的是自身利益的最大化，而不是系统的整体效用。现有框架一般以数据代理作为中介来实施数据交易，即数据代理从数据提供者处购买数据，然后将其出售给数据消费者。由于代理的信任危机和数据产品的低复制成本，这些集中式的解决方案会带来数据泄露方面的挑战。双向拍卖是一种“多对多的市场结构”，这种市场中买卖双方都不具有偏向一方的优势，而是相互平等的供求关系。买方由数据消费者担任，卖方由数据提供者担任，拍卖主持者由数据代理担任。拍卖主持者负责收集买卖双方的报价信息和数据信息，并根据数据匹配规则进行匹配，最后确定资源支付价格。

发明内容

有鉴于此，本公开的目的在于提出一种分布式数据交易方法和系统。

基于上述目的，本公开提供了一种分布式数据交易方法，包括：

S1、获取数据提供者的交易记录，根据所述交易记录计算所述数据提供者的信誉值；

S2、数据提供者和数据消费者根据所述信誉值分别计算报价并将所述报价发送给所述数据代理；

S3、所述数据代理根据所述报价计算出交易的数据量，并将所述交易的数据量发送给所述数据提供者和数据消费者；

S4、根据所述交易的数据量，所述数据提供者和数据消费者分别计算出新的报价，并传送给所述数据代理；

S5、循环执行步骤S3-S4，响应于确定所述交易的数据量变动满足预设的阈值，得到交易方案，并将所述交易方案记录到区块链上；

S6、根据所述交易方案，所述数据提供者将数据产品发送给所述数据消费者，完成交易。

基于同一发明构思，本公开还提供了一种分布式数据交易系统，包括：数据提供者、数据消费者和数据代理，其中，

获取数据提供者的交易记录，根据所述交易记录计算所述数据提供者的信誉值；

数据提供者和数据消费者根据所述信誉值分别计算报价并将所述报价发送给所述数据代理；

所述数据代理根据所述报价计算出交易的数据量，并将所述交易的数据量发送给所述数据提供者和数据消费者；

根据所述交易的数据量，所述数据提供者和数据消费者分别计算出新的报价，并传送给所述数据代理；

响应于确定多次提交新的报价计算得到的所述交易的数据量变动满足预设的阈值，得到交易方案，并将所述交易方案记录到区块链上；

根据所述交易方案，所述数据提供者将数据产品发送给所述数据消费者，完成交易。

从上面所述可以看出，本公开提供的分布式数据交易方法和系统，基于双向拍卖机制和区块链构建了分布式的数据交易框架，根据数据提供者以往的交易记录计算信誉值，综合考虑了数据消费者和数据提供者的报价，在数据代理的中介下经过多轮次的报价和计算交易量，最终得到了满足数据消费者和数据提供者期望的交易方案，并将交易方案储存到区块链上。保证了拍卖过程中用户的数据隐私，通过区块链实现了分布式的数据交易，并保证了数据交易的安全性。

附图说明

为了更清楚地说明本公开或相关技术中的技术方案，下面将对实施例或相关技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本公开的实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1为本公开实施例的分布式数据交易方法流程图；

图2为本公开实施例的双向拍卖方法流程图；

图3为本公开实施例的分布式数据交易系统示意图。

具体实施方式

为使本公开的目的、技术方案和优点更加清楚明白，以下结合具体实施例，并参照附图，对本公开进一步详细说明。

需要说明的是，除非另外定义，本公开实施例使用的技术术语或者科学术语应当为本公开所属领域内具有一般技能的人士所理解的通常意义。本公开实施例中使用的“第一”、“第二”以及类似的词语并不表示任何顺序、数量或者重要性，而只是用来区分不同的组成部分。“包括”或者“包含”等类似的词语意指出现该词前面的元件或者物件涵盖出现在该词后面列举的元件或者物件及其等同，而不排除其他元件或者物件。

如背景技术部分所述，现有的数据交易方案还难以满足数据交易需要。申请人在实现本公开的过程中发现，现有的基于单回合双向拍卖机制的数据交易方案未分析买卖双方的报价策略。基于多回合双向拍卖机制的数据交易方案也只研究了买方或卖方一方的报价调整策略，却未考虑他们在加入下一回合拍卖之前可同时调整报价的方式，也未考虑不同的支付规则对匹配算法的影响。同时，当前的数据交易平台在进行数据交易主要存在以下问题：(1)交易过程大多考虑的是自身的效用，忽视了数据消费者和数据提供者的效用。(2)这种中心化的管理方案，一方面很容易遭受单点攻击，从而泄露用户的隐私信息，另一方面，由于数据产品的低复制成本，数据代理自身作恶的成本是极低的，很容易出现数据代理自身泄露数据的隐患。

