[论文解读] Trustworthy 100-Year Digital Objects: Durable Encoding for When It's Too Late to Ask

H. M. Gladney, Raymond A. Lorie|ArXiv.org|Nov 24, 2004

Advanced Data Storage Technologies参考文献 7被引用 5

一句话总结

本文提出了一种持久的数字对象模型，可确保即使原始创建者不再可用，数字信息也能长期可访问。通过将数据编码在自包含的虚拟机环境中，该方法将数据与临时技术解耦，从而能够可靠地渲染复杂数字对象（包括可执行程序），实现长达100年的可访问性。

ABSTRACT

How can an author store digital information so that it will be reliably useful, even years later when he is no longer available to answer questions? Methods that might work are not good enough; what is preserved today should be reliably useful whenever someone wants it. Prior proposals fail because they confound saved data with irrelevant details of today's information technology--details that are difficult to define, extract, and save completely and accurately. We use a virtual machine to represent and eventually to render any data whatsoever. We focus on a case of intermediate difficulty--an executable procedure--and identify a variant for every other data type. This solution might be more elaborate than needed to render some text, image, audio, or video data. Simple data can be preserved as representations using well-known standards. We sketch practical methods for files ranging from simple structures to those containing computer programs, treating simple cases here and deferring complex cases for future work. Enough of the complete solution is known to enable practical aggressive preservation programs today.

研究动机与目标

• 解决当原始创建者不再可用时，如何将数字信息保存100年的挑战。
• 克服现有方法将数据绑定于当前技术的局限性，从而确保长期访问的可靠性。
• 开发一种不仅保存数据，还保存解释数据所需上下文和执行环境的解决方案。
• 通过将数字对象建模为自包含的虚拟机，为保存复杂数字对象（如可执行程序）奠定基础。
• 通过定义完整且已知的持久编码解决方案，使今日即可实施实际且激进的保存计划。

提出的方法

• 使用虚拟机（VM）作为持久执行环境，封装并渲染任何数字数据，无论未来技术如何变化。
• 将数字对象表示为自包含的包，包含数据、元数据以及解释它们所需的VM规范。
• 以可执行程序为案例研究，证明复杂数据类型保存的可行性。
• 针对其他数据类型（文本、图像、音频、视频）定义VM模型的变体，必要时采用已知标准。
• 通过将执行抽象为可移植且规范明确的虚拟环境，将数据与当前系统的实现细节解耦。
• 通过指定足够多的系统细节，确保即使数十年后也能实现实际应用和长期渲染。

实验结果

研究问题

• RQ1 如何保存数字信息，使其在几十年甚至几百年后依然可解释和可用，即使原始创建者已不再存在？
• RQ2 哪些机制可确保复杂数字对象（如可执行程序）在长时间内保持功能性和可理解性？
• RQ3 如何避免数字保存依赖于可能过时或缺乏文档的临时技术？
• RQ4 需要多高的规范程度，才能保证数字对象在遥远未来仍能被正确渲染？
• RQ5 自包含的虚拟机模型能否作为可靠通用基础，实现100年以上对多样化数字数据类型的持久保存？

主要发现

• 所提出的基于虚拟机的模型可确保即使原始软件和硬件环境已消失，也能可靠地渲染数字对象，包括可执行程序。
• 通过将数据和执行上下文封装在自包含的虚拟机中，该方法确保未来系统无需依赖当前技术即可解释和执行数字对象。
• 该解决方案可扩展至所有数据类型：文本和图像等简单格式使用已知标准保存，而复杂类型则依赖虚拟机抽象。
• 已指定足够多的系统细节，使今日即可实际实施保存计划，从而支持激进的长期数据保存策略。
• 该方法通过将数据语义与实现细节分离，避免了以往方法的陷阱，从而确保了独立于技术演进的持久性。
• 该方法为可信的长期数字保存提供了基础，可广泛应用于数字图书馆、档案馆和科学存储库。