共享航空领域数据的分布式账本

IPRDB

API 数据接口

专利申请

使用指引 chat嘟嘟

会员体验

联系我们

交流群

现在联系顾问~

共享航空领域数据的分布式账本
申请号	CN201911322860.6	申请日	2019-12-20	公开(公告)号	CN111353179A	公开(公告)日	2020-06-30
申请人	塔莱斯公司;			发明人	F·库尔莫; G·帕比亚;
摘要	本文描述了用于共享航空数据的系统和计算机实施方法，包括步骤：维护私有区块链，所述区块链涉及多个预定义方；响应一方的请求，通过用于控制交换的机制，有条件地传送航空数据该数据是预先从航空计算机中收集的，例如航空器的机载飞行管理系统(FMS)。扩展特别描述了用途：用于提供补偿或酬劳和管理访问权和/或使用许可的机制；智能合约；用于拍卖或交易数据集的机制；航空电子的和非航空电子的数据的管理；应用于共享的和合并的数据的学习技术；侧链管理；后量子加密。描述了软件的各个方面。
权利要求	1.一种用于共享航空数据的计算机实施的方法，包括步骤：维护私有区块链，所述私有区块链涉及多个预定义方；响应于所述预定义方中的一方的请求，通过用于控制交换的预定义机制，有条件地传送航空数据，所传送的航空数据为预先从位于所述预定义方的一架或多架航空器上的一台或多台航空计算机收集的数据。 2.根据权利要求1所述的方法，用于控制所述交换的所述机制包括对所述区块链的数据的访问和/或传送以交换酬劳或补偿，以及用于控制所述交换的所述机制是由一个或多个智能合约确定的。 3.根据权利要求2所述的方法，至少部分地对所述区块链的所述数据加密，并且至少一个智能合约确定对所述数据的所述访问，特别是通过加密密钥的管理进行。 4.根据前述任一权利要求所述的方法，至少对于所述预定义方，用于控制所述交换的所述机制和/或所述智能合约中的一个或多个智能合约的源代码是可访问的。 5.根据前述任一权利要求所述的方法，用于控制所述交换的所述机制包括确定与所述预定义方中的每一方相关联的财务数额和/或名誉评分。 6.根据权利要求5所述的方法，数据集的价格是安排好的和预定义的，或者是可变的以及例如通过拍卖或通过挂单交易来动态确定的。 7.根据前述任一权利要求所述的方法，通过应用一个或多个阈值或阈值范围，特别是依赖数据上载/下载比率，控制数据交换，例如封顶。 8.根据前述任一权利要求所述的方法，一个或多个智能合约实施交换规则，该规则确保满足FRAND条件，即价格是公平的、合理的且无歧视的。 9.根据前述任一权利要求所述的方法，该方法还包括步骤在于：显示与一个或多个预定义方相关联的一个或多个评分，例如在上载或下载数据中或者确实在所述共享数据集的累积使用的数量中证明有盈余或亏损的评分。 10.根据前述任一权利要求所述的方法，所共享的航空数据是来源于开源的航空电子数据和/或非航空电子数据。 11.根据权利要求10所述的方法，所述航空电子数据例如包括：飞行参数；路径数据；飞行计划数据；空中交通数据；飞行设置；ECM/EMU引擎数据；气象数据；DFRD黑匣子数据；ATC/AOC/AAC数据；NOTAM数据和/或与包括认证的FMS计算机数据的ACD周边相关的数据；自动驾驶仪或AP数据；FCC或飞行控制命令；IRS/GNSS/ADC定位系统数据；来自ACAS-TCAS、TAWS-GPWS和雷达监视系统的数据；来自AOF或滑行系统的数据；来自RMS/RMP无线电通信系统的数据；无线公司通信数据；AOC或ATC空中交通数据；来自维护系统、警告系统的管理数据；引擎数据；来自空调系统的数据；起落架管理数据；与致动器有关的数据；与航空器上的电气的和/或液压的分配有关的数据。 12.根据权利要求11所述的方法，所述非航空电子数据包括：来自AISD周边的数据，比如由电子飞行包或EFB生成的数据；由机舱或IFE系统生成的数据和由地面系统生成的数据。 13.根据前述任一权利要求所述的方法，该方法还包括一个或多个步骤，其中将机器学习应用到通过所述区块链和/或通过一个或多个智能合约可访问的数据。 14.根据权利要求13所述的方法，所述机器学习是无人监督的，或者是使用各种合作的和/或对抗的机器学习技术来自反地应用的。 15.根据权利要求13所述的方法，所述机器学习包括一种或多种算法，该算法从包括以下的算法中选择：支持向量机；分类器；神经网络；决策树和/或统计方法的步骤，例如高斯混合模型、逻辑回归、线性判别分析和/或遗传算法。 16.根据权利要求2到15中任一项所述的方法，智能合约包括存储在所述区块链中和/或由所述区块链执行的计算机程序。 17.一种用于共享航空数据的系统，包括：由多个预定义和先前认证的参与方维护的私有区块链，所述区块链配置为执行一个或多个智能合约；一台或多台航空计算机，例如飞行管理系统或FMS，其以读取和/或写入模式直接地与所述区块链相关联，和/或通过一个或多个智能合约间接地与所述区块链相关联；所述一个或多个智能合约配置为根据与在所述预定义的参与方之间交换的所述数据集有关的交易来执行补偿机制。 18.根据权利要求17所述的系统，所述补偿机制控制财务流和/或名誉指标和/或交换数据的流动。 19.根据权利要求18所述的系统，还包括集中式数据库和/或包含所述航空数据的所谓的次区块链，在所谓的主私有区块链中引用或索引所述数据。 20.根据权利要求17到19中任一项所述的系统，该系统还包括：一个或多个神经网络，该一个或多个神经网络从包括以下的神经网络中选择：人工神经网络；非循环人工神经网络；循环神经网络；前馈神经网络；卷积神经网络；和/或生成对抗神经网络；所述一个或多个神经网络：是通过主区块链或次区块链和/或通过一个或多个智能合约而使用软件来模拟；和/或是物理电路，其输入和输出能够由所述区块链和/或由一个或多个智能合约控制。
