1. 概述

数据产品流通是跨多元数据主体的动态过程，指数据产品在提供方和需求方之间的交换或转移，通过共享、开放或交易等流通模式，推动数据产品在组织内外部实现价值释放。数据产品流通通常伴随着价值传递和安全信任的传递，主要包括四种方式：数据交换、数据开放、数据交易和数据共享。其中，数据交换是指数据在系统内部流通，如行业、企业或政府内部，主要涉及数据安全保护需求；数据开放是指数据以无偿方式开放给需求方，主要提供数据浏览、下载等功能；数据交易是将数据产品作为商品进行买卖，涉及数据所有权、管理权、使用权、收益权等权益的转移；数据共享是在不改变数据所有权和管理权的前提下，提供数据访问、使用等服务，涉及使用权和安全访问控制问题。数据产品流通的本质是数据使用许可，一般涵盖一对一许可、一对众许可和相互许可等方式，这几种许可全面构筑了数据社会化利用的模式。

2. 实施价值

数据产品流通是数据资产化中不可或缺的一环，增强信息的透明度和可接近性，促进资源的最优配置。通过有效的数据流通，可以激发创新，优化生产和服务流程，提高经济效率。包括：（1）企业数据价值释放。通过数据产品流通打通“数据孤岛”，形成全要素、全产业链、全价值链的连接，显著提升数据要素的经济和社会价值，增强数据资源流通活力，发挥数据的乘数效应。（2）激发创新赋能。数据产品流通可以激发新的创意，推动科技进步和应用模式的革新，赋能传统产业的数字化转型，实现产业升级和结构优化，进而增强企业的竞争力。（3）推动数据要素市场化配置。数据产品流通是数据要素市场化配置的关键环节，有助于进一步丰富数据产品数量，提升产品质量，推动社会资源的优化配置，提升经济社会效率。（4）实现个人数据价值释放。在充分保护个人数据权益的情况下，经个人同意，可以在保护数据“可用不可见”的情况下实现个人数据流通，推动个人数据的有效利用。

3. 实施路径

数据产品流通以公共数据的对外开放以及社会数据流通交易为例，分别讨论其实施路径。主要参考的文件有：

（1）公共管理和服务机构登录相关的公共数据平台目录系统，确定本单位公共数据目录的数据名称、数据开放主体、数据开放属性、数据格式和类型、数据的更新频率等内容，并根据实际业务情况及时更新目录。

（2）公共数据开放主体通过公共数据平台，管理、审核本单位的无条件开放数据，在公共数据开放网站统一开放。

（3）对于受限开放类公共数据，公共数据开放主体应通过公共数据平台开放域系统，采用公民、法人授权和沙箱模式等方式开放受限开放类数据。申请受限开放数据的公民、法人和其他组织，应当具备安全保护、信用、数据存储处理等方面的资质和能力。申请受限开放类公共数据的流程为：①需求申请，提交公共数据开放申请表、公共数据开放需求清单、安全等级保护证书、信用报告、公共数据安全承诺书等；②规范性审查，公共数据主管部门对申请主体的申请材料进行规范性审查；③公共数据开放主体审核公共数据开放需求申请；④公共数据主管部门复核公共数据开放需求申请；⑤审核通过后，公共数据开放主体和公共数据利用主体应确认、签订公共数据开放利用协议，明确数据使用的条件和具体要求，并按照协议约定通过公共数据平台开放和获取数据。

社会数据的流通交易分为场内交易和场外交易两种模式，场内交易是数据供应方和需求方依托数据交易机构进行交易，场外交易则是数据供需双方在交易场所外进行交易。一般而言，数据产品场内交易流程包括：

（1）准备阶段。①数据提供方、数据需求方、数据经纪人、第三方专业服务机构等入驻数据交易所，完成用户注册、实名认证、资质审核、信息完善；②对数据交易标的进行信息登记，并对数据产品合规性、质量等进行评估审核，审核通过后数据产品在数据交易所挂牌上架；

（2）实施阶段。

①交易双方进行交易的磋商，对交易标的的交易用途、交易金额、交付方式等内容进行协商，需方也可以申请数据产品或样本数据测试，或者根据实际需求要求数据供方对数据进行加工；②供需双方签订数据交易合同；③按照数据交易合同协议约定交付数据产品；④按照合同协议约定和交易账单支付交易费用，对交易参与方的费用进行结算。

