基于智能合約的數(shù)據(jù)共享激勵(lì)機(jī)制研究

張伯鈞，郭一晨，王子凱，胡 凱

（1.北京航空航天大學(xué) 計(jì)算機(jī)學(xué)院，北京 100191；2.云南省區(qū)塊鏈應(yīng)用技術(shù)重點(diǎn)實(shí)驗(yàn)室，昆明 650233）

0 概述

在大數(shù)據(jù)時(shí)代，數(shù)據(jù)流動(dòng)和信息共享對(duì)人類科技進(jìn)步至關(guān)重要，數(shù)據(jù)共享社區(qū)是促進(jìn)科學(xué)數(shù)據(jù)開放共享的重要載體［1-2］。近年來，我國在促進(jìn)科學(xué)數(shù)據(jù)共享方面出臺(tái)了一系列舉措，然而，最近的一項(xiàng)調(diào)查研究結(jié)果表明，我國的研究人員雖有分享數(shù)據(jù)的意愿，但也擔(dān)心數(shù)據(jù)被誤用以及版權(quán)和許可受到侵犯［3］，最終絕大多數(shù)學(xué)者都不愿意分享自己的數(shù)據(jù)，即無意愿開放共享，導(dǎo)致數(shù)據(jù)缺乏流動(dòng)性，無法有效發(fā)揮數(shù)據(jù)共享社區(qū)的功能和優(yōu)勢。共享社區(qū)長期缺乏有效且科學(xué)的激勵(lì)機(jī)制，普遍面臨用戶參與積極性低、歸屬感弱、知識(shí)生成動(dòng)力不足、數(shù)據(jù)共享程度低等挑戰(zhàn)，緩解這一問題的關(guān)鍵是構(gòu)建一個(gè)合理有效的數(shù)據(jù)共享模型［4］。

區(qū)塊鏈技術(shù)［5-6］的出現(xiàn)為解決數(shù)據(jù)共享所面臨的問題提供了新的思路。區(qū)塊鏈的本質(zhì)是一個(gè)分布式賬本，賬本上的每一筆交易都由區(qū)塊鏈網(wǎng)絡(luò)上的各個(gè)節(jié)點(diǎn)來查看和驗(yàn)證。首先，區(qū)塊鏈的分布式特性保證了數(shù)據(jù)共享流通的透明性，用戶可以清晰地看到自己的數(shù)據(jù)流通過程，防止數(shù)據(jù)信息被濫用的情況發(fā)生；再次，利用區(qū)塊鏈智能合約自動(dòng)執(zhí)行的特性，可以將數(shù)據(jù)共享的激勵(lì)機(jī)制寫入智能合約，將獎(jiǎng)勵(lì)與懲罰信息公開，規(guī)范流程從而實(shí)現(xiàn)獎(jiǎng)懲透明；最后，區(qū)塊鏈也解決了數(shù)據(jù)共享過程中的確權(quán)問題，通過區(qū)塊鏈，所有的數(shù)據(jù)都可以逐一溯源，既可以保證數(shù)據(jù)的歸屬權(quán)，又可以檢驗(yàn)數(shù)據(jù)信息的真?zhèn)巍Ｒ虼耍瑢^(qū)塊鏈與數(shù)據(jù)共享相結(jié)合，可以擴(kuò)大數(shù)據(jù)規(guī)模，規(guī)范數(shù)據(jù)管理流程，實(shí)現(xiàn)對(duì)共享數(shù)據(jù)的確權(quán)，從而建立一個(gè)開放的數(shù)據(jù)共享生態(tài)體系。

