数联网关键技术梳理

DSSN着力在数算网融合、 大规模分布式协同计算、网络化可信隐私计算、安全合规、数据流通全链路管控 等方面的技术创新。

1. 数算网融合

面向客户开展数据流通业务过程中对网络不同层次的需求，依托中国移动在 连接、算力等方面的技术和服务优势，提供按需接入、算网感知和编排调度、安 全隔离和服务质量保障等定制化服务，为业务提供安全、高效的算网服务。

按需灵活接入

根据客户所在地域、应用场景、对网络质量等方面要求，DSSN 提供一站式 申请、开通、使用数据流通专属算力网络服务，提供就近高效的网络接入，使用 OTN、PTN、SPN、PON 等传输网络，IP 承载网、CMNET 等 IP 网络，以及 SD-WAN 新型网络等多种组网技术，提供按需适配的安全、高速、稳定的网络服务，满足 客户端到端数据传送、访问互联网及增值配套服务等需要。

算网感知和编排调度

DSSN 可根据客户数据计算、存储和传输需求，动态提供连接资源，将各类 异构算力（CPU、GPU、FPGA 等）以及云平台上不同层次的算力产品及存储资源 进行统一纳管，实现业务逻辑与底层资源的解耦。感知数据流通算力、位置、出 入口、容量、状态和性能等，并提供测量和量化能力，实现对算网资源的泛在编排调度。

 安全隔离

 根据客户不同层次的数据安全传输要求，采用定制化端到端的软硬隔离技 术，并可选采用国密或国际标准加密等多种加密算法，通过动态加密、完整性验 证等机制，保证数据不被窃听，应用入侵检测、安全容器、包过滤等技术，实现 对数据流通不同任务、不同服务之间的有效隔离和保护，保障数据流通安全可靠。

 服务质量保障

DSSN 提供网络带宽、算力资源、云存储资源的预测、网络时延监控、QoS 服务保障等能力，匹配针对数据流通不同场景优先级的服务质量，满足客户在数 据流通共享过程中对算网服务质量的层次需求。

2. 大规模分布式协同计算

DSSN 实现对网络中所有 DSN/DRN 节点的统一编排管理，包括统一任务路由、 认证鉴权体系、分布式协同计算、节点白盒化架构、多引擎统一编排调度等关键 技术。

 统一任务路由

对全网分布式计算节点进行统一编码和任务路由，根据供需方数据流通服务 要求，自动建立/释放节点间数据安全通道，节点计算、存储和处理任务和路由 可控可管，保障连接效率、隐私安全和服务质量。

 认证鉴权体系

构建全网统一节点证书及密钥管理体系，根据供需方数据流通服务要求，自 动完成节点双向认证密钥和证书分发。节点间通过双向认证确保链接双方的合法 性，并基于通信协商的密钥进行安全信道上的加密加签通信。

 分布式协同计算

数据计算任务在分布式节点间统一调度，根据计算负载动态全局调整计算资 源配置，实现高安全、高可靠大规模分布式数据协同计算，支持同构、异构计算 节点间“管理+控制+计算”标准协议互联互通。

节点白盒化架构

分布式计算节点作为数据标准接入和安全计算的载体，采用白盒化设计架 构，通过规范标准化接口，对管理服务、计算引擎、算法组件进行分层解耦，实 现对业界技术提供方的计算引擎和核心算法能力的灵活引入和扩展，支持 DSSN 产业生态协同发展。 

多引擎统一编排调度

节点管理服务层支持重量级、中量级、轻量级等多种模式的计算引擎适配接 入，基于云原生与边缘协同技术，实现计算引擎/算法组件按需从云端加载和部 署至计算节点。基于计算逻辑层抽象，实现计算作业统一编排和调度，屏蔽各技 术提供方计算引擎差异，提供统一、标准的用户计算操作管理界面。

3. 网络化可信隐私计算

DSSN 在数据要素流通的全过程中采用多种隐私计算技术，并将目前点对点 隐私计算方式升级为网络化方式，确保在保护个人隐私和确保数据安全的前提 下，实现数据价值的网状流通，提升“原始数据不出域、数据可用不可见”新型 范式的流通效率。

