4-8、材料数据规范化与数据版权保护
Materials Data Specification and Data Copyright Protection
钱权*，李朋飞，丁广太，张瑞
上海大学计算机工程与科学学院，上海大学材料基因组工程研究院
摘要：
1、引言
材料数据是材料基因组工程中的重要组成部分。尽管国外已经建立了各类材料数据库[1]，但由于材料数据的共享牵涉到数据的知识产权问题，即便有一些免费可共享的数据库，由于数据的格式和表达上缺少统一规范，在技术层面上进行数据的集成和融合，也存在一定的技术难度，因此材料数据的规范化和数据的版权保护是两个非常重要的问题。
首先，材料数据存在来源多（实验数据、计算数据、生产数据、文献数据等）、类型异（结构化、半结构化、非结构化数据）、列多变（不同材料数据维度不固定）、高维度（相比数据的深度，数据宽度大得多）、小样本（高质量实验数据，通常数据量都很小）、稀疏性（维度高而样本量小，在高维空间中样本非常稀疏）、含噪声（实验或计算引入的数据噪声）以及数据间关系复杂（成分-工艺-结构-性能间数据关系复杂）等特点，因此材料数据的规范化是首要解决的问题。
其次，数据的版权问题阻碍了包括材料数据在内各领域的数据共享。目前大多采用的数字对象唯一标识符DOI（Digital Object Identifier）[2]为推进材料数据共享迈出了重要一步。然而，在材料数据中引入DOI作为数据唯一和永久性的逻辑标识符，对于标识数据起到一定作用，然而要想真正实现材料数据的“数据交换”和“价值交换”，DOI来远远不够。
2、主要研究内容与研究方法
2.1 基于XSD的材料数据规范化表示
如上所述，材料数据存在自身的特异性，建立材料数据的规范化表示方法，是材料数据存储、数据共享和数据交互的前提和基础。材料数据的规范化表示方法，要求具有：形式化、无歧义、可扩展、灵活性、语义性、自解释、易用性和可视化等特点，且由于材料数据纷繁复杂，规范化表示面临挑战且十分迫切。
2.2 基于区块链的材料数据版权保护
DOI可以对数据版权进行标注，但从技术手段上，区块链技术可以为材料数据的版权保护，提供完整的技术实施框架。具体包括：（1）数据版权注册：权威机构签发“可信时间戳”，将时间戳、作者信息、数据内容等元数据一起打包存储到区块链上，且可以从多节点进入。（2）数据版权确认：所有涉及数据版权的使用和交易等，区块链可以记录下使用和交易的痕迹，并可以追溯到全过程的版权痕迹。（3）数据版权验证：使用大量密码学技术，如哈希数字指纹、私钥数字签名、公钥签名验证以及分布式检索等。（4）数据价值交换：通过智能合约及数据定价、数据交易实现数据的价值交换。
3、研究结果与讨论
材料数据的规范化。采用BNF（Backus-Naur Form）范式结合XSD（XML Schema Definition）对材料数据中的实验数据、计算数据及生产数据进行形式化建模和描述。在系统实现上与美国国家标准局（NIST）深度合作开发材料数据归档系统MDCS/CDCS[3]，见图1和图2。
图1:NIST MDCS/CDCS与MGI数据库集成
图2：数据定义到数据发布全流程
基于区块链的数据版权保护。在传统数据DOI（Digital Object Identifier）基础上，采用区块链技术初步实现了材料数据的版权保护（系统运行截图如图3所示）。系统采用以太坊作为底层架构，具有数据版权的注册、验证、数据的加密、数据版权交易，区块链系统与云存储系统的融合，以及采用智能合约自动完成数据版权在不同用户间的流转。
图3：基于区块链的材料数据版权保护系统
4、结论及展望
即使有了材料数据的规范化表示及数据版权保护手段，但真正解决材料数据的积累和共享问题，为材料数据库源源不断的“输血”，文献数据和数据交易是两个非常重要的手段，可有望形成可持续发展的材料数据库。
首先，材料文献数据非常丰富，包含材料科学相关的科研论文、专利、质量标准与体系、研究报告以及技术文档等，其中包括了大量的材料领域的显性及隐性知识。通过OCR（Optical Character Recognition），进行文本抽取，借助材料学领域词典和自然语言理解中的词法分析、句法分析等文本数据挖掘技术，从海量的材料文献数据中获取材料数据，是未来重要的研究方向。
其次，大数据时代，数据成为数字经济的关键生产要素，数据产业发展的核心在于数据自由流通。材料数据库要实现可持续发展，数据交易是未来的重要途径。而数据交易中的产权问题是前提，其核心是数据的所有权归属问题。因此，明晰数据交易中的版权问题迫在眉睫。此外，数据交易规则也需要顶层设计。然而由于我国数据交易产业尚属于起步阶段，数据交易平台设计、数据定价和交易模式、运营体系、交易准入机制等一系列的必要环节，在国际上尚无先例可循，只能立足于现实，根据我国基本国情进行自主创新，制定具有中国特色的数据交易规则。
关键词：数据规范化表示、数据存储、数据集成、版权保护
通讯作者：钱权，电话：021-66135396，Email: qqian@shu.edu.cn
参考文献：
J. Hill, G. Mulholland, K. A. Persson, B. Meredig. Materials science with large-scale data and informatics: Unlocking new opportunities. MRS Bulletin. 41(05):399-409, 2016.
B. Rosenblatt. The Digital Object Identifier: Solving the Dilemma of Copyright Protection Online. The Journal of Electronic Publishing, 3(2), 1997. In http://dx.doi.org/10.3998/3336451.0003.204
Materials Data Curation System, in https://mgi.nist.gov/materials-data-curation-system.
DOI:10.12110/secondfmge.20181014.408