有鉴于此，本公开提供了一种分布式数据交易方案，具体的，首先基于区块链构建了分布式的数据交易框架，框架中包含3种实体：数据提供者(DP)、数据消费者(DC)和数据代理(DA)。然后考虑信誉度计算了初始的交易报价，通过提出双向拍卖机制来优化上述报价。最终得到了满足数据消费者和数据提供者期望的交易方案，并将交易方案和交易记录储存到区块链上。

可见，本公开的分布式数据交易方案，基于双向拍卖机制和区块链构建了分布式的数据交易框架，根据数据提供者以往的交易记录计算信誉值，综合考虑了数据消费者和数据提供者的报价，在数据代理的中介下经过多轮次的报价和计算交易量，最终得到了满足数据消费者和数据提供者期望的交易方案，并将交易方案和交易记录储存到区块链上。保证了拍卖过程中用户的数据隐私，通过区块链实现了分布式的数据交易，并保证了数据交易的安全性。

以下，通过具体的实施例来详细说明本公开一个或多个实施例的技术方案。

参考图1，本公开一个实施例的分布式数据交易方法，包括以下步骤：

步骤S101、获取数据提供者的交易记录，根据所述交易记录计算所述数据提供者的信誉值。

本实施例中，数据代理DA是数据交易组织者，负责数据交易过程中一些信息的传递。同时在双向拍卖机制中，充当拍卖师。每个DA负责某种类型数据的交易。例如，某些DA负责物联网数据的交易，某些DA负责Internet数据的交易。在联盟区块链中，DA充当选定节点来验证交易。数据提供者DP收集从各种来源(如传感器、移动设备、Internet等)生成的数据，这些数据包含某些属性。数据消费者DC是购买数据并对数据具有某些属性需求的最终用户。数据提供者DP、数据消费者DC和数据代理DA不少于一个。在初始准备阶段，DP和DC使用有效的身份证明(例如居民身份证、企业营业执照等)向DA注册成为合法实体，包括公、私密钥的一对密钥将被分配给他们。DP和DC使用私钥生成钱包地址来参与数据交易。随后，DP和DC根据数据的类型将交易请求发送到相应的DA，DP的请求包括其数据的数量和属性信息，DC的请求包括其属性需求。

本步骤中，用信誉来描述DP的可信性。DP提供的数据产品，数据质量越高，数据传输越稳定，DP的信任度越好，相应的信誉越高。信誉模型是通过DC在交易完成后对DP的评价而建立的。模型的构建考虑了数据质量和数据传输效率。DC采购的数据主要用于数据挖掘和机器学习。数据质量越高，训练的模型越好。

步骤S102、数据提供者和数据消费者根据所述信誉值分别计算报价并将所述报价发送给所述数据代理。

步骤S103、所述数据代理根据所述报价计算出交易的数据量，并将所述交易的数据量发送给所述数据提供者和数据消费者。

步骤S104、根据所述交易的数据量，所述数据提供者和数据消费者分别计算出新的报价，并传送给所述数据代理。

步骤S105、循环执行步骤S103-S104，响应于确定所述交易的数据量变动满足预设的阈值，得到交易方案，并将所述交易方案记录到区块链上。

本实施例中，DP、DC和DA可以多于一个，存在一组DA，记作A，a_k∈A，1≤k≤K。一段时间内，a_k收集DP和DC的数据交易请求。设定，P和C分别表示DP和DC的集合。P中包含J个DP，p_j∈P，1≤j≤J，p_j向a_k提交其数据属性集合

和数据量

C中包含I位DCs，c_i∈C，1≤i≤I，c_i向a_k提交其属性需求集合

在完全满足c_i属性要求的情况下，c_i对数据量的最大需求为

最小需求为

接收到DC的属性需求后，DP为每个DC提供相应的数据产品，数据产品的属性是DP可以提供的属性与DC的属性需求的交集。例如，p_j将为c_i提供数据产品PC_j,i，它的属性集合为M_j,i，

c_i的满意度函数可以表示为：

其中δ_i表示c_i的个人偏好，0＜δ_i≤1，高偏好表示对数据服务的高需求，如经常旅游的人比上班的人更关心天气服务，可以由习惯、需求等定义。χ_i表示其余DC对c_i的影响，