當(dāng)前，數(shù)據(jù)共享被越來越多的學(xué)者關(guān)注，其中的一個(gè)研究熱點(diǎn)便是激勵(lì)機(jī)制。莊倩等［7］建立了一種參與科學(xué)數(shù)據(jù)共享的科研人員的演化博弈模型，通過該模型分析數(shù)據(jù)共享的演化過程。WEN 等［8］提出一種基于討價(jià)還價(jià)理論的群智感知激勵(lì)機(jī)制，其著重研究數(shù)據(jù)質(zhì)量對(duì)數(shù)據(jù)收集者的影響。郝世博等［9］使用區(qū)塊鏈以及智能合約，從技術(shù)維度來解決數(shù)據(jù)共享中所存在的信任問題。石進(jìn)等［10］在其提出的基于區(qū)塊鏈的中小企業(yè)競爭情報(bào)共享平臺(tái)模型中，采用信用積分制度激勵(lì)用戶進(jìn)行共享。張寶等［11］也提出了基于智能合約的積分激勵(lì)體制，當(dāng)用戶上傳數(shù)據(jù)或數(shù)據(jù)被查看時(shí)獎(jiǎng)勵(lì)用戶積分，以此來激勵(lì)用戶共享數(shù)據(jù)。張旺等［12］通過雙向委托代理分析，驗(yàn)證了在不承擔(dān)風(fēng)險(xiǎn)的情況下，選擇不共享策略能夠最大限度地減少共享成本，從而說明了激勵(lì)機(jī)制在數(shù)據(jù)共享中的重要性。GAN 等［13］提出一種基于區(qū)塊鏈的eHealth 系統(tǒng)，并在該系統(tǒng)中根據(jù)醫(yī)療數(shù)據(jù)的質(zhì)量以及患者參與共享的積極性來對(duì)患者進(jìn)行激勵(lì)。SHEN 等［14］在研究多云數(shù)據(jù)共享時(shí)，利用Shapley 值構(gòu)建一個(gè)動(dòng)態(tài)公平的激勵(lì)方案，為多云數(shù)據(jù)共享協(xié)作提供了一種收入分配方法。SHRESTHA 等［15］在建立一個(gè)基于區(qū)塊鏈的共享平臺(tái)的基礎(chǔ)上，構(gòu)建一種在以太坊上部署智能合約的用戶激勵(lì)模型。LI等［16］在設(shè)計(jì)一個(gè)基于區(qū)塊鏈的車載人群感知框架時(shí)，提出一種基于用戶聲譽(yù)的激勵(lì)機(jī)制，其在確保公平交易的同時(shí)提高了數(shù)據(jù)的質(zhì)量。梁小燕［17］為促進(jìn)醫(yī)療機(jī)構(gòu)數(shù)據(jù)共享，提出一種基于信息熵的醫(yī)療數(shù)據(jù)共享激勵(lì)機(jī)制，通過計(jì)算信息熵來判斷信息的價(jià)值，并提出基于Shapley 值的利益分配策略。蔡婷等［18］提出一個(gè)高效的區(qū)塊鏈物聯(lián)網(wǎng)數(shù)據(jù)激勵(lì)共享框架ShareBC，并在此框架中設(shè)計(jì)了一種基于層次數(shù)據(jù)拍賣模型的激勵(lì)機(jī)制。王倩等［19］基于區(qū)塊鏈技術(shù)與演化博弈論，構(gòu)建一種面向科技服務(wù)數(shù)據(jù)共享策略的智能合約激勵(lì)機(jī)制。

雖然已有很多學(xué)者提出了各種不同的激勵(lì)機(jī)制，但是這些激勵(lì)機(jī)制仍然存在局限性，例如，某些激勵(lì)機(jī)制不能滿足用戶的需求，導(dǎo)致用戶在該機(jī)制下沒有數(shù)據(jù)共享的意愿，或激勵(lì)機(jī)制的獎(jiǎng)勵(lì)過多導(dǎo)致社區(qū)通貨膨脹，從而使獎(jiǎng)勵(lì)貶值，短時(shí)間內(nèi)雖然可以激勵(lì)用戶進(jìn)行數(shù)據(jù)共享，但是該激勵(lì)并不能長期保持。針對(duì)上述問題，本文建立一種基于演化博弈論的數(shù)據(jù)共享激勵(lì)模型EGDSI，從數(shù)據(jù)共享社區(qū)的角度設(shè)計(jì)合理的激勵(lì)機(jī)制，以促進(jìn)數(shù)據(jù)的收集、流通和使用。

1 基于演化博弈論的數(shù)據(jù)共享激勵(lì)模型

早期的博弈論認(rèn)為所有的參與者均是完全理性的［20］，他們總是能思考所有情況，最終選擇對(duì)自己最有利的方案。完全理性的人總是會(huì)遵行優(yōu)勢策略，即玩家從不會(huì)在決策時(shí)考慮其他玩家對(duì)他們的決定會(huì)如何回應(yīng)。完全理性的人是完全的個(gè)人主義者，但在現(xiàn)實(shí)生活中，完全理性是很難達(dá)到的［21］。