说明书全文	共享航空领域数据的分布式账本技术领域 [0001] 本文涉及信息处理的一般技术领域。特别地，本文描述了特别是使用分布式数据库共享航空领域的数据的系统和方法。背景技术 [0002] 在既定行业的产业参与者之间的数据共享仍然是合作与竞争相混合的活动。出于排外的目的，共享数据的原因常常与建立私有语料库的愿望相冲突。基本上，独立于产业参与者的策略之外来提取有价值的数据，这对于积累大量数据依然是有利的(例如互相关、相关、学习等)。 [0003] 如果适当地采用某些技术，特别是区块链或分布式账本，则可重新定义共享数据的活动，并且针对新的共享形式创造机会。 [0004] 在复杂的航空生态系统中，飞机计算机产生大量数据，许多产业参与者(飞机制造商、OEM、飞行员和航空公司、负责空中交通管制的机构等)可能会对数据感兴趣。相同的参与者也会产生大量数据，从而导致生成通常无法共享的数据孤岛。由于没有公共地利用这些数据，因此很可能错过许多机会。使用各种各样的方法可丰富数据，并且从孤岛中提取价值。 [0005] 因为允许从数据中提取价值的算法需要大量的数据以确保精确和可靠，所以拥有少量航空器的中小型运营商对共享数据具有真正的兴趣。然而，与少数拥有足够的数据集来执行分析的大型公司相比，大多数航空器运营商都属于这一类别(使用的航空器很少)。 [0006] 在共享数据的同时，重要的是能够确保其批准的来源(真实性)和兼容的传输(完整性)。 [0007] 最后，重要的是找到机制，该机制至少在一定程度上对贡献进行公平补偿，或至少有足够的吸引力来激励共享。利用已知方法，非技术性地解决这些方面，即通常通过合约来解决(例如与指定且定价供应商必须为客户产生的数据集的多个中间商或经纪人的其中之一合约)。 [0008] 关于应用于特定的航空环境的区块链(或分布式账本技术(DLT))，所有的一切还有待去完成。与区块链相关的出版物几乎都是英文的，并且通常与比特币和金融应用有关。截至2018年底，专利文献总计只有FR3062499和FR3063406这两个很有趣但与所陈述的技术问题无关的出版物。 [0009] 标题为“收集和分配关键天气事件信息的系统和方法”的专利EP3367137描述了用于在多个飞机之间共享关键气象信息的系统。地面中心(中间商)的任务是管理各种飞机(客户和供应商)的请求。该解决方案在某些情况下是符合要求的，但在关于更广泛的合作方面具有局限性。例如，所述示例为中间商的存在做好准备，因此中间商对于已经很复杂的航空生态系统来说是增加项。此外，仅在飞机之间传输信息；特别是没有使用“更广阔的世界”(即在监管环境之外，例如因特网数据)中可用的资源(然而数量更多)。未指定所使用的数据库类型。仅气象信息被视为是关键的；例如不会考虑最佳飞行数据，即使这些数据可具有高“价值”。 [0010] 针对航空电子设备，由(例如)航空器上的机载计算机产生的相当大的原始信息的结余是计算机供应商的专属财产。通常，可在供应商和用户(制造商、组装商、客户、监管机构)之间达成许可，以允许后者使用所述信息。该模型具有局限性，并且可相当大地改善。发明内容 [0011] 本文描述了用于共享航空数据的系统和计算机实施的方法，包括步骤：维护私有区块链，所述区块链涉及多个预定义方；通过用于控制交换的机制有条件地传送航空数据来响应一方的请求，该数据是预先从航空计算机中收集的，例如航空器的机载飞行管理系统(FMS)。扩展特别地涉及了以下用途：提供补偿或酬劳和管理访问权和/或使用许可的机制；智能合约；用于拍卖或交易数据集的机制；航空电子的和非航空电子的数据的管理；应用于共享和合并数据的学习技术；侧链管理；后量子加密。描述了软件的各个方面。 [0012] 在一个实施例中，使用一个或多个区块链来存储和共享数据(因此确保了数据的质量(例如时间戳、完整性、共识验证等))。可选地，通过一个或多个智能合约(例如用户对数据的访问、权限管理等)来管理(或允许、控制)这些数据(例如交易)的共享。 [0013] 有利地，对航空信息的共享和分析进行改善。收集例如计算机供应商团体或这些计算机的用户中的航空计算机所生成的原始数据或处理后的数据，以从中提取具有技术的和/或专业价值的丰富信息。 [0014] 有利地，因为使用了区块链，所以可确保操纵数据的真实性和完整性。 [0015] 有利地，可清晰地和透明地监控、分类和跟踪交换(或贡献)，从而增加了共享的动机。对给定一方的“无用”的数据对另一方可具有高价值(例如，如果发布了可用性信息，则另一家公司可购买事先预留的用于飞机下机的且未被使用的自由航班起降时辰(free slot)。 [0016] 有利地，除安全之外，还有意地鼓励信息共享。 [0017] 有利地，通过实施根据本发明的交换方法，可避免或减少使用中间商来管理数据交换。单个参与者(或中间商)或一些参与方(例如大型公司)中的数据的集中通常是次优的，因为它不允许一般性处理，无论他们的大小，所有的供应商和用户都能容易地访问。它偏向访问数据、增加交易成本、分散权限等。由于缺乏互惠或兴趣，或甚至由于访问数据的复杂性，数据的集中化可减少定量的和/或定性的数据收集。随后，从数据中得出的示教或分析的质量较低，从而对最终客户不利(例如，用户体验、航空安全等)。相反，本发明允许捕获数据，并且因此提高从其中(分析学)得出的分析的质量。本发明允许参与者之间流畅的和透明的交换，而不是次优交换，其中共享的动机是毫无疑问的，如果不可预测，共享是得到补偿的，并且各方的评分是透明的，无论它们在工业界中的规模如何。 [0018] 根据本发明，对航空区块链感兴趣的每一方因此自由地专注于其工作领域，并且得益于由属于其他人的数据所创建的积极的外部效应，否则该数据将是无用的。一方将不会或常常很少通过中间商来采购不一定符合其特定需要的转换后的数据集(在A.I.意义上较少的控制，因为它依赖于由中间商所开发的算法)。 [0019] 在航空电子设备中，与航空器和/或地面之间的连通性的大量部署相结合的人工智能技术(本质上为机器学习)的应用，可大规模利用所有这些数据(称为“大数据”的方法)用于各种的和有利的目的，例如通过随着时间的推移对多个输入源的分析来改善维护；航空公司运营的增值服务的出现，例如延误、过度消耗燃料的估计、路径优化、预期流量、天气的预计等；改善航班的安保性和/或安全性，例如，通过流量分析以及通过对潜在的或难以先验地预测的异常现象的早期检测；通过提供针对性服务和商品来改善乘客体验；当经营许多航空器例如无人机时任务管理的改善等。 [0020] 新的、补充的、附加的、最近的或其他丰富的航空数据都得到利用。 [0021] 通过以特定方式(即，适合于航空行业所遇到的问题的方式)对与区块链和智能合约有关的技术进行整合，根据本发明的方法和系统最终允许对航空安全进行改善。这种安全性在这个行业中是根本性地重要的。现有的航空架构非常封闭(由于对数据损坏、攻击、系统性风险等的担忧，系统之间的链接很少)；通过增加分析区域(数据量)和执行分析的质量，提出的解决方案可能显著地改善系统间数据的技术管理。附图说明 [0022] 通过以下描述和附图，本发明的其他特征和优点将变得显而易见，其中： [0023] 图1示出了根据本发明的区块链操作； [0024] 图2示出了根据本发明的方法的一个实施例的步骤示例。具体实施方式 [0025] 本发明的实施例可使用区块链来改善对大数据实施的机器学习。下文对这些对象或表述进行定义和解释。 [0026] 这些对象拥有固有特性，即其内在的特性，并且不依赖于使用环境。然而，航空的约束或要求是许多和复杂的。“贸易”的约束和折中难以清楚地识别(问题发明)和证明或潜在地构造实施变体，否则这些变体仿佛是任意的。 [0027] 大数据 [0028] “大数据”的表述指示大规模实施的数据收集和分析。该概念与技术性质的特征相联系，这些特征包括：数量(例如大量的数据收集，即使它们是冗余的)、种类(例如使用许多不同的输入源)、速度(例如在变化的或动态的环境中“新鲜”的或不断更新的数据)、证明一定的真实性(例如，不会去除淹没在噪声中的微弱信号，随后可对其进行检测或放大)、为了最终实现一定的价值(例如，来自于技术的和/或专业的，即商业视角的实用性)。 [0029] 机器学习 [0030] 各种类型的机器学习(自动学习)都是可能的。机器学习属于计算领域，计算领域使用统计技术赋予计算系统从数据中“学习”的能力(例如，为了逐渐地改善特定任务的性能)，而不用为此进行显式编程。 [0031] 自动学习对于图案、形状或趋势的检测和辨识是有利的。收集数据(例如来自视频游戏或公司的数据)时常比显式编写管理所讨论集合的程序要更容易。此外，可重复利用神经网络(机器学习的硬件实施例或软件仿真)来处理新数据。机器学习可实施于特别大量的数据，即，使用尽可能多的数据(例如稳定性、收敛性、微弱信号等)。可连续添加新数据，并且可完善学习。 [0032] 与根据本发明的特征相结合，可使用各种学习算法。该方法可包括算法中的一种或多种算法，这些算法包括：支持向量机(SVM)；提升(分类器)；神经网络(无监督学习)；决策树(随机森林)、统计方法，比如高斯混合模型；逻辑回归；线性判别分析；遗传算法。 [0033] 通常将机器学习任务根据“信号”、学习输入、“信息反馈”或输出是否可用分为两大类。 [0034] 表述“监督学习”指示的是将输入示例和(实际的或预期的)输出示例呈现给计算机的情况。然后，学习在于识别一组规则，该规则使输入对应于输出(这些规则可为人类可理解的，也可不是)。 [0035] 表述“半监督学习”指示的是计算机仅接收不完整的数据集的情况：例如一些输出数据缺失。 [0036] “强化学习”的表述指示的是范式(paradigm)，该范式在于基于实验来学习要采取的操作，以便随着时间的推移优化定量的奖励。通过迭代实验，确定决策行为(称为策略或政策，其为将当前状态与要执行的操作相关联的功能)是最佳的，因为随着时间的推移，它最大化了奖励的总和。 [0037] 表述“无监督学习”(也称为深度学习)指示的是这样情况，其中不存在注释(无标签、无描述等)，而使学习算法独自在输入和输出之间找到一个或多个结构。无监督学习本身可为目标(发现隐藏在数据中的结构)，或实现目标的方式(通过功能进行学习)。 [0038] 取决于实施例，机器学习步骤中的人为贡献可变化。在某些实施例中，将机器学习应用于机器学习本身(自反性)。明确地，特别是如果使用多个模型，并且比较这些模型产生的结果，则整个学习过程可为自动化的。在大部分情况下，人类参与机器学习(人机回圈(human in the loop))。开发者或管理者负责维护数据集：数据摄取、数据清理、模型发现等。 [0039] 机器学习可对应于通过计算机(例如CPU-GPU)来仿真的硬件架构，但是有时不能对应(可有专用于该学习的电路)。 [0040] 可使用各种学习算法。该方法可包括算法中的一种或多种算法，该算法包括：支持向量机(SVM)；推进(分类器)；神经网络(在无监督学习中)；决策树(随机森林)、统计方法，比如高斯混合模型；逻辑回归；线性判别分析；以及遗传算法。 [0041] 在硬件方面，取决于实施例，使用一个或多个神经网络可实施根据本发明的方法。根据本发明的神经网络可为在以下神经网络中所选择的一个或多个神经网络，包括：a)人工神经网络；b)非循环人工神经网络，例如多层感知器，因此不同于循环神经网络；c)前馈神经网络；d)霍普菲尔德神经网络(离散时间循环神经网络模型，该模型的连接矩阵是对称的，对角线上为零且动态是异步的，在每个时间单位中更新单个神经元)；e)循环神经元的网络(上述网络包含相互非线性相互作用的相互连接的单元，在所述网络的结构中存在至少一个循环)；f)卷积神经网络(CNN)，通过感知器的多层堆叠实现的前馈非循环人工神经元的网络种类；或g)生成式对抗网络(GAN)，一类无监督的学习算法。 [0042] 分布式账本或区块链 [0043] 根据维基百科给出的定义，区块链或分布式账本(分布式账本技术或DLT)是使用密码技术进行安全保护的分布式数据库。将交换的交易以密码术进行安全保护的方式在有规律的时间间隔里分组为“区块”，从而形成链。