β_i,j表示数据产品PC_j,i对c_i的可用性，计算方法如下：

其中，θ_i是c_i根据经验设定与的阈值。q_j,i表示p_j对c_i的信誉值，计算方法由后边介绍的信誉值模型给出。x_i,j表示c_i从p_j购买的数据量。

p_j的成本函数可以表示为：

其中，y_j,i表示p_j卖给c_i的数据量。

和

表示成本参数。

因为DC想要最大化满意度，而DP试图最小化成本。因此，DA作为数据代理需要尽可能的满足双方的需求。从社会的角度来看，数据交易应该最大化社会福利，实现有效的市场均衡。DA致力于解决社会福利最大化的问题(称为SW)，以匹配DC和DP的数据交易请求。社会福利问题的目标函数可以表示为:

y_j,i≤N_j，1≤j≤J，

x_i,j＝y_j,i，1≤i≤I，1≤j≤J，

y_j,i≥0，1≤j≤J

SW是严格凹的，带有紧凸约束，因此在Karush-Kuhn-Tucker(KKT)条件下存在唯一的最优解。通过带入已知条件，得到拉格朗日函数L₁:

其中，

φ_i，

γ_i,j，η_i,j和κ_i,j表示约束条件的拉格朗日乘子，它们对应的向量形式为φ，

γ，η和κ。从平稳条件来看，SW的最优解满足以下条件:

为了解决SW，DA需要了解DC和DP真实完整的信息，如DC的个人偏好、DC想购买的数据量、DP的成本参数等。此信息可能泄露DP和DC的个人隐私，因此，DP和DC可能不愿意提供此信息。为了解决这一问题，由DA充当拍卖师。c_i向a_k提交报价B_i，

p_j向a_k提交报价D_j，

在交易的重复调整报价(拍卖)过程中，DC将解决数据购买问题(DB)来确定最优的拍卖价格，DB的定义如下：

其中pay(B_i)是c_i的支付函数。

DP将解决数据出售问题(DS)来确定最优的拍卖价格，DS的定义如下：

其中re(D_j)是p_j的回报函数。

在收到DP和DC的报价后，a_k将解决以下最优数据交易分配问题(DA)来计算数据交易量:

y_j,i≤N_j，1≤j≤J，

x_i,j＝y_j,i，1≤i≤I，1≤j≤J，

y_j,i≥0，1≤j≤J。

其中，DA和SW具有相同的约束条件，因此DA也是一个严格凹问题，并且存在唯一的最优解。带入已知条件，得到如下结果拉格朗日函数L₂:

其中，

和

应用平稳条件(一阶导数为0)可得：

为了保证DA和SW具有相同的最优解，需要保证:

和

因此综合本实施例两个拉格朗日函数可以得到：

即DC中c_i和DP中p_j可以按照b_i,j和d_j,i的形式提交报价。

其中，

步骤S106、根据所述交易方案，所述数据提供者将数据产品发送给所述数据消费者，完成交易。

本步骤中，每个实体DP、DC都有自己的账户和钱包。账户用于存储交易记录。钱包用于管理账户中的数字货币。交易完成后，DP和DC使用钱包来进行数字货币的收/付款。通过拜占庭容错机制(PBFT)，至少1/3的DA确认交易，以达成共识。

作为一个可选的实施例，对于前述实施例中的分布式数据交易方法，其还可以包括以下步骤：

步骤S107、所述数据消费者将所述交易记录和对所述数据提供者的评价经过数字签名后发送给所述数据代理。

步骤S108、所述数据提供者检查无误并进行数字签名后回传给所述数据代理。

步骤S109、所述数据代理将所述交易记录打包并将打包后的交易记录存储在区块链上。

本步骤中，储存在区块链中的交易记录可以作为以后交易时计算信誉值的依据。

在一些实施例中，参考图2，对于前述实施例中的双向拍卖步骤S105，其还可以包括以下步骤：

步骤S201、根据所述数据消费者的报价B¹和所述数据提供者的报价D¹，所述数据代理计算得到所述数据消费者的数据交易量X¹和所述数据提供者的数据交易量Y¹，并将所述X¹、Y¹发送给所述数据消费者和所述数据提供者。