演化博弈論是將達(dá)爾文的生物進(jìn)化論與博弈論相結(jié)合，其不再要求參與人完全理性，而是假定參與人有限理性，所謂的有限理性是指博弈方可以對(duì)所處的不同環(huán)境進(jìn)行學(xué)習(xí)、試錯(cuò)和模仿，在這個(gè)過程中動(dòng)態(tài)調(diào)整自己的策略，從而尋找最優(yōu)方案。在數(shù)據(jù)共享社區(qū)中，用戶具有共享與不共享這2 種行為策略，用戶之間會(huì)相互影響，即利用有限的認(rèn)知和信息獲取能力，通過不斷地學(xué)習(xí)和模仿他人策略來調(diào)整自身策略，以此實(shí)現(xiàn)自身利益最大化。

1.1 模型構(gòu)建

數(shù)據(jù)共享是一個(gè)動(dòng)態(tài)選擇及學(xué)習(xí)調(diào)整的過程，為了構(gòu)建模型和簡化計(jì)算，本文進(jìn)行如下假設(shè)：

1）演化博弈雙方具有相同的主體，即數(shù)據(jù)共享社區(qū)的用戶，他們具有相同的策略空間K，K={K1,K2}=｛參與數(shù)據(jù)共享，不參與數(shù)據(jù)共享｝。

2）在數(shù)據(jù)共享的過程中，用戶需要付出一定的成本，此處的成本包括但不限于數(shù)據(jù)制作的時(shí)間成本、數(shù)據(jù)被濫用的經(jīng)濟(jì)成本等。在本文模型中，數(shù)據(jù)成本記為G。

3）假定在博弈的初級(jí)階段，主體P1參與數(shù)據(jù)共享的概率為p，主體P2不參與數(shù)據(jù)共享的概率為1-p。

4）用戶上傳數(shù)據(jù)會(huì)給他們帶來一些效用收益，該效用收益與用戶在社區(qū)內(nèi)的等級(jí)以及數(shù)據(jù)成本G有關(guān)，用戶等級(jí)越高，說明對(duì)社區(qū)的貢獻(xiàn)度越大，所獲得的收益也就越多。該效用收益不一定是金錢收益，可以是上傳數(shù)據(jù)獲得的數(shù)字身份徽章或個(gè)人信譽(yù)值的提升等。本文效用收益簡稱成本收益，用B表示。

5）假定y為用戶從數(shù)據(jù)共享中獲得的收益，該收益包括但不限于社區(qū)積分的直接收益，也可以是利用共享數(shù)據(jù)解決現(xiàn)實(shí)問題而帶來的間接收益，亦或是幫助科研人員解決某一項(xiàng)科研任務(wù)而獲得的收益等。上述均屬于共享收益，即從數(shù)據(jù)共享中獲得的收益，此收益與數(shù)據(jù)成本G有關(guān)，其縮放系數(shù)用α表示。

6）收益函數(shù)是指每個(gè)參與人在參與博弈時(shí)依據(jù)其所屬類型和選擇的策略可獲得的收益。本文采取對(duì)數(shù)收益函數(shù)ln（以e 為底數(shù)的對(duì)數(shù)函數(shù)）來計(jì)算收益，該函數(shù)特征符合現(xiàn)實(shí)社會(huì)經(jīng)濟(jì)學(xué)特征，即收益是有一定增長抑制的，不會(huì)隨著成本的增加而無限提高，最大收益總會(huì)趨近于某一閾值［22］。

7）在數(shù)據(jù)共享社區(qū)中，為了鼓勵(lì)用戶共享數(shù)據(jù)，需要一定的外部激勵(lì)獎(jiǎng)勵(lì)I(lǐng)，該激勵(lì)獎(jiǎng)勵(lì)以積分的形式獎(jiǎng)勵(lì)參與數(shù)據(jù)共享的用戶。但是，該激勵(lì)并不是一成不變的，原因是一成不變會(huì)導(dǎo)致激勵(lì)達(dá)到飽和狀態(tài)，從而引起社區(qū)內(nèi)的積分通貨膨脹，這不符合經(jīng)濟(jì)學(xué)原理，因此，該激勵(lì)在一定階段又會(huì)變成數(shù)據(jù)共享成本，簡稱激勵(lì)/成本I。