在记录最近的交易之后，生成和分析新的区块。如果该区块是有效的(分布式共识)，则该区块可加上时间戳，并且将该区块添加到区块链中。每个区块通过哈希键链接到前一个。一旦添加到区块链中，就不能再修改或删除区块，这保证了网络的真实性和安全性。为了形成链，使用哈希函数和默克尔树(Merkle)。哈希树包含一组独立的控制集(control sum)。控制集在树形结构中相串接。哈希树能够验证数据集的完整性而不必在验证的时候处理所有的数据。通过存储节点保护区块链中的记录以防篡改或修改：篡改区块需要篡改整个链，因此总成本变得过高而难以承受，并且保证了整个区块的不被篡改的置信度等级。交易对所有网络都是可见的(折现剪枝(discounting pruning))。 [0044] 时间是区块链中的重要因素(广播、传播、延迟等概念)。依赖所使用的技术，网络中所有节点的分布式共识可花费非常不同的时间量。可使用各种技术来加速，特别是侧链，这也会增加存储容量。 [0045] 在分布式共识的背景下，区块链可使用工作量证明验证。从数学的角度来看，工作量证明是“难以提供但易于验证”的。基于证明的验证系统通常是不对称的：作为服务请求的回报所需的计算对请求者是昂贵的，但容易由第三方进行验证。可使用各种技术，特别是hashcash(哈希现金)或Client-puzzle(客户难题)，例如专利US7197639。 [0046] 被称为“矿工”或“挖矿”节点的节点为实体，节点的作用是向网络提供计算能力，以允许去中心化数据库进行更新。这些矿工可通过密码令牌的分配来获得酬劳。其他补偿方法(附加或替代)为提供交易佣金。矿工并不总是必要的：例如，在私有区块链的情况下，区块链中的参与者自己维护分布式数据库。 [0047] 区块链可为公共的或私有的，或具有中间的管理形式，其可使用不同的进入壁垒(通过工作量证明进行验证)。“公共的”区块链以不具有可信任的第三方(所谓的不信任模型)方式运行，通常通过工作量证明(例如哈希现金)进行复杂的验证。公共的区块链通常不定义任何其他规则，只定义其组成的协议代码和软件技术的规则。“私有的”区块链包括参与共识的节点，预先定义这些节点然后进行认证。它的操作规则可能是外在的。 [0048] 使用“智能合约”可使区块链为或成为可编程的。智能合约是计算性协议或软件包，其可促进、验证和执行合约的谈判或实行。它们旨在模仿或接近合约条款(合同法)的逻辑。智能合约并不严格等同于合约协议。因为它们通过数字化手段来控制奖励，所以使得违反协议变得昂贵。他们会或不会为合约中的第三方介入做准备，以监督合约的实行(例如“预言机(oracle)”或预言机服务)。智能合约为软件代码，该代码存储在区块链中并由区块链运行，并且该代码由外部数据触发，从而可允许该代码修改区块链或其他地方的其他数据。 [0049] 智能合约的执行是可预测的；至少，该代码以及由此代码实施的计算或测试的性质是已知的。智能合约的代码存储在区块链中；在区块验证期间执行智能合约；分配计算资源，这意味着智能合约的执行本身是安全的：智能合约的代码在实施区块链的架构的多个节点上得到复制；因为它是确定的，所以各种执行的结果必须是相同的。因此，代码和代码的运行是安全的。 [0050] 对于任何程序或计算机代码，可使用各种编程语言以及各种规则和安全模型(管理其他合约的主合约，级联合约等)。智能合约采取的形式可为多种多样的(例如服务、代理、代码片段、脚本、SOA、API、附加组件、插件、扩展、DLC等)。数学逻辑(针对数据做出的决策)可为常规逻辑、模糊逻辑、组合逻辑、直觉逻辑、模态逻辑、命题逻辑、部分逻辑、弗协调逻辑等，或这些类型的逻辑的组合。软件包以硬件形式(例如FPGA)可进行部分地或完全地编码。智能合约可为全部地或部分地开源和/或闭源。在开源情况下，可由参与方或第三方审核或验证代码。智能合约可将开源代码部分(例如可审核的、可验证的、可改进的部分等)结合于闭源代码部分(即专有的、秘密的、敏感的部分等)。闭源可为二进制代码，可选择地对其模糊或强化。所使用的密码技术可是多种多样的：对称的、不对称的、量子后、量子安全，利用量子密钥分配等。智能合约可为人类和/或机器可读的。 [0051] 下面描述了本发明的实施例。 [0052] 在一个实施例中，描述了用于共享航空数据的计算机实施的方法，所述方法包括维护私有区块链的步骤，所述私有区块链涉及多个预定义方；响应于预定各方中的一方的请求，通过用于控制交换的预定机制(例如，例如通过一个或多个智能合约编码到区块链中)，有条件地传送航空数据，所传送的航空数据是预先从位于预定义方的一架或多架航空器上的一台或多台航空计算机(例如FMS)中采集的数据。 [0053] 在一个实施例中，用于控制交换的机制包括对区块链数据的访问和/或通信以交换酬劳或补偿，并且通过一个或多个智能合约确定用于控制交换的机制。术语“酬劳”意思是为交换工作或服务而支付的一笔资金。术语“补偿”指示的是操作，通过该操作可通过相互转让的方式来结算购买和销售，而不会移动证书或金钱。以实物可实现对贡献(趋于达到稳定水平，例如在预定义的时间范围内评估的)的补偿(例如以数据换数据)；不必利用累计信托资金。智能合约可协同工作(例如通过构造、有意地使用系统控制机制、通过确定性决策等)，但有时也可为“对抗的”(例如通过比较然后选择的招标服务、“招标”、随机的或概率性的决策等)。 [0054] 在一个实施例中，至少部分地将区块链的数据加密，并且至少一个智能合约确定对数据的访问，特别是通过加密密钥的管理。依赖实施例：所有数据可为明文；可加密和/或屏蔽所有数据；或者数据可为部分明文(元数据)和部分加密的。 [0055] 在一个实施例中，至少对于预定义方，用于控制交换的机制和/或一个或多个智能合约的源代码是可访问的。在其他实施例中，源代码是部分封闭的(二进制的或混淆的，即是为了阻止或防止逆向工程，或甚至是加固)。 [0056] 在一个实施例中，用于控制交换的机制包括确定与每个预定义方有关系的财务数额和/或名誉得分。