[发明专利]一种银行可信数据校验方法

说明书

本发明公开了一种银行可信数据校验方法，所述银行可信数据校验方法包括对接收的待处理数据进行跨时间一致性、统计一致性和内在一致性分析，实现对数据可信度的评估校验。过本发明的可信数据校验方法，实现了一套标准化的对数据可信度评估流程，能够让企业有效的评估第三方海量数据的被篡改风险。同时，本发明方法评估通过的第三方数据，能有效降低数据被篡改风险；因为该方法体系使得单点或小范围修改数据是无法通过评估，而需要把有关联性的数据全量修改，且要符合关联性的特点，才能通过。这样能极大的提升要数据篡改的成本，使得评估有效的同时，还能有效抑制数据篡改者的执行意图。

技术领域

本发明属于数据校验领域，尤其涉及一种银行可信数据校验方法。

背景技术

大数据是数字时代的新型战略资源，亦是服务创新、驱动发展的重要抓手。随着互联网及金融科技公司崛起、信息壁垒被打破，大数据和信息科技正逐步颠覆银行过往的业务模式。传统银行在产品更新迭代、客户体验优化等方面变得落伍了。

银行数字化转型的必要性逐渐显露。体现在三个方面：1.数据源不再只有行内数据，第三方数据价值贡献明显提升。2.数据处理能力(处理数据量与时效性)、整合能力重要性日益明显。3.数据决策场景愈加广泛，对数据质量要求越来越高。

银行数字化转型的本质，就是要挖掘大数据价值，实现数据价值变现，服务于业务，随着数字化转型持续发展，技术能力不断完善，数据价值变现逐渐进入深水区，如何评估量化数据资产价值成为首要解决问题。目前数据资产价值量化其中首要，也是最主要的一环即数据可信度评估，如果数据不可信或被篡改，那即使数据质量与价值在高也没有任何意义。

现有技术方案主要通过5个维度，对数据可信进行保证：

维度1可信的数据源，原则：机器不会说谎。

数据可信的基础，是数据获取的数据源的来源，是真实的机器数据。可信执行环境(TEE,Trusted Execution Environment)在数据源的信任方案，是基于Intel芯片的SGX以及基于ARM开源框架的TrustZone是可信执行环境中最被广泛认知且应用的。

维度2可信的数据传输环境，原则：数据源头开始非对称加密。

当前中心化的互联网结构，因为数据一旦在公网上传输，就有可能被盗取赋值。非对称加密，可以保证去中心化环境下数据传输环节的可信。通用解决技术方案：在智能设备上实现非对称加密方案RSA加密方案。

维度3可信的数据云计算和校验，原则：多方计算，少数服从多数。

在数据分布式处理过程中，可能产生错误，影响数据可信性。解决方案是“安全多方计算”(Multi Party Computation)，是图灵奖得主姚期智院士提出，其提出场景为百万富翁问题，就是“在没有可信第三方的前提下，两个百万富翁如何在不泄漏自己真实财产的状态下比较谁更有钱”。及多个持有私有数据的参与方，共同执行一个计算逻辑并获得计算结果。但在过程中，参与的每一方均不泄漏各自数据的计算。

维度4可信的智能合约框架，原则：安全域+可信基。

首先，利用TEE技术将合约引擎和必要的交易处理以及密码学运算单元集成封装在“安全域”(Safety Margin)。在区块链的TEE合约链中，合约分为隐私合约和明文合约。隐私合约的代码和相应的数据加密存储，仅在TEE内部解密执行，相应的回执和状态均加密存储于外部数据库。

联盟链服务器端硬件架构采用INTEL SGX，形成可信基(Trusted computingbase,TCB)。TCB是非常重要的，一旦可信基的某个构件出现程序错误或者安全隐患，就对整个系统的安全造成危害。与之相反，如果除TCB之外的系统的其他部分出现问题，也只是泄漏了系统安全策略赋予它们的相关权限而已，这些权限一般都是比较低的。

这二者将构建一个可信区块链环境，支持明文合约及隐私合约。