馬永華

摘要：大數(shù)據(jù)作為數(shù)據(jù)驅(qū)動(dòng)新技術(shù)，廣泛應(yīng)用于檔案歸檔、查閱及檔案信息開(kāi)發(fā)利用等檔案管理工作中，同時(shí)檔案數(shù)據(jù)的大量涌現(xiàn)也給檔案管理帶來(lái)了極大的挑戰(zhàn)。本文通過(guò)應(yīng)用區(qū)塊鏈技術(shù)來(lái)改善檔案管理方面遇到的新問(wèn)題，構(gòu)建具有去中心化、不可篡改、安全可信、信息公開(kāi)、保護(hù)隱私等特點(diǎn)的檔案管理系統(tǒng)。

關(guān)鍵詞：區(qū)塊鏈、檔案管理、去中心化

“大數(shù)據(jù)”（Big data）被美國(guó)政府稱(chēng)之為“未來(lái)的新石油”。從數(shù)字檔案館角度來(lái)看，大數(shù)據(jù)技術(shù)可理解為利用現(xiàn)有的檔案數(shù)據(jù)轉(zhuǎn)化為知識(shí)、幫助檔案館做出決策的工具，主要目標(biāo)是借助于科學(xué)的分析手段和挖掘算法從大量、雜亂、繁復(fù)的數(shù)據(jù)中，整理和分析數(shù)據(jù)，以提高數(shù)字檔案利用率，提高數(shù)字檔案館決策能力、決策效率、決策準(zhǔn)確性。

區(qū)塊鏈（Blockchain）指的是一種鏈?zhǔn)降臄?shù)據(jù)結(jié)構(gòu)，其中鏈上每個(gè)區(qū)塊以時(shí)間順序相連，利用密碼學(xué)等進(jìn)行數(shù)據(jù)交換和存儲(chǔ);而區(qū)塊鏈技術(shù)是指不依賴(lài)第三方，通過(guò)自身的分布式節(jié)點(diǎn)來(lái)進(jìn)行數(shù)據(jù)交換和存儲(chǔ)的一種技術(shù)方案。區(qū)塊鏈技術(shù)作為比特幣的底層技術(shù)，具有去中心化、不可篡改、可追溯、開(kāi)放性和匿名性的特征。區(qū)塊鏈技術(shù)能以其獨(dú)有的優(yōu)勢(shì)保證數(shù)據(jù)質(zhì)量、數(shù)據(jù)安全、數(shù)據(jù)透明性，當(dāng)然也可以改善大數(shù)據(jù)背景下檔案管理工作存在的問(wèn)題，如檔案數(shù)據(jù)增長(zhǎng)快且數(shù)據(jù)復(fù)雜、檔案數(shù)據(jù)資源利用率低、檔案數(shù)據(jù)傳遞不暢等。下面本文將重點(diǎn)討論大數(shù)據(jù)背景下區(qū)塊鏈技術(shù)在檔案館的應(yīng)用。

（一）區(qū)塊鏈技術(shù)可降低檔案數(shù)據(jù)管理成本

要解決檔案數(shù)據(jù)規(guī)模急劇增長(zhǎng)以及數(shù)據(jù)格式、類(lèi)型的復(fù)雜多樣的問(wèn)題，就必須借助于大數(shù)據(jù)應(yīng)用系統(tǒng)?，F(xiàn)有的大數(shù)據(jù)應(yīng)用系統(tǒng)以分布式的方式存儲(chǔ)數(shù)據(jù)，完美解決了數(shù)據(jù)分布問(wèn)題、分布式系統(tǒng)中的容錯(cuò)問(wèn)題，處理大數(shù)據(jù)時(shí)的冗余問(wèn)題。成熟的大數(shù)據(jù)應(yīng)用系統(tǒng)有基于存儲(chǔ)的分布式文件系統(tǒng)GFS（Google file system）、Hadoop，以及李浩源等研發(fā)的基于分布式內(nèi)存的文件系統(tǒng) Tachyon。分布式文件系統(tǒng)利用 RCFiIe、Parquet 等存儲(chǔ)格式優(yōu)化存儲(chǔ)，節(jié)約了存儲(chǔ)空間。以 Hadoop 平臺(tái)為例，首先，數(shù)字檔案館通過(guò) ETL（數(shù)據(jù)倉(cāng)庫(kù)技術(shù)）方法對(duì)分散、異構(gòu)的檔案信息資源進(jìn)行抽取、清洗，然后利用 MapReduce編程模型對(duì)清洗后的數(shù)據(jù)進(jìn)行深層次挖掘分析，最后利用 Hadoop 或 NoSQL 等大數(shù)據(jù)集成技術(shù)將處理后的數(shù)據(jù)存在到各自的數(shù)據(jù)倉(cāng)庫(kù)。大數(shù)據(jù)應(yīng)用系統(tǒng)可存儲(chǔ)、分析、挖掘不同類(lèi)型的檔案數(shù)據(jù)，分析前需要在數(shù)據(jù)的海洋中甄別出那些真正有價(jià)值并且真實(shí)的東西。眾所周知，做數(shù)據(jù)挖掘和數(shù)據(jù)分析時(shí)，大量時(shí)間成本或精力成本花費(fèi)在了有效數(shù)據(jù)的收集和數(shù)據(jù)清洗上。區(qū)塊鏈技術(shù)為用戶(hù)解決了大數(shù)據(jù)分析中的數(shù)據(jù)質(zhì)量、數(shù)據(jù)存儲(chǔ)和管理的問(wèn)題，減少了收集和清洗數(shù)據(jù)的時(shí)間，降低了數(shù)據(jù)分析和挖掘成本。