本文基于演化博弈論的數(shù)據(jù)共享激勵(lì)模型EGDSI 是一個(gè)二元組的形式，表示為M=(P,K)，其中：P表示由大量數(shù)據(jù)共享社區(qū)的用戶所組成的一個(gè)群體；K為策略空間，K={K1,K2}。用戶有2 種策略：一種是K1（參與數(shù)據(jù)共享），即在數(shù)據(jù)共享社區(qū)中主動(dòng)貢獻(xiàn)出自己的數(shù)據(jù)，并可以獲得其他共享用戶的數(shù)據(jù)；另一種是K2（不參與數(shù)據(jù)共享），該類用戶既不會(huì)分享數(shù)據(jù)，也不會(huì)從社區(qū)中獲取共享的數(shù)據(jù)。

根據(jù)上述假設(shè)，成本收益B的表達(dá)式如（1）所示：

其中：l為該用戶在社區(qū)內(nèi)的等級(jí)；G為數(shù)據(jù)成本。根據(jù)現(xiàn)實(shí)中的合理性，成本收益B>0，即l?ln(1+G)>0，l?{1,2,3,4,5}，ln(1+G)可保證收益為正。

共享收益y與數(shù)據(jù)成本G有關(guān)，縮放系數(shù)α>0，y的表達(dá)式如（2）所示：

博弈雙方的收益矩陣如表1 所示，其中，上方為P2的收益，下方為P1的收益。

表1 數(shù)據(jù)共享博弈收益矩陣Table 1 Data sharing game revenue matrix

收益矩陣的含義如下：

1）情況1。進(jìn)行博弈的雙方主體都選擇K1參與數(shù)據(jù)共享，這種是理想情況，也是共享社區(qū)最終的目標(biāo)。社區(qū)內(nèi)所有成員均共享數(shù)據(jù)，博弈雙方不僅具有原本的成本收益B，還會(huì)得到由數(shù)據(jù)共享所帶來的共享收益y。社區(qū)在初始階段會(huì)給每位共享者相應(yīng)的激勵(lì)獎(jiǎng)勵(lì)，但是這種獎(jiǎng)勵(lì)不能一直扁平化激勵(lì)下去，這樣會(huì)導(dǎo)致數(shù)據(jù)共享平臺(tái)中數(shù)據(jù)的積分價(jià)格上漲，引起通貨膨脹。因此，需要引入一個(gè)激勵(lì)/成本I，此時(shí)應(yīng)是數(shù)據(jù)共享的成本，即參與共享的用戶需要支付少量的積分來進(jìn)行數(shù)據(jù)共享，原因是此時(shí)已經(jīng)達(dá)到激勵(lì)飽和狀態(tài)。

2）情況2。進(jìn)行博弈的雙方主體一個(gè)選擇K1參與數(shù)據(jù)共享，另一個(gè)選擇K2不參與數(shù)據(jù)共享。博弈雙方均上傳了數(shù)據(jù)，不同的是，一個(gè)選擇共享數(shù)據(jù)，另一個(gè)選擇不共享數(shù)據(jù)。首先，兩者都會(huì)有數(shù)據(jù)本身帶來的成本收益B；其次，由于共享數(shù)據(jù)的主體P1獲取不到不共享主體P2的數(shù)據(jù)，因此沒有共享收益y，需要給予共享主體一定的激勵(lì)/成本I，此時(shí)應(yīng)是外部的獎(jiǎng)勵(lì)激勵(lì)，即一定的積分獎(jiǎng)勵(lì)。同理，不共享主體由于未共享數(shù)據(jù)，因此獲取不到共享主體所共享的數(shù)據(jù)，同樣也沒有共享收益y。

3）情況3。進(jìn)行博弈的雙方主體均選擇K2不參與數(shù)據(jù)共享，此時(shí)，數(shù)據(jù)共享社區(qū)所面臨的場景是沒有人愿意共享數(shù)據(jù)，因此，主體雙方都只能獲得成本收益B。

在EGDSI 模型中，由于參與主體均是有限理性的，因此在博弈開始階段不可能直接達(dá)到納什均衡狀態(tài)，需要一個(gè)演化模擬學(xué)習(xí)他人策略的過程，以進(jìn)行動(dòng)態(tài)調(diào)節(jié)并反復(fù)嘗試，最終達(dá)到一種最優(yōu)的平衡狀態(tài)，實(shí)現(xiàn)整體利益的最大化。

