引言

數據治理是釋放數據價值的基礎，是將原始數據轉化為可信戰略資產的核心規程。它通過建立統一的標準、規范與流程，確保數據在整個生命周期內的質量可控、安全可靠與合規有效,進而實現數據的廣泛共享和價值最大化［1］。當前，數據治理的主要難題是“協同難”與“平衡難”。一方面，數據散落于各部門形成“孤島”，權責不清導致協同成本高企；另一方面，嚴格的數據管控與場景業務對數據的敏捷應用需求間存在天然矛盾，價值釋放與安全合規難以兼顧。針對“數據孤島”問題，劉藝等人［2］系統梳理了當前數據治理的主流框架，分析了不同框架的優缺點與區別。詹玉峰等人［3］研究了面相聯邦學習的數據交易機制，給出了可持續聯邦學習解決方案。數據嚴格管控的根源是分布式存儲背景下，數據的受控共享交換困難。解決這一難題的可行技術是聯邦學習［4-6］。陳璐等人［7］提出了基于聯邦學習的跨源數據錯誤檢測方法，給出了分布式存儲與管理場景下數據錯誤檢測問題的解決方案。

隨著數據的爆發式增長，數據的集中式存儲與治理越來越困難，如何對現有分布式存儲的數據進行集成管理是一個亟需解決的問題。數據集成管理是指將不同來源、格式和系統的數據組合在一起，提供統一視圖和訪問方式的過程。它是現代數據架構中的核心組成部分，是實現數據一致性、提高數據質量和支持數據分析的重要途徑。聯邦學習是實現分布式數據集中管理的一種方法，但其隱私保護問題［8-10］仍面臨較大挑戰。鄭清安等人［11］提出一種支持隱私保護的分布式可信數據管理模型，通過同態加密和零知識證明算法協議保障用戶的數據隱私。梁鏡洪［12］提出一種基于時空聚類的高校分布式多源異構數據集成方法，通過有序加權平均算子和模糊判決法進行分布式多源異構數據融合，采用密度聚類理論進行數據集成，達到了預期效果。黃榮等人［13］采用區塊鏈技術研究了工業數據的分布式治理問題，通過引入同態加密和多方計算等措施，確保了數據的隱私性和可計算性。當前，由于缺少跨層級的協同機制，分布式數據治理跨層級協同效率低下。同時，由于安全與性能失衡，分布式數據治理的隱私保護與數據效用難以兼顧。近年來，聯邦治理［14］理論為分布式數據的集成管理提供了新的解決思路。本文基于聯邦治理提出一種分布式數據集成管理框架，并基于元數據知識圖譜設計了集成技術方案。該方案在聯邦學習的“數據不動模型動”基礎上，實現了更全面的數據要素化流通與協同應用；相較于傳統集中式治理，其無需物理集中數據，在保持數據分布存儲的前提下，通過標準化接口與機制實現集中管控，兼顧了合規、安全與應用敏捷性。

本文詳細內容請下載：

http://www.tom3567.com/resource/share/2000007125

作者信息：

余旺盛1，楊少波1,2，韓錦令1,2

(1.空軍工程大學信息與導航學院，陜西西安710077；

2.空軍工程大學研究生院，陜西西安710057)