可采用各种名誉管理机制，特别是参与者“社交图谱”的管理。如果结果是相同的参与者总是与相同的其他参与者共享数据，则区块链可例如自动分叉(计算协议可抢先于人类组织决策)，转让价格可能会发生调整等。 [0057] 通过智能合约可部分地或全部地管理数据的所有权。数字版权管理(DRM)机制可管理财产转让、许可权、是否专有等。例如，与较高的支付价格有关系的专有许可将导致元数据，该元数据表明可实施数据为确定的使用和控制机制而保留(可选地与制裁或处罚相关联)。如果交换是透明的且交换的规则是清晰的和预先定义的，则专有权的管理与使用区块链不矛盾。 [0058] 在一个实施例中，数据集的价格是安排好的和预定义的，或者是可变的和动态确定的，例如通过拍卖，或通过挂单交易(order-book trading)。可使用其他财务机制(包含用于数据的衍生产品的市场创建；具有对某种类型的数据的价值的观点的某些参与者可选择期权(take out options)等)。 [0059] 在一个实施例中，例如通过应用一个或多个阈值或阈值范围，特别是依赖数据上载/下载比率来控制数据的交换。该方法是定量的，并且可通过更加定性的方案对该方法进行调整(其中，如果下游控制机制足够全面，则事先和/或随后评估共享数据的质量是可能的)。 [0060] 在一个实施例中，一个或多个智能合约实施交换规则，确保满足FRAND条件，即价格是公平的、合理且无歧视的。通常可将所有竞争法的规则编码进智能合约，包含例如对滥用支配地位的检测和纠正。 [0061] 在一个实施例中，该方法还包括步骤：显示与一个或多个预定义方有关系的一个或多个评分，例如证明在上载或下载数据中的剩余或不足的评分，或者确实在共享数据集的累积使用的数量的评分。 [0062] 在一个实施例中，共享的航空数据是来源于开源的航空电子数据和/或非航空电子的数据。 [0063] 在一个实施例中，航空电子数据例如包括：飞行参数；路径数据；飞行计划数据；空中交通数据；飞行设置；ECM/EMU引擎数据；气象数据；DFRD黑匣子数据；ATC/AOC/AAC数据；NOTAM数据和/或与包括认证的FMS计算机数据的ACD周边相关的数据；自动驾驶仪或AP数据；FCC或飞行控制命令；IRS/GNSS/ADC定位系统数据；ACAS-TCAS、TAWS-GPWS和雷达监视系统的数据；AOF或滑行系统的数据；RMS/RMP无线电通信系统的数据；无线公司通信数据；AOC或ATC空中交通数据；维护系统的管理数据；预警系统；引擎数据；空调系统的数据；起落架管理数据；与致动器有关的数据；与航空器上的电气的和/或液压的分配有关的数据。该信息具有已证明的完整性(通过从A到D的“DAL”级别证明)。针对使用也对它们进行了验证，以保证所需的鲁棒性水平。该数据类型的列表并不是详尽性的。 [0064] 数据的本质意味着可靠性方面的技术特征。航空电子系统是关键的系统(或保证了可靠性的系统)。它们是系统，其故障的后果超过可接受的或可忍受的极限，因此而担心该系统。故障的特征可为所讨论的功能丢失，或者为在检测到或未检测到错误时错误数据的产生。根据担心后果的关键度，发生概率必须保持在可接受的阈值以下。因此，后果越关键，可接受的发生概率就必须越低。例如，在航空中，灾难事件(多人死亡)的发生概率必须低于10-9每飞行小时，然而，重大事件(安全极限和操作能力的下降、不适感或轻伤)的发生概率必须低于10-5每飞行小时。为了实现这些目标，(关键的)航空电子系统的架构和每个组件的设计通过保证每台设备的故障率(物理故障)和软件包的测试级别(功能的和结构的测试覆盖率)来保证发生概率。为了满足这些要求，必须在系统设计和测试上花费大量努力，并且必须限制所实施的处理操作的复杂性。相反，非关键系统的故障，或不能保证可靠性的系统(“非航空电子的”系统)的后果被判定为是可容忍的、非关键的，或甚至没有重大的操作影响。因此，相对于关键系统，架构、物理组件或软件处理操作所必须满足的要求较低，并且允许采用更复杂的处理操作，以及在开发和测试上花费的精力更少。通常，与非航空电子系统相比，航空电子系统与更低的物理故障率和更严格的测试制度相关。 [0065] 在一个实施例中，非航空电子的数据包括：来自AISD周边的数据，比如由电子飞行包或EFB生成的数据；由机舱或IFE系统生成的数据和由地面系统生成的数据。 [0066] 在一个实施例中，该方法还包括一个或多个步骤，其中通过区块链和/或一个或多个智能合约将机器学习应用到可访问的数据。 [0067] 在一个实施例中，机器学习是无人监督的。在一个实施例中，使用各种合作的和/或对抗的机器学习技术来自反地(reflexively)应用机器学习(系统自己学会学习和选择最有效的技术)。 [0068] 在一个实施例中，机器学习包括一种或多种算法，该算法从包括以下的算法中选择：支持向量机；分类器；神经网络；决策树和/或统计方法的步骤，例如高斯混合模型；逻辑回归；线性判别分析和/或遗传算法。 [0069] 在一个实施例中，智能合约包括存储在所述区块链中和/或由所述区块链执行的计算机程序。 [0070] 描述了用于共享航空数据的系统，所述系统包括：由多个预定义和先前认证的参与方维护的私有区块链，所述区块链配置为执行一个或多个智能合约；一台或多台航空计算机，例如飞行管理系统或FMS，以读取和/或写入模式直接地与区块链关联，和/或通过一个或多个智能合约间接地与区块链关联；所述一个或多个智能合约配置为根据与在预定义方之间交换的数据集有关的交易来执行补偿机制。 [0071] 在一个实施例中，补偿机制控制财务流和/或名誉指标和/或交换数据的流。该控制机制可为各种处罚或制裁(例如帐户冻结、销户等)做准备；相反，可分配“奖励”、奖金、小费、积分或点数。人工注释可用于注释数据集、提问、请求其他数据等。(所有这些都是可追踪的) [0072] 在一个实施例中，该系统还包括集中式数据库和/或包含航空数据的所谓的次链，在所谓的主要私有区块链中引用或索引所述数据。