1.2 演化穩(wěn)定策略分析

在演化博弈論中，假設(shè)使用該策略的個(gè)體在群體中所占比例的增長率等價(jià)于群體中使用某個(gè)策略的個(gè)體適應(yīng)度，只要一個(gè)策略的個(gè)體適應(yīng)度比群體的平均適應(yīng)度高，則使用該策略的個(gè)體數(shù)就會(huì)增加，且不會(huì)被其他策略入侵［23］。

由前文假設(shè)可知，在博弈的初級(jí)階段t，主體P1參與數(shù)據(jù)共享的概率為p，主體P2不參與數(shù)據(jù)共享的概率為1-p，可等效為在t階段博弈中，選擇共享策略的人數(shù)比例為p(t)，選擇不共享的人數(shù)比例為1-p(t)。則在t階段選擇共享數(shù)據(jù)策略的期望收益為：

選擇不共享數(shù)據(jù)策略的期望收益為：

數(shù)據(jù)共享社區(qū)的平均期望收益為：

因此，計(jì)算出復(fù)制動(dòng)力學(xué)方程［24］為：

化簡得：

令Y(p(t))=0，可以求出動(dòng)力學(xué)方程有3 個(gè)演化穩(wěn)態(tài)點(diǎn)，分別為：

上述演化穩(wěn)定點(diǎn)在條件成立的情況下就是演化穩(wěn)定策略（Evolutionarily Stable Strategy，ESS）的穩(wěn)定狀態(tài)。一種演化穩(wěn)定策略一旦確立，就會(huì)穩(wěn)定下來，偏離演化穩(wěn)定策略的行為或個(gè)體將會(huì)被自然選擇所淘汰。

1）條件1。

假設(shè)0

條件1 說明：在0

2）條件2。

假設(shè)0<α?ln(1+G)

3）條件3。

假設(shè)I<0 且α?ln(1+G)>0，即激勵(lì)/成本I小于0時(shí)，此時(shí)應(yīng)為數(shù)據(jù)共享激勵(lì)獎(jiǎng)勵(lì)：

從條件1～條件3 可以看出，數(shù)據(jù)共享的演化穩(wěn)定策略并不唯一。參與數(shù)據(jù)共享和不參與數(shù)據(jù)共享均具有演化潛力。EGDSI 模型演化穩(wěn)定策略的趨勢如圖1 所示。

圖1 EGDSI 模型演化穩(wěn)定策略趨勢Fig.1 Trend of EGDSI model evolutionarily stable strategy

為了促使更多人參與到數(shù)據(jù)共享中，有必要根據(jù)數(shù)據(jù)共享程度對(duì)激勵(lì)/成本I進(jìn)行動(dòng)態(tài)控制。本文設(shè)定參與數(shù)據(jù)共享的比例小于閾值時(shí)為低數(shù)據(jù)共享程度，此時(shí)需要使用條件3 進(jìn)行外部激勵(lì)，給予數(shù)據(jù)共享者一些積分獎(jiǎng)勵(lì)，從而刺激社區(qū)用戶選擇共享策略；當(dāng)參與數(shù)據(jù)共享的比例大于閾值時(shí)為高數(shù)據(jù)共享程度，此時(shí)需使用條件1 收取相應(yīng)的共享成本，防止通貨膨脹，并且由上述條件1 的分析可知，這時(shí)仍可以確保數(shù)據(jù)共享社區(qū)在參與共享策略方面能夠維持而無需外部激勵(lì)。

社區(qū)用戶在每一個(gè)博弈階段都對(duì)應(yīng)一個(gè)參與成本，這會(huì)導(dǎo)致每一階段的閾值均不相同，當(dāng)共享人數(shù)比例小于閾值時(shí)使用條件3 進(jìn)行激勵(lì)，當(dāng)共享人數(shù)比例大于閾值時(shí)使用條件1 收取成本，直到社區(qū)用戶共享程度達(dá)到飽和，進(jìn)行下一階段博弈，重新計(jì)算閾值。如此循環(huán)往復(fù)，體現(xiàn)了社區(qū)成員相互博弈的過程，并從中獲得由數(shù)據(jù)共享所帶來的收益。博弈階段流程如圖2 所示。