步骤S202、根据所述X¹、Y¹，所述数据消费者和所述数据提供者分别计算对应的报价B²、D²，并将所述B²、D²发送给所述数据代理计算X²、Y²。

步骤S203、重复上述步骤得到Bⁿ、Dⁿ、Xⁿ和Yⁿ，响应于确定Bⁿ满足

Dⁿ满足

将所述Bⁿ、Dⁿ、Xⁿ和Yⁿ作为所述交易方案输出，其中，σ、ε为预设的阈值，n为大于1的整数，Bⁿ为所述数据消费者的最终报价，Dⁿ为所述数据提供者的最终报价，Xⁿ为所述数据消费者的最终数据交易量，Yⁿ为所述数据提供者的最终数据交易量。

本步骤中，Bⁿ和Dⁿ之间的差价作为DA的报酬，σ和ε两个阈值可以根据实际情况确定。对于多个DP、DC和DA的情况，同理可以得到响应于对应的B_i ⁿ满足

D_j ⁿ满足

输出对应的B_i ⁿ、D_j ⁿ、X_i ⁿ和Y_j ⁿ。

在一些实施例中，根据所述交易记录计算数据提供者的信誉值包括：根据所述交易记录中的数据包含的信息熵、数据传输效率、数据传输速度、单位数据传输费用和网络的拥塞状态确定所述数据提供者的第一信誉值，并将所述数据提供者的第一信誉值作为所述数据提供者的信誉值。

信息熵可以用来衡量数据的质量。同时数据传输的效率与数据传输的速度和成本有关，作为一个可选的实施例，对于前述实施例中的信誉值，可以建立如下模型，根据如下表达式确定所述DP的第一信誉值，并将所述DP的第一信誉值作为所述DP的信誉值：

其中，DP、DC和DA至少为一个，将DP、DC和DA推广到多个数据提供者、数据消费者和数据代理的情况下，c_i表示所述DC中的第i个，I为大于1的整数，表示所述DC的数量，1≤i≤I；p_j表示所述DP中的第j个，J为大于1的整数，表示所述DP的数量，1≤j≤J；q_j,i表示p_j对c_i的信誉值；H_j,i表示c_i从p_j想要购买的数据所包含的信息熵；

是用于调整数据质量或数据传输的侧重程度的参数；w_j,i表示p_j到c_i的数据传输效率；v_i,j表示数据传输速度；f_i,j表示单位数据的传输费用；C_i,j为常数，表示网络的拥塞状态；dte_j,i表示映射w_j,i到(0-1)的结果。

在一些实施例中，信誉值进一步包括：根据所述第一信誉值和所述交易记录中的历史交易的时间确定所述数据提供者的第二信誉值，并将所述数据提供者的第二信誉值作为所述数据提供者的信誉值。

c_i有可能曾经进行过多次数据交易，c_i会考虑曾经交易过的DP中信誉较好的DP，并且c_i会更考虑近期进行过交易且信誉较高的p_j，因此p_j会存在累积信誉，随着交易时间越久远对当前信誉值的影响越小。如果数据消费者DC与p_j曾经进行过T笔交易，1≤t≤T，影响参数θ_t＝z^T-t，z∈(0,1)，t越大表示距离当前交易越近，影响参数也越大。考虑时间因素，根据所述第一信誉值和历史交易的时间确定所述DP的第二信誉值，并将所述DP的第二信誉值作为所述DP的信誉值，其中，所述历史交易的时间能从所述交易记录中获得，所述第二信誉值根据如下表达式确定：：

进一步的，在一些实施例中，其它DC的评价也会影响c_i对p_j的评价，且与c_i的属性需求越相似，评价的影响越大。因此，p_j的间接信誉值可以表示为：

其中，

表示间接信誉值；dte^ind _j,i表示间接信誉值中映射w_j,i到(0-1)的结果；χ_i,k表示c_i和c_k的相似性。

结合本实施例中c_i对p_j的直接评价第二信誉值与p_j的间接信誉值，最终的第三信誉值的模型可以表示为：

其中

表示最终信誉值；

表示最终信誉值中映射w_j,i到(0-1)的结果。

可见，在本说明书一个或多个实施例中，基于区块链构建了分布式的数据交易框架，框架中包含3种实体：数据提供者(DP)、数据消费者(DC)和数据代理(DA)。DA是数据交易组织者，负责数据交易过程中一些信息的传递。同时在双向拍卖机制中，充当拍卖师。在区块链中，DA充当选定节点来验证交易。DP收集从各种来源(如传感器、移动设备、Internet等)生成的数据，这些数据包含某些属性。DCs是购买数据并对数据具有某些属性需求的最终用户。在数据交易流过程中通过信誉值计算、双向拍卖机制和交易记录打包出块。考虑多维因素建立了数据提供者的成本函数和数据消费者的满意度函数，以构建了以最大化社会效益为目标的优化函数。通过对优化函数的求解得到了合适的数据提供者和数据消费者的报价，最终得到了满足数据消费者和数据提供者期望的交易方案，并将交易方案和交易记录储存到区块链上。保证了拍卖过程中用户的数据隐私和买卖双方的效益平衡，通过区块链实现了分布式的数据交易，并保证了数据交易的安全性。