更普遍地，N个区块链可独立地或有时相互依赖地共存，即互相链接。 [0073] 在一个实施例中，该系统还包括：一个或多个神经网络，从包括以下的神经网络中选择：人工神经网络；非循环人工神经网络；循环神经网络；前馈神经网络；卷积神经网络；和/或生成性对抗神经网络；通过所述的主链或次链和/或一个或多个智能合约来使用软件模拟一个或多个神经网络；和/或通过所述区块链和/或一个或多个智能合约控制输入和输出的物理电路。可使用其他类型的硬件(AI加速器、AI芯片，例如自适应网络、再生网络等)。 [0074] 在一个实施例中，通过后量子密码术获得加密。这种类型的加密允许在适当情况下抵抗量子攻击。因此，即使开发出足够强大的量子计算机，现在也无法解密已加密的数据。航空数据是敏感数据(例如安全日志)，因此采用这种类型的加密是有利的。可使用同态密码术(使用加密数据进行计算，例如学习)。 [0075] 图1示出了根据本发明的分布式架构的一个示例。 [0076] 图1示出了4个数据区块B1到B4(101、102、103、104)。哈希树由一组相互依赖的哈希值构成。树的树叶是每一个初始数据区块的哈希值(111，112，113，114)。在(二进制)默克尔树中，然后将这些哈希值成对地串联，以允许计算新的父哈希(121、122)，依此类推，直到树的顶部，在顶部获得顶部哈希(131)。为了保证相对于所有数据的区块完整性，拥有兄弟哈希值、叔叔哈希值和顶部哈希就足够了。此外，只有顶部哈希(131)必须可靠地获得以保证由树所代表的所有数据的完整性。例如，如果期望验证区块B2的完整性，则只需获得哈希0-0(它的兄弟111)、哈希1(其叔叔122)和顶部哈希(131)。 [0077] 数据区块可包括一个或多个代码、程序或智能合约140。 [0078] 具体地，智能合约140可实现一种或多种机制：(a)访问数据或数据中的一些：i)管理访问权和共享加密密钥(在非对称加密的情况下，私有密钥是秘密的且只有用户知道，但是公共密钥可从寄存器中获得)；可使用硬件加密机制(TBM或HSM、芯片卡等)；ii)按时间单位(每天、每周、每月、每年等)和/或按数据量(例如下载的数据的Mb)进行订阅；可使用积分或点数系统；b)支付；该交易可以按帐户单位进行结算(加密货币或信托货币，例如美元或欧元)； [0079] 产生数据块(101、102、103、104)，然后由参与方或公司(例如，由151、152、153所示)对数据块进行消费，即以读取和/或写入模式对数据块进行访问。 [0080] 参与方、公司或消费者可为飞机制造商、组装商、OEM、客户或航空公司、维修公司、监管机构等。 [0081] 参与方可为数据的“生产者”和/或数据的“消费者”。数据的消费者在下文中可称为“客户”、“请求者”、“接收者”或“买家”。生产者在下文中可称为“生成者”、“服务器”、“供应商”或“卖方”。“和/或”的表述强调了事实：生产和消费可能是连续的或交替的，甚至是同时的。由于每一个参与方可购买和/或出售、许可和/或授予许可、割让、赠与或共享其拥有的数据，因此也可访问其他参与方共享的数据。数据的共享允许创建其他数据，其中某些数据尤其具有商业的或技术的价值。 [0082] 例如，位于飞机上的计算机151消耗并产生极其大量的数据。大多数交换依然在航空器的内部，并且与航空器的一般性操作有关。某些数据可能由于下列各种原因而成为外部的数据，即被提取、存储或在线传输：-DFDR-数字飞行数据记录器：航空器的黑匣子。对由许多计算机生成的数据进行汇总，以确定导致事故或意外的事件。这些数据的用户通常是负责调查事故/意外的国家资助机构(在法国，相关机构是调查分析局(BEA))。为DFDR提供数据是法律要求。由于与存储相关的原因，该数据集非常小。-ECM-引擎状态监控：航空器的引擎非常复杂，必须对引擎进行非常精细的调整以使其最优化，并且特别是要监控引擎以预测问题(预测性维护)。由于这些原因，引擎供应商(引擎制造商)安装了引擎监控单元(EMU)，以将信息集中并存储在引擎上，可选择地通过数字数据链路将该信息传输到地面，以进行分析。每次飞行这些数据可迅速地超过1Gb(千兆字节)。这些数据不会传输给第三方，而是由引擎制造商或维护团队使用。 [0083] -AOC-ATC数据链路：可通过通信管理单元(CMU)将运营数据发送给航空公司(AOC-航空公司运营通信；AAC-航空公司行政通信)或空中交通管制主管的机构(ATC-空中交通管制)。这些数据量有限，并且与航空器的位置、航空器的路径有关，而且还与机载传感器感应到的环境条件有关。在相关的国际标准中列出了必须提供的数据(例如，关于AOC数据的是AEEC ARINC702，关于ATC数据的是RTCA DO212/219)。在法律背景(ATC)下提供数据，或在一方面是航空公司与另一方面是CMU提供者或制造商之间的合约背景下提供数据。 [0084] 然而，这些数据以及其他一些数据代表机载计算机生成的原始数据的很小一部分。可共享其他内部的或外部的数据。 [0085] 作为数据的生产者/消费者的另一示例，负责空中交通管制的机构152等级非常高。该数据可与NOTAM通知、各种警告，航线统计或飞行计划统计等有关。 [0086] 最后，各种各样的参与者153可消费或产生有用的数据：气象数据、分析等。 [0087] 图解将允许理解根据本发明的方法或系统中所涉及的各种级别或层，它们是： [0088] -元数据或区块链100的第一层；该层具有区块链的固有属性(例如完整性、不可伪造性等)；区块链100是必要的，其他级别是可选的。 [0089] -由区块链100调用或引用的数据210的第二层(部分地或完全地进行加密)；这些数据还可包括可确定评分或其他定量的上传度量、下载度量、使用度量等(借助于逻辑决策电路，例如计算机)； [0090] -第三内部参与者管理或协调层(参与者轮流扮演生产者P 201或消费者C202的角色、读取和/或写入区块链100)。