圖2 社區(qū)成員博弈階段流程Fig.2 Community members game stage process

2 基于智能合約的數(shù)據(jù)共享模板引擎

數(shù)據(jù)共享模板引擎（Data Sharing Incentive Template Engine，DSITE）將EGDSI 模型以區(qū)塊鏈智能合約的形式在數(shù)據(jù)共享社區(qū)中進(jìn)行應(yīng)用。智能合約是可以在區(qū)塊鏈上自動(dòng)執(zhí)行的特殊程序，其程序代碼及數(shù)據(jù)均存儲(chǔ)在鏈上，具有防篡改等特性，所有節(jié)點(diǎn)必須按照智能合約預(yù)置的觸發(fā)條件和相應(yīng)規(guī)則進(jìn)行計(jì)算。基于上述特性，可以在數(shù)據(jù)共享社區(qū)中將數(shù)據(jù)共享激勵(lì)機(jī)制寫入智能合約，用戶在社區(qū)內(nèi)進(jìn)行數(shù)據(jù)共享時(shí)，會(huì)自動(dòng)觸發(fā)執(zhí)行數(shù)據(jù)共享模板引擎進(jìn)行共享激勵(lì)，從而為數(shù)據(jù)共享激勵(lì)提供可信、安全的保障。

由于EGDSI 模型假定所有參與博弈方的本質(zhì)都是相同的，因此與所有博弈方相關(guān)的參數(shù)也應(yīng)相同。參數(shù)設(shè)定如表2 所示。

表2 參數(shù)設(shè)定Table 2 Parameters setting

數(shù)據(jù)共享激勵(lì)的計(jì)算過程如下：

步驟1初始化全局參數(shù)信息，包括數(shù)據(jù)成本Data Cost、數(shù)據(jù)共享收益縮放系數(shù)ZoomFactor、數(shù)據(jù)共享成本參數(shù)序列Cost[]、數(shù)據(jù)共享的積分激勵(lì)I(lǐng)ncentive Reward。

步驟2根據(jù)當(dāng)前博弈階段t得到數(shù)據(jù)共享成本參數(shù)Cost[t%m]，其中，m為數(shù)據(jù)共享成本參數(shù)序列數(shù)組長度，計(jì)算出該成本下的閾值。

步驟3計(jì)算出當(dāng)前時(shí)間參與數(shù)據(jù)共享人數(shù)占數(shù)據(jù)共享社區(qū)總?cè)藬?shù)的比例pt，將pt與閾值進(jìn)行對(duì)比，若pt<則返回?cái)?shù)據(jù)共享積分獎(jiǎng)勵(lì)I(lǐng)ncentive Reward；反之，進(jìn)入步驟4。

步驟4返回相應(yīng)的數(shù)據(jù)共享成本Cost[t%m]，同時(shí)判斷當(dāng)前共享比例pt與數(shù)據(jù)共享飽和率SaturationRate 大小，若pt>SaturationRate，則進(jìn)入下一階段博弈，博弈階段t自增，數(shù)據(jù)共享參與人數(shù)重置，此階段博弈結(jié)束；反之，則重復(fù)步驟1，繼續(xù)進(jìn)行當(dāng)前階段的演化博弈。

算法1DSITE 智能合約-數(shù)據(jù)共享激勵(lì)算法

算法1 解釋說明：當(dāng)數(shù)據(jù)共享社區(qū)用戶參與數(shù)據(jù)共享時(shí)，會(huì)自動(dòng)觸發(fā)上述智能合約，調(diào)用其方法。首先，計(jì)算參與共享的用戶比例，通過數(shù)組尋找當(dāng)前博弈階段下的成本并計(jì)算該成本下的閾值，如果參與共享的用戶比例小于閾值，則返回相應(yīng)的激勵(lì)；如果大于閾值，再判斷當(dāng)前共享用戶比例是否大于飽和率，本文設(shè)定飽和率為98%，如果達(dá)到了當(dāng)前的社區(qū)數(shù)據(jù)共享飽和率，則進(jìn)入下一階段的演化博弈，重置相應(yīng)的參數(shù)，最后返回相應(yīng)的數(shù)據(jù)共享成本。值得注意的是，計(jì)算激勵(lì)/成本是一個(gè)取模運(yùn)算，這是因?yàn)樾枰獎(jiǎng)討B(tài)調(diào)整激勵(lì)/成本，以重置社區(qū)用戶博弈階段，而數(shù)組本身不可能無窮大，因此采用取模運(yùn)算，這也體現(xiàn)了社區(qū)成員數(shù)據(jù)共享相互博弈的一個(gè)過程。