需要说明的是，本公开实施例的方法可以由单个设备执行，例如一台计算机或服务器等。本实施例的方法也可以应用于分布式场景下，由多台设备相互配合来完成。在这种分布式场景的情况下，这多台设备中的一台设备可以只执行本公开实施例的方法中的某一个或多个步骤，这多台设备相互之间会进行交互以完成所述的方法。

需要说明的是，上述对本公开的一些实施例进行了描述。其它实施例在所附权利要求书的范围内。在一些情况下，在权利要求书中记载的动作或步骤可以按照不同于上述实施例中的顺序来执行并且仍然可以实现期望的结果。另外，在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中，多任务处理和并行处理也是可以的或者可能是有利的。

基于同一发明构思，与上述任意实施例方法相对应的，本公开还提供了一种分布式数据交易系统。

参考图3，所述分布式数据交易系统，包括：数据提供者、数据消费者和数据代理，其中，

获取数据提供者的交易记录，根据所述交易记录计算所述数据提供者的信誉值；

数据提供者和数据消费者根据所述信誉值分别计算报价并将所述报价发送给所述数据代理；

所述数据代理根据所述报价计算出交易的数据量，并将所述交易的数据量发送给所述数据提供者和数据消费者；

根据所述交易的数据量，所述数据提供者和数据消费者分别计算出新的报价，并传送给所述数据代理；

响应于确定多次提交新的报价计算得到的所述交易的数据量满足预设的阈值，得到交易方案，并将所述交易方案记录到区块链上；

根据所述交易方案，所述数据提供者将数据产品发送给所述数据消费者，完成交易。

上述实施例的系统用于实现前述任一实施例中相应的分布式数据交易方法，并且具有相应的方法实施例的有益效果，在此不再赘述。

所属领域的普通技术人员应当理解：以上任何实施例的讨论仅为示例性的，并非旨在暗示本公开的范围(包括权利要求)被限于这些例子；在本公开的思路下，以上实施例或者不同实施例中的技术特征之间也可以进行组合，步骤可以以任意顺序实现，并存在如上所述的本公开实施例的不同方面的许多其它变化，为了简明它们没有在细节中提供。

尽管已经结合了本公开的具体实施例对本公开进行了描述，但是根据前面的描述，这些实施例的很多替换、修改和变型对本领域普通技术人员来说将是显而易见的。

本公开实施例旨在涵盖落入所附权利要求的宽泛范围之内的所有这样的替换、修改和变型。因此，凡在本公开实施例的精神和原则之内，所做的任何省略、修改、等同替换、改进等，均应包含在本公开的保护范围之内。

Claims (9)

1.一种分布式数据交易方法，包括：

S1、获取数据提供者的交易记录，根据所述交易记录计算所述数据提供者的信誉值；

S2、数据提供者和数据消费者根据所述信誉值分别计算报价并将所述报价发送给所述数据代理；

S3、所述数据代理根据所述报价计算出交易的数据量，并将所述交易的数据量发送给所述数据提供者和数据消费者；

S4、根据所述交易的数据量，所述数据提供者和数据消费者分别计算出新的报价，并传送给所述数据代理；

S5、循环执行步骤S3-S4，响应于确定所述交易的数据量变动满足预设的阈值，得到交易方案，并将所述交易方案记录到区块链上；

S6、根据所述交易方案，所述数据提供者将数据产品发送给所述数据消费者，完成交易。

2.根据权利要求1所述的方法，其中，所述方法还包括：

所述数据消费者将所述交易记录和对所述数据提供者的评价经过数字签名后发送给所述数据代理；

所述数据代理将所述交易记录和对所述数据提供者的评价发送给所述数据提供者；

所述数据提供者检查无误并进行数字签名后回传给所述数据代理；

所述数据代理将所述交易记录打包并将打包后的交易记录存储在区块链上。

3.根据权利要求1所述的方法，其中，所述循环执行步骤S3-S4，响应于确定所述交易的数据量变动满足预设的阈值，得到交易方案，包括：

根据所述数据消费者的报价B¹和所述数据提供者的报价D¹，所述数据代理计算得到所述数据消费者的数据交易量X¹和所述数据提供者的数据交易量Y¹，并将所述X¹、Y¹发送给所述数据消费者和所述数据提供者；