（3）售后阶段。

①在数据交易完成后，对交易相关的信息进行记录、存证、审计，并根据实际情况提供相应的售后服务；②建立数据交易投诉举报和争议解决机制，对数据交易的投诉、举报、争议、纠纷进行处理。

社会数据的场外交易只涉及到场内交易的部分流程，通常包括交易中的实施阶段和交易后的售后阶段。

为严格保护商业秘密和个人隐私，企业应建立安全高效、分类分级的数据流通安全机制。相关技术与机制保障包括：

（1）隐私计算

隐私计算是在保护数据本身不对外泄露的前提下，实现数据分析计算的一类技术集合。该技术集合在处理文字、数值、视频、音频、图像等信息时，对所涉及的隐私信息进行描述、度量等操作，形成一套符号化、公式化且具有量化评价标准的计算理论和算法。技术体系支持对数据进行安全分析计算，实现数据的“可用不可见”。目前，隐私计算计算主要包括安全多方计算、联邦学习、同态加密、可信执行环境等技术，在明文数据不出域情况下，实现密文数据下的隐私计算。支持数据输入、共享、计算、结果输出的全流程过程加密，实时监控数据使用量情况，数据使用有迹可循。

①安全多方计算通过加密技术或秘密分享方法，使各参与方可以在不泄露数据的前提下，共同完成复杂的计算任务，适用于多源多表安全联合统计分析的场景。这种技术的价值在于能够在确保数据安全的同时，促进跨域、跨机构的数据合作，解锁更多数据联合应用的可能。

②联邦学习通过在本地训练模型更新，再将更新结合发送到服务器进行聚合，从而实现模型的共同训练，而不需要交换原始数据，适用与多方联合机器学习建模场景。联邦学习能够提高数据利用效率，同时强化数据隐私和安全，支持多方共同构建强大的机器学习模型。

③同态加密是一种特殊的加密形式，允许人们对密文进行特定形式的代数运算得到仍然是加密的结果，将其解密所得到的结果与对明文进行同样的运算结果一样。同态加密支持在加密的数据中进行诸如检索、比较、计算等操作，得出正确的结果，而且在整个处理过程中无需对数据进行解密。

④可信执行环境是指通过软硬件方法，在中央处理器中构建的安全区域，可以保证其中的程式和资料在机密性和完整性上得到保护。可信执行环境是一种隔离的执行环境，通过硬件的可信来保证计算执行的机密性和正确性。

（2）数据脱敏

数据脱敏分为静态脱敏和动态脱敏。静态脱敏技术配置常用的敏感数据发现算法，也可以通过自定义方式进行扩展，能够在对系统不够了解的情况下对源库进行扫描，自动进行敏感数据匹配，通常基于内置脱敏算法实施静态脱敏。

动态脱敏技术支持在分类分级的基础上，根据数据实体字段的安全级别，在数据共享环境下对敏感数据进行针对性防护实时脱敏和数据监控，提高整体数据安全防护体系质量和稳定性。支持不同用户、不同角色、不同岗位、不同职责的人员在申请数据访问时授予不同的数据访问权限，在用户申请或访问数据时，系统能自动根据访问权限与实体数据字段的安全等级关联起来，根据安全级别的高低采用对应的脱敏算法对数据进行脱敏操作。

（3）数据加密

数据要素流通场景下的数据加密方式主要包括三种使用场景。一是面向访问控制的加密技术，它通过用户的属性来控制加密数据的访问权限。这种加密方式是基于用户的属性，如角色、组织属地、职位等来控制数据加解密的策略。相关技术包括条件代理重加密、基于身份的加密、基于属性的加密等。

二是数据传输加密，确保数据在网络传输过程中保持机密性与完整性。主要的加密技术包括SM2、SM3、SM4、SM9等国密算法，用于保护数据在从源点到目的地传递时不被未授权的第三方截取、阅读或篡改。传输加密是网络安全和数据保护的一个关键组成部分，特别是在互联网和企业网络环境中。实际使用的传输加密方法应支持国密算法的对称密钥加解密、支持组合加密算法的签名和验签等，为数据的传输加密提供细粒度的流通共享策略。

三是数据存储加密，对数据库中存储的敏感数据进行加密保护，采用国产密码算法实现数据的透明加解密，在数据写入据库前自动加密，在读取数据时根据访问权限自动解密，确保感数据在数据库中处于密态，防止敏感数据的外泄。

摘自白皮书---《数据资产化实践指南（2024）》