（二）區(qū)塊鏈技術(shù)可保證數(shù)據(jù)安全、真實(shí)、準(zhǔn)確

運(yùn)用大數(shù)據(jù)系統(tǒng)可管理海量檔案數(shù)據(jù)，用戶(hù)只需簡(jiǎn)單的操作就可以對(duì)海量的檔案數(shù)據(jù)進(jìn)行查詢(xún)和分析，建立數(shù)據(jù)與數(shù)據(jù)之間的關(guān)系模式，提升了整個(gè)檔案數(shù)據(jù)的價(jià)值。運(yùn)用大數(shù)據(jù)技術(shù)可以對(duì)數(shù)據(jù)檔案館的資源數(shù)據(jù)進(jìn)行深度挖掘，找出資源數(shù)據(jù)的內(nèi)在聯(lián)系，可提高數(shù)字檔案資源的利用率，提升數(shù)字檔案資源價(jià)值。大數(shù)據(jù)技術(shù)進(jìn)行挖掘時(shí)對(duì)服務(wù)器等硬件要求很高，容易造成 MDB（message driven bean）損壞，在吞吐量非常大的環(huán)境下還很容易發(fā)生數(shù)據(jù)丟失。針對(duì)數(shù)據(jù)挖掘中可能出現(xiàn)的數(shù)據(jù)安全問(wèn)題，可采用區(qū)塊鏈技術(shù)解決。區(qū)塊鏈的數(shù)據(jù)大多都采取了云存儲(chǔ)技術(shù)，這種技術(shù)在不需要經(jīng)過(guò)數(shù)據(jù)中心的情況下自動(dòng)處理結(jié)構(gòu)數(shù)據(jù)和非結(jié)構(gòu)數(shù)據(jù)，解決了 MDB 損壞的問(wèn)題。同時(shí)現(xiàn)有的區(qū)塊鏈協(xié)議可以使用全新的共識(shí)模型在幾秒內(nèi)完成極為龐大的信息之間的互相傳送與交換，并且利用可伸縮的數(shù)據(jù)模型來(lái)降低運(yùn)行負(fù)荷。同時(shí)區(qū)塊鏈自身的特性決定了一個(gè)節(jié)點(diǎn)數(shù)據(jù)的丟失并不會(huì)影響整個(gè)數(shù)據(jù)的完整性，因?yàn)檫€有其他節(jié)點(diǎn)可用來(lái)恢復(fù)。這種技術(shù)解決了吞吐量非常大的環(huán)境下的數(shù)據(jù)丟失問(wèn)題，保障了數(shù)據(jù)傳輸安全，保證了檔案館館藏資源數(shù)據(jù)挖掘的準(zhǔn)確性，解決了檔案最為關(guān)鍵的安全問(wèn)題。

（三）區(qū)塊鏈技術(shù)更好地共享檔案數(shù)據(jù)

為了消除檔案信息孤島，制度上可制定統(tǒng)一、可行的行業(yè)規(guī)范，加強(qiáng)館際合作;技術(shù)上可建立檔案大數(shù)據(jù)共享平臺(tái)，對(duì)現(xiàn)有的檔案信息系統(tǒng)進(jìn)行整合，實(shí)行檔案信息資源共建，切實(shí)奉行檔案數(shù)據(jù)共享。提到檔案數(shù)據(jù)共享，很多學(xué)者認(rèn)為這很有必要，的確能消除檔案信息孤島，有利于檔案大數(shù)據(jù)分析和挖掘。但現(xiàn)實(shí)中，很多數(shù)字檔案館對(duì)于檔案數(shù)據(jù)共享總是顧慮重重，擔(dān)心泄露個(gè)人隱私，擔(dān)心泄露國(guó)家機(jī)密?；诖耍蠹乙恢痹趯ふ夜蚕頂?shù)據(jù)安全解決方案。本文發(fā)現(xiàn)區(qū)塊鏈技術(shù)憑借不可篡改、可追溯等特性，通過(guò)“加戳”和“加密”兩種方式解決了數(shù)據(jù)共享中的關(guān)鍵問(wèn)題。所謂的“加戳”是在數(shù)據(jù)流通過(guò)程中對(duì)其打上烙印，可以實(shí)現(xiàn)對(duì)是否使用、使用過(guò)幾次的登記，這樣就可以讓檔案數(shù)據(jù)資產(chǎn)化，保障原作者的利益?！凹用堋眲t通過(guò)多種加密技術(shù)保障檔案數(shù)據(jù)不被泄露。兩種技術(shù)的結(jié)合可以有效保障檔案數(shù)據(jù)共享的安全性。