根据所述X¹、Y¹，所述数据消费者和所述数据提供者分别计算对应的报价B²、D²，并将所述B²、D²发送给所述数据代理计算X²、Y²；

重复上述步骤得到Bⁿ、Dⁿ、Xⁿ和Yⁿ，响应于确定Bⁿ满足

Dⁿ满足

将所述Bⁿ、Dⁿ、Xⁿ和Yⁿ作为所述交易方案输出，其中，σ、ε为预设的阈值，n为大于1的整数，Bⁿ为所述数据消费者的最终报价，Dⁿ为所述数据提供者的最终报价，Xⁿ为所述数据消费者的最终数据交易量，Yⁿ为所述数据提供者的最终数据交易量。

4.根据权利要求3所述的方法，其中，所述数据消费者的报价表示为：

其中，c_i表示所述数据消费者中的第i个，I为大于1的整数，表示所述数据消费者的数量，1≤i≤I；p_j为所述数据提供者中的第j个，J为大于1的整数，表示所述数据提供者的数量，1≤j≤J；q_j,i表示p_j对c_i的信誉值；b_i,j表示c_i对p_j的报价；x_i,j表示c_i从p_j购买的数据数量；β_i,j表示p_j的数据产品对c_i的可用性；χ_i表示其余数据消费者对c_i的影响；

表示c_i对数据数量的最小需求；

所述数据提供者的报价表示为：

其中，d_j,i表示p_j对c_i的报价；y_j,i表示p_j交易给c_i的数据数量；

和

表示成本参数。

5.根据权利要求4所述的方法，其中，b_i,j和d_j,i满足社会福利最大化问题SW，所述SW为：

SW:

其中，ST_i表示c_i的满意度函数：

δ_i表示c_i的个人偏好，0＜δ_i≤1；

CO_j表示p_j的成本函数：

所述数据消费者的报价根据数据购买问题DB确定：

DB:

其中，pay(B_i)是c_i的支付函数，

所述数据提供者的报价根据数据出售问题DS确定：

DS:

其中，re(D_j)是p_j的回报函数，

所述数据交易量根据最优数据交易分配问题DA确定:

DA:

6.根据权利要求1所述的方法，其中，所述根据所述交易记录计算所述数据提供者的信誉值包括：根据所述交易记录中的数据包含的信息熵、数据传输效率、数据传输速度、单位数据传输费用和网络的拥塞状态确定所述数据提供者的第一信誉值，并将所述数据提供者的第一信誉值作为所述数据提供者的信誉值。

7.根据权利要求6所述的方法，其中，所述根据所述交易记录计算所述数据提供者的信誉值进一步包括：根据所述第一信誉值和所述交易记录中的历史交易的时间确定所述数据提供者的第二信誉值，并将所述数据提供者的第二信誉值作为所述数据提供者的信誉值。

8.根据权利要求7所述的方法，其中，所述根据所述交易记录计算所述数据提供者的信誉值进一步包括：

根据其他数据消费者的评价确定所述数据提供者的间接信誉值；

根据所述第二信誉值和间接信誉值确定第三信誉值，并将所述第三信誉值作为所述数据提供者的信誉值。

9.一种分布式数据交易系统，包括：数据提供者、数据消费者和数据代理，其中，

获取数据提供者的交易记录，根据所述交易记录计算所述数据提供者的信誉值；

数据提供者和数据消费者根据所述信誉值分别计算报价并将所述报价发送给所述数据代理；

所述数据代理根据所述报价计算出交易的数据量，并将所述交易的数据量发送给所述数据提供者和数据消费者；

根据所述交易的数据量，所述数据提供者和数据消费者分别计算出新的报价，并传送给所述数据代理；

响应于确定多次提交新的报价计算得到的所述交易的数据量变动满足预设的阈值，得到交易方案，并将所述交易方案记录到区块链上；

根据所述交易方案，所述数据提供者将数据产品发送给所述数据消费者，完成交易。

Images