区块链参加者之间的达成一致可为(无声的)书面合同，或者通过参考数字140所标记类型的智能合约被部分地或全部地转录； [0091] -可选的第四层220可管理智能合约(链接合约、独立合约、修改在下游或者相反在上游的其他合约的主合约、合约之间的多重反馈回路、前馈回路等)。可选地，该区块220可代表一个或多个验证器(或预言机，其可对应于独立的人和/或机器，即算法编码验证)。 [0092] 本发明的大量实施例是可能的。下面描述了一些示例，应该理解的是，在所寻求的保护范围内，应当替换最小的变化。 [0093] 私有链或公共链 [0094] 在一个实施例中，航空数据的区块链100是公共的。在一个实施例中，航空数据的区块链是私有的：每个参与者都事先被同意(通过合约或协议201-202)，并且技术上具有对他可用的密钥或认证手段。 [0095] 次链或侧链 [0096] 附加地或作为替代，可使用一个或多个次链(未示出)。例如，主链可包含与航空数据有关的元数据(含有数据的哈希值)，然而次链可包含数据本身。 [0097] 交换的算法编码 [0098] 为了确保自由的和未被扭曲的竞争，可对极限或其他防呆(fool-proofing)机制进行算法上的编码。例如，如果一类数据(例如燃料消耗量)只有单一的供应商，则智能合约可能会施加用于调整价格或关税的自动机制：可应用“合理”的价格，移除访问条件(非歧视)。参与区块链的参与方所同意的独立的评级实体(预言机)可有助于评分和/或交易管理的模式。 [0099] 可采用各种酬劳(或补偿、支付)机制。可实施各种激励模型。在某些情况下，机制可为静态的和预定义的。在其他情况下，这些机制可为动态的。在某些实施例中，该机制可尝试确保(先验地)平等地对待参加的参与方，或者确保给予“公平的”酬劳(后验地记录和/或改进的酬劳)。 [0100] 交换的管理 [0101] 即清晰地、公平地，并且以预定义的方式在算法上管理交换，例如在区块链中参与者的评分的确定和操作。 [0102] 在一个实施例中，每个参与者与一个或多个评分有关，该评分可随着时间改变(例如定期更新评分、在每次交易后更新评分等)。在一个实施例中，将参与方的评分汇总为综合评分(“等级A”、“等级AA”等)，该综合评分可为多个标准的综合集合(包括发送的数据的质量的量化，例如由对等方的使用次数测量；已承诺的、已支出的或已接收的总和等)。 [0103] 在一个实施例中，区块链中的节点或参与者与管理对交换的访问(作为数据的生产者和/或消费者)的综合评分或价值评分VS有关。 [0104] 在一个实施例中，该评分VS可取决于i)参与者产生VS_PROD的信息的“值”和ii)参与者消耗VS_CONS的信息的“值”。该评分VS可以(数值的)评分、符号、加密货币的值、真实(信托)货币的量等形式来表示。 [0105] 术语“值”指示根据预定义的标准实施的量化，该量化旨在解释参与者所共享的数据的绝对和/或相对效用。特别地，效用可为绝对的(某些与性能相关的数据可能很少，或者相反是公用的且效用为零，例如飞机的无载重量)，但也可能是相对的(与飞行计划高度的变化有关的数据通过倍增路径包络线等来极大地帮助机器学习过程，飞行计划高度根据ATC中心和燃油消耗量而变化)。相对值的外部量化难以建立，甚至无法建立(取决于实施/采用本发明保护主题的不受控制的使用环境)，然而任何量化工作都可能没有白费，并且特别地通过适当的市场结构来建立最低估计(一种类型的数据的市场价值可反映其下游的效用)。 [0106] 在一个实施例中，客户或消费者以VS_MONEY的数额购买消费的权利(例如积分)，以便随后能够消费数据(如果他消费的数据多于其产生的数据，这可能是有用的)。区块链的另一参与方可将其价值评分VS转换为真实货币(或转换为加密货币)，例如，用于本发明未涵盖的用途。然后他的VS降低VS_MONEY数额。因此，区块链的参与方的评分VS取决于该参与方产生和共享的数据的吸引力而变化。可使用可选择地组合采用的各种量化方法。该标准可包括一个或多个元素，该元素包括：订阅者的数量、数据集的下载和/或上传的数量、归于一个或多个消费者的投票结果或评分、共享的千兆字节数据量等。 [0107] 可以各种方式来计算值VS_PROD(产生的数据的值)和VS_CONS(消耗的数据的值)，特别是考虑到有关数据的数量(数据量)和/或有关数据的质量(例如计算机或机载功能的关键性)、供应/需求评估(例如交易、价格上的排单共识、命题、反报价、接受、拒绝、谈判等)产生的相对价值、使用的历史、通过预定义的参数传达的在给定时间的市场、最低和最高价格，比如例如由决策逻辑电路来确定，以确保满足FRAND(公平的、合理的和无歧视对待的)访问的条件。可通过智能合约来设置或确定计算的值或形式，该智能合约可为两方(两个参与者之间达成协议)或多方(N个供应商和M个消费者之间达成一致)。 [0108] 在一个实施例中，区块链可确定(例如实时地)参与区块链的参与方的评分。由于已将该分数写入区块链，因此改分数会受益于其属性(不可伪造的价值、确定的历史记录)。 [0109] 在其他实施例中，可确定各种元分析或分析：贡献者的历史和排名、已经注入了错误的(即简单地错误的)数据或恶意的数据(即旨在削弱或破坏由第三方实施的机器学习的故意虚假数据)的风险的计算。由于区块链至少在某些数据(描述性元数据、交易历史等)方面是透明的，一个潜在的恶意方将很快被确定为这样的一方，并且将其从经过认证方的信任圈中驱逐出去。与此相反，系统的透明度(其治理至少可以部分地审计)，鼓励有关各方放弃对数据的一定控制，以换取对第三方数据的访问和/或财务补偿。 [0110] 当生产者通过在区块链100中发布响应地哈希值在数据库210中发布一个或多个数据组时，将相应的元数据添加到具有时间戳的区块中。该区块允许标识来源(成功认证)，并对所提供数据(哈希值)的完整性提供保证。