 网络化隐私计算

支持多种隐私计算技术，包括联邦学习技术、多方安全技术等。联邦学习是 通过交换模型参数或中间结果的方式来保护原始数据隐私的一种分布式机器学 习框架。DSSN 将联邦学习能力引入网络 DSN/DRN 数据节点，体现 DSP，提供网络 化、模块化的多种引擎与算法组件，完成多云多网络接入和互联，保障服务质量。 多方安全计算是互不信任的参与方之间在保护隐私信息以及没有可信第三方的 前提下进行协同计算的技术。DSSN 支持同态加密、差分隐私、数据分享等多种 多方安全计算技术，并以此为基石，实现了网络化隐匿集合求交、统计分析、搜 索加密等多项技术能力。

可信隐私计算引擎

在隐私计算领域中，算法、安全协议的安全性不代表引擎的安全性。攻击者 可通过篡改引擎的实现代码、窃取用户的密钥等手段对隐私数据展开机密性和完整性破坏。DSSN 通过对隐私计算引擎的完整性、系统配置要求等进行规范化、 定义及管理，为用户提供可信任的隐私计算引擎，确保用户数据不被泄露和篡改。

 计算引擎互联互通

目前业界已有众多隐私计算产品，但在技术框架、接口规范、通讯协议等方 面存在较大差异，导致客户在使用隐私计算技术时，无法与不同技术框架的合作 方实现系统互联互通，增加了系统建设复杂度和建设成本，阻碍隐私计算技术的 成熟和规模化发展。DSSN 采用创新技术框架，兼容主流计算引擎基础上，符合 业界主流标准，实现了异构隐私计算引擎在管理、控制和计算层面的互联互通。

 可信执行环境

DSSN 支持可信执行环境（TEE）技术，为数据交付提供基于硬件的加密、隔 离的计算环境。DSSN 支持业界主流 TEE 架构，提供可信进程、可信容器、可信 虚拟机等多种可信应用形式，满足客户对数据流通不同层次的安全和应用开发需 求。并可接入第三方 TEE 计算资源，通过可信执行环境配置、远程证明等协议， 为用户提供可扩展的可信流通服务。

计算加速

DSSN 采用软硬件融合的异构计算方式，依托高性能硬件的算力支撑，在数 据流通过程中加速数据存取、计算和处理的效能，缩短整体处理时间，以满足数 据密集或用户密集型场景对数据流通性能的要求。

4. 数据流通全链路管控

围绕数据的存储、访问、加工、计算处理、交付、销毁等全生命周期的各个 环节，进行统一的数据标识，建立相匹配的认证体系，并运用全链路管控技术， 保障数据在流通过程中可管可控。

标识与认证技术

对流通各环节中的数据、相关设备、参与主体及对数据的操作和处理建立有 效的统一的标识体系，构建全局统一数据要素元身份标识体系和方法、数据要素 流通参与主体身份、动态权限管理及凭证体系和方法、数据要素流通处理及操作存证及管控体系和方法，实现对标识的认证管理和监控。

 全链路管控

面向数据流通前、中、后各阶段，通过建立数字身份、可信数据凭证体系、 数据安全监测体系，实现对数据来源、交易行为、计算合约、数据处理等进行全 链路安全管控，确保数据的信息和隐私安全，提供数据流通过程可审计、可追溯 能力。

数据安全合规评估

DSSN 评估数据源与数据引擎的治理、风险与合规特性，通过隐私导向设计 （Privacy By Design）理念，为数据提供方和数据交易方展开数据安全合规评 估，确保满足监管要求，保护数据交易过程的机密性与完整性，避免信息泄露与 违规行为，为数据交易提供安全合规保障。

区块链技术

DSSN 采用区块链技术实现数据的确权登记、交易存证以及数据可追溯。DSSN 运营方、数据需求方、数据提供方共同维护相关区块链，在数据交易过程中对数 据的确权信息、交易信息、建模信息以及结果信息进行存证记录。在确保不泄露 用户数据隐私的前提下，为事后的数据溯源以及数据审计提供证据。

 密码学技术

DSSN 在数据流通全链路中采用多种密码学的技术和方法，综合运用数字签 名、安全多方计算、对称/非对称加密、散列算法、SSL/TLS 等技术，保障数据 存储、数据传输、数据处理安全。