（四）區(qū)塊鏈技術(shù)保障檔案信息安全

眾所周知，傳統(tǒng)的檔案保存依賴(lài)于紙質(zhì)材料，所需成本較高，管理人員工作量大。國(guó)家檔案局印發(fā)《全國(guó)檔案事業(yè)發(fā)展“十三五”規(guī)劃綱要》強(qiáng)化了檔案電子化管理的，要求加快檔案管理信息化進(jìn)程。檔案管理目前趨于單軌制雛形，更倚重電子數(shù)據(jù)管理和電子數(shù)據(jù)流通?；诖髷?shù)據(jù)的檔案管理系統(tǒng)依靠分布式數(shù)據(jù)庫(kù)和并行處理算法，不僅可以有效管理海量檔案數(shù)據(jù)，而且能快速處理海量檔案數(shù)據(jù)，提升了檔案管理效率，降低了檔案管理成本。針對(duì)數(shù)字檔案管理中出現(xiàn)的信息安全，可利用區(qū)塊鏈技術(shù)解決。數(shù)字檔案管理的核心目標(biāo)就是保障其安全，而區(qū)塊鏈技術(shù)的安全、便捷特性就是保障流通數(shù)據(jù)安全。本文認(rèn)為，區(qū)塊鏈技術(shù)的開(kāi)放性、去中心化、公開(kāi)透明、雙方匿名、不可篡改、可追溯的特點(diǎn)在提升數(shù)字檔案管理便捷性的同時(shí)，也提高了數(shù)字檔案的安全性，保障了數(shù)字檔案的真實(shí)性，解決了操作數(shù)據(jù)、原數(shù)據(jù)與數(shù)字檔案本身的信息數(shù)據(jù)相分離的問(wèn)題，維護(hù)了數(shù)字檔案的完整性。

總之，檔案作為社會(huì)資源的重要組成部分，其安全性、完整性和真實(shí)性受到了各行各業(yè)的重視。而區(qū)塊鏈技術(shù)的快速發(fā)展及廣泛應(yīng)用，區(qū)塊鏈技術(shù)為人們指出了一條檔案管理的高效途徑。它不僅可以加強(qiáng)檔案管理主體治理職能，提高檔案信息處理效率，還可以豐富檔案資源，解決檔案收集難、鑒定難問(wèn)題，同事還能保證檔案的安全性、真實(shí)性和完整性。但其也有缺陷，如區(qū)塊鏈應(yīng)用于檔案管理也將面臨數(shù)據(jù)處理速度過(guò)慢的問(wèn)題，鏈上的記錄也有著被推翻的風(fēng)險(xiǎn)，不能完全確保區(qū)塊鏈就是一定安全的等。因此在面臨機(jī)遇的同時(shí)，我們也要謹(jǐn)防其所帶來(lái)的挑戰(zhàn)。但我們相信隨著時(shí)代的發(fā)展和技術(shù)的進(jìn)步，區(qū)塊鏈技術(shù)也將不斷得到完善。

參考文獻(xiàn)：

[1] 劉越男 . 區(qū)塊鏈技術(shù)在文件檔案管理中的應(yīng)用初探 [J]. 浙江檔案 ，2018， No.445（5）：9-13.

[2] 何曉東，黃新榮 . 淺析區(qū)塊鏈技術(shù)在電子文件管理中的應(yīng)用 [J]. 檔案與建設(shè) ， 2018（2）：4-8.

[3] 秦巧云 ， 周楓 ， 楊智勇 . 大數(shù)據(jù)環(huán)境下數(shù)字檔案館信息安全研究 [J]. 北京檔案 ，2017（06）：18-21.

[4] 李富成 ， 黃丹若 . 大數(shù)據(jù)環(huán)境下數(shù)字檔案館知識(shí)服務(wù)模式 [J]. 檔案與建設(shè) ，2017（11）：12-15.