3 實(shí)驗(yàn)驗(yàn)證

本節(jié)通過控制變量法設(shè)計(jì)不同的橫向與縱向?qū)Ρ葘?shí)驗(yàn)，分析EGDSI 數(shù)據(jù)共享模型中的3 個(gè)演化穩(wěn)定策略條件，驗(yàn)證數(shù)據(jù)共享激勵(lì)模型對(duì)社區(qū)演化穩(wěn)定所起的作用，并將EGDSI 模型與其他數(shù)據(jù)共享演化博弈模型進(jìn)行對(duì)比。

3.1 演化穩(wěn)定策略驗(yàn)證分析

1.2節(jié)通過演化博弈論求解演化穩(wěn)定策略，推導(dǎo)出條件1～條件3。本節(jié)通過模擬實(shí)驗(yàn)驗(yàn)證其結(jié)論的正確性。為滿足條件1～條件3，對(duì)條件參數(shù)進(jìn)行設(shè)置，具體如表3 所示。

表3 條件參數(shù)設(shè)置Table 3 Condition parameters setting

通過Matlab 進(jìn)行演化模擬仿真，針對(duì)條件1，其演化曲線如圖3 所示。

圖3 條件1 的演化曲線Fig.3 Evolution curves of condition 1

共享收益縮放系數(shù)α=4，數(shù)據(jù)成本G=10，激勵(lì)/成本I=4，可得演化穩(wěn)定點(diǎn)如果社區(qū)成員進(jìn)行數(shù)據(jù)共享的初始比例p滿足0.42

針對(duì)條件2 與條件3，可得演化曲線如圖4 所示。當(dāng)設(shè)定共享收益縮放系數(shù)α=4、數(shù)據(jù)成本G=10、激勵(lì)/成本I=12 時(shí)，滿足條件2，即0<α?ln(1+G)0，由圖4（b）可知，當(dāng)社區(qū)成員進(jìn)行數(shù)據(jù)共享的初始比例p=0.05 時(shí)，即僅5%的社區(qū)成員選擇了初始參與數(shù)據(jù)共享，但隨著時(shí)間的推移，最終整個(gè)系統(tǒng)的演化穩(wěn)定策略仍趨向于=1，即參與數(shù)據(jù)共享。實(shí)驗(yàn)結(jié)果表明，在條件3 的情況下=1 是數(shù)據(jù)共享社區(qū)的演化穩(wěn)定策略。

圖4 條件2 與條件3 的演化曲線Fig.4 Evolution curves of condition 2 and condition 3

3.2 激勵(lì)機(jī)制方案驗(yàn)證分析

為了證明激勵(lì)機(jī)制在用戶選擇決策時(shí)是否發(fā)揮促進(jìn)數(shù)據(jù)共享的作用，設(shè)定共享收益縮放系數(shù)α=4，數(shù)據(jù)成本G=10，在條件1 中激勵(lì)/成本I的取值范圍為I<α?ln(1+G)，即I<9.6，在條 件3 中，I的 取值范圍為I<0。本次實(shí)驗(yàn)通過控制變量法，在相同數(shù)據(jù)共享初始比例的情況下調(diào)整不同的激勵(lì)/成本I，以及在相同的激勵(lì)/成本I下調(diào)整不同的數(shù)據(jù)共享初始比例，條件參數(shù)設(shè)置如表4 所示。

表4 激勵(lì)機(jī)制條件參數(shù)設(shè)置Table 4 Incentive mechanism condition parameters setting

