[论文解读] Certifying Provenance of Scientific Datasets with Self-sovereign Identity and Verifiable Credentials

Iain Barclay, Swapna Krishnakumar Radha+3 more|arXiv (Cornell University)|Apr 6, 2020

Scientific Computing and Data Management参考文献 10被引用 15

一句话总结

本文提出了一种去中心化框架，利用自我主权身份（SSI）、去中心化标识符（DIDs）和可验证凭证（VCs），对科学数据集的来源和可信度进行密码学认证。通过发布机器可验证的凭证（如伦理来源声明和数据完整性声明），出版商使用户能够无需依赖中心化机构即可密码学地验证数据集的真实性，显著提升了共享科学数据的可信度与重用率。

ABSTRACT

In order to increase the value of scientific datasets and improve research outcomes, it is important that only trustworthy data is used. This paper presents mechanisms by which scientists and the organisations they represent can certify the authenticity of characteristics and provenance of any datasets they publish so that secondary users can inspect and gain confidence in the qualities of data they source. By drawing on data models and protocols used to provide self-sovereign ownership of identity and personal data to individuals, we conclude that providing self-sovereignty to data assets offers a viable approach for institutions to certify qualities of their datasets in a cryptography secure manner, and enables secondary data users to efficiently perform verification of the authenticity of such certifications. By building upon emerging standards for decentralized identification and cryptographically verifiable credentials, we envisage an infrastructure of tools being developed to foster adoption of metadata certification schemes, and improving the quality of information provided in support of shared data assets.

研究动机与目标

• 解决由于对数据质量和来源的信任不足而导致科学数据集重用率低下的问题。
• 使数据集出版商能够发布关于数据集属性（如伦理来源和数据完整性）的密码学生可验证声明。
• 利用去中心化身份标准（DIDs 和 VCs）构建一个密码学安全、保护隐私且可互操作的信任模型。
• 通过软件代理和标准化协议，支持二级用户对数据集凭证的自动化验证。
• 将所提出的认证模型与现有数据基础设施（如 DOIs）集成，以增强科学领域中的信任。

提出的方法

• 该方法采用自我主权身份（SSI）原则，为每个数据集分配一个去中心化标识符（DID），使其能够作为自我主权实体运作。
• 创建一个数据集代理（DSA）作为具有私钥和公有 DID 的软件进程，代表数据集参与信任交互。
• 出版商使用包含诸如“数据哈希”和“数据伦理来源”等声明的 JSON 格式模式，向 DSA 颁发可验证凭证。
• 凭证由出版商密码学签名，并通过其密码学哈希与数据集绑定，确保不可逃脱的关联性。
• 用户可通过其公有 DID 连接到 DSA，检索凭证证明，并使用出版商的公钥和信任锚点验证其有效性。
• 该系统利用现有标准（如 Hyperledger Aries（ACA-Py）和 Evernym 平台）进行原型开发和端到端验证。

实验结果

研究问题

• RQ1 科学数据集出版商如何发布关于数据集属性（如伦理来源和数据完整性）的密码学生可验证声明？
• RQ2 去中心化标识符（DIDs）和可验证凭证（VCs）能否用于构建一种信任模型，使用户能够在不依赖中心化机构的情况下验证数据集的来源？
• RQ3 所提出的系统如何支持二级用户对数据集凭证的自动化、机器可读验证？
• RQ4 将基于 SSI 的凭证机制与现有数据基础设施（如 DOIs 和元数据标准）集成的技术与架构要求是什么？
• RQ5 如何将选择性披露和零知识证明等隐私保护技术整合到数据集认证中？

主要发现

• 所提出的框架成功使数据集出版商能够发布密码学签名的凭证，将声明（如伦理来源和数据哈希）通过其 DID 直接绑定到数据集。
• 凭证验证具有密码学可证明性：用户可使用公钥验证确认凭证的真实性、完整性和未撤销状态。
• 该系统支持通过软件代理实现自动化信任验证，这些代理可主动连接到数据集代理（DSAs）并检索可验证的凭证证明。
• 已使用 ACA-Py 和 Evernym 平台实现工作原型，展示了凭证颁发、存储和验证的端到端功能。
• 将基于 SSI 的凭证与现有标准（如 DOIs）集成是可行的，并能显著提升科学数据共享中的信任与透明度。
• 该方法支持选择性披露，并可未来扩展支持零知识证明，从而在保持可验证性的同时提升隐私保护。