使用上述參數(shù)可得EGDSI 演化曲線如圖5 所示。由條件1 可知，不同的激勵(lì)/成本I會(huì)導(dǎo)致不同的數(shù)據(jù)共享初始比例閾值，以I=2 為例，當(dāng)激勵(lì)/成本I=2 時(shí)，數(shù)據(jù)共享初始比例閾值（即演化穩(wěn)定點(diǎn)）=≈0.21，當(dāng)數(shù)據(jù)共享初始比例p=0.1 時(shí)，由圖5 可知，隨著時(shí)間的推移，社區(qū)成員相互進(jìn)行模仿學(xué)習(xí)，不斷調(diào)整自己的策略，使自己的利益最大化，最終會(huì)達(dá)到=0 的演化穩(wěn)定策略，即趨向于不進(jìn)行數(shù)據(jù)共享。為了避免此類現(xiàn)象在數(shù)據(jù)共享社區(qū)出現(xiàn)，此時(shí)數(shù)據(jù)共享社區(qū)應(yīng)給予一定的激勵(lì)獎(jiǎng)勵(lì)，即調(diào)整激勵(lì)/成本I，使I=-3 或?8。當(dāng)激勵(lì)/成本I為負(fù)值時(shí)，數(shù)據(jù)共享的比例隨著時(shí)間推移而增加，直到增加至p=0.3，可再次調(diào)整激勵(lì)/成本I=2，收取一定的成本，因?yàn)榇藭r(shí)數(shù)據(jù)共享社區(qū)隨著時(shí)間的推移一定會(huì)趨向于數(shù)據(jù)共享穩(wěn)定策略。當(dāng)p達(dá)到0.9 時(shí)，可增加激勵(lì)/成本I，將其增至7，防止進(jìn)一步通貨膨脹，提高共享成本。綜上所述，本文所設(shè)計(jì)的數(shù)據(jù)共享激勵(lì)機(jī)制可以有效促進(jìn)更多用戶參與數(shù)據(jù)共享。

圖5 EGDSI 激勵(lì)模型演化曲線Fig.5 Evolution curves of EGDSI excitation model

3.3 模型對(duì)比

本文提出一種基于演化博弈論的數(shù)據(jù)共享激勵(lì)模型EGDSI，目的是為了進(jìn)一步促進(jìn)數(shù)據(jù)的收集、共享與流通。文獻(xiàn)［19］針對(duì)數(shù)據(jù)共享激勵(lì)提出一種EGI模型，EGI 模型對(duì)共享成員的等級(jí)未進(jìn)行劃分，沒有考慮個(gè)體之間獎(jiǎng)勵(lì)的差異性，所有共享成員均采用相同的激勵(lì)機(jī)制對(duì)數(shù)據(jù)共享進(jìn)行獎(jiǎng)勵(lì)。本節(jié)對(duì)這2 種模型進(jìn)行對(duì)比，設(shè)定共享收益縮放系數(shù)α=4，數(shù)據(jù)成本G=10，2 種模型的數(shù)據(jù)共享演化曲線對(duì)比如圖6 所示。

圖6 2 種模型的數(shù)據(jù)共享演化曲線對(duì)比Fig.6 Comparison of data sharing evolution curves of two models

由圖6 可知，在不同的初始共享比例情況下，本文模型達(dá)到數(shù)據(jù)共享飽和狀態(tài)的速度均優(yōu)于EGI 模型，即本文模型可以在更早的博弈階段達(dá)到數(shù)據(jù)共享，提升數(shù)據(jù)共享的效率，其具有更好的激勵(lì)作用。

4 結(jié)束語

數(shù)據(jù)共享社區(qū)普遍面臨用戶參與積極性低、歸屬感弱、缺乏相應(yīng)數(shù)據(jù)共享激勵(lì)機(jī)制等問題，為此，本文構(gòu)建一種基于演化博弈論的數(shù)據(jù)共享激勵(lì)模型，并在已有的區(qū)塊鏈共享平臺(tái)上利用智能合約技術(shù)實(shí)現(xiàn)該模型所對(duì)應(yīng)的智能合約數(shù)據(jù)共享激勵(lì)引擎。仿真結(jié)果表明，該模型可以在數(shù)據(jù)共享社區(qū)中激勵(lì)更多用戶參與數(shù)據(jù)共享，進(jìn)一步促進(jìn)數(shù)據(jù)的收集、流通和使用。下一步將結(jié)合可信數(shù)據(jù)共享與安全存儲(chǔ)相關(guān)技術(shù)，提升數(shù)據(jù)在共享過程中的訪問權(quán)限控制，防止數(shù)據(jù)非授權(quán)訪問等風(fēng)險(xiǎn)發(fā)生，同時(shí)提高數(shù)據(jù)在共享社區(qū)存儲(chǔ)時(shí)的安全性與隱私性。