当消费者从与区块链有关的库210中获取数据集时，将重新评估生产者的评分(例如，如果区块是经过验证的，则添加确定的总和；如果数据集被破坏、错误、为空或以其他方式无效，则减去总和)，和消费者自己的评分一样(例如，将反数值反映到计入生产商的值上，但可应用各种权重)。将包含这些贷方/借方、标识数据等的交易写入区块链。通过这种方式，参与方看起来要么是数据供应贷方，要么是数据供应借方。永久性或间歇性债务情况可能是可接受的(例如，可通过财务流来补偿)：主要是要使判决为透明的和安全的，即为可追踪的和不可伪造的。 [0111] 智能合约的实施例 [0112] 在一个实施例中，协作共享模块可基于一个或多个“智能合约”，该合约例如能够确保对有关各方进行平等对待(就价值而言)。该数据在区块链中共享，以确保时间戳和不变性。 [0113] 在一个实施例中，以明文的方式写入所有区块的数据(例如保护访问权)。在一个实施例中，将某些数据以明文的方式写入(某些信息对所有人是可读的，而更高的附加值的其他信息则例如通过加密来保护)。在一个实施例中，将区块的数据加密(例如对称加密、非对称加密等)。在某些情况下，除了进行加密，还对区块的数据进行屏蔽(隐匿数据的存在，这提供了额外的保护)。 [0114] 在一个实施例中，在对数据的完整性和生产者的真实性确认之后，将数据存储在一个或多个完全或部分加密的共享数据库中。 [0115] 在一个实施例中，通过分布式共识来验证所产生的数据(例如，由许多消费者利用“相关性”评分来验证的使用、对使用率的测量和追踪等)和/或由参与区块链并且在链中被公认为是可靠的对等方的验证(技术的或行政的性质的资格)。 [0116] 在一个实施例中，将一些信息项(比如加密区块内容的格式和/或概要)以明文形式保留在存储空间中(在链中或在链外)，以便感兴趣的消费者能够确定是否对该区块感兴趣。 [0117] 在一个实施例中，消费者期望对区块数据的使用由智能合约(直接地或间接地通过规则)进行管理。换句话说，智能合约可包括一个或多个可管理数据操纵(例如，读取、写入、复制、发布等的权利)的数字版权管理(DRM)机制。 [0118] 在一个实施例中，智能合约可读取明文数据并触发一个或多个操作，例如，如果客户、请求者或消费者被有效地订阅了所讨论的区块的数据类型，或者如果满足了预定义的条件。 [0119] 在某些实施例中，对数据块的权限可以贡献标准为条件(特别是上载/下载或播种/收益比(leech ratio))。 [0120] 在一个实施例中，可有条件地管理对数据的访问或对这些数据的权限(例如，如果客户的余额或其价值评分为正数)。 [0121] 在适当的情况下，如果准许有条件的访问(或者如果满足预定义的条件)，则已执行的智能合约可生成交易或请求来获取数据，将该交易插入(在许多其他交易中)新的区块。如果分布式共识确认包括该交易的区块，则允许读取所需数据的加密密钥被发送到客户；然后客户将能够读取和利用所需的数据。 [0122] 智能合约的实施方式的示例 [0123] 在一个实施例中，供应商用新数据来填充数据库。智能的“供应”合约检测到新数据并将元数据存储在区块链中(例如，标识、日期、生成器、评分、数据内容的哈希等)。可自由地出售或提供数据(拍卖机制、先到先得机制、指定使用次数的DRM许可机制等)。可使用各种机制来确定数据的价格(例如数据的内在价值的计算，例如使用一个或多个预先设定的模型，通过创建市场计算他们的价值；例如交易和挂单、拍卖、反向拍卖等)。如果在区块链(通过智能合约)和客户之间发现了在数据和价格上的达成一致，则可进行交易(用数据换取数据；货币支付数据，例如信托支付、私人支付、帐户单位、区块链内部的积分)。然后可触发智能“消费”合约，并且例如验证各种条件或标准(例如资格、买方的评分、量化的声誉、访问权限、余额等)。然后可触发智能数据“供应”合约，并且将购买的或许可的数据传达给客户，例如一个或多个数据区块的信息(例如地址、解密密钥、数据内容的哈希值等)。一旦拥有所需数据，客户就可利用它们(例如在技术上，例如为了改善统计数据、丰富或提供机器学习系统)。除技术保护措施外，数据的使用在法律上可受到限制(通过合约)；例如，客户有合同义务来销毁在特定日期之后所拥有数据的任何副本；通过合约可禁止分发访问的数据等)。 [0124] 在一个不同的实施例中，多个供应商在一个或多个区块链中共享数据，并且存储数据的哈希值和与数据格式有关的信息。实施交易后，一个或多个智能合约验证买方的价值“评分”，并在其中指示数据在共享数据库中的位置和用于解密数据的密钥。 [0125] 在一个不同的实施例中，一个或多个合约使用托管支付机制等。特别地，可重新加密数据等。 [0126] 无智能合约的直接实施例 [0127] 在一个不同的实施例中，生产者和/或消费者可不采用智能合约，而是(直接地)从/向区块链读取和/或写入。例如，生产者可收到来自消费者的购买订单，并且如果完成交易，生产者可直接地与消费者通讯。因此，区块链不包含数据本身，而仅包含数据的描述。该实施例的优点在于，在区块链中复制的数据明显更少。 [0128] 下文描述了其他实施例。 [0129] 订阅 [0130] 在一个实施例中，航空器可例如依次发布用于网络的其他成员的信息，或者例如通过智能合约来真正地“订阅”该网络，并且自动接收关于它的信息。例如，飞机可与其他飞机(属于其他航空公司)(精确地)安全地且完整地共享其气象信息(例如，信息是非管制性的，或当地遇到的条件)。订阅模式可包括推送模式和/或拉挽模式、取消订阅等。 [0131] 差别隐私 [0132] 差别性隐私是可通过各种机制实现的匿名性。如果可能通过最大化给定请求的结果的相关性，各种机制可以降低参与方或机密数据的识别风险。这些机制包括k-匿名、t-接近、I-多样性或零-知识交换。后一个表述指定安全协议，其中称为“证明提供者”的实体在数学上向另一个实体证明了命题是真实的，然而却没有透露该命题的真实性以外的任何信息。在某些实施例中，可采用零-知识共享机制。因此，公司A的机队可因此与其他航班或与其他航空公司通讯安全日志(例如，企图的网络攻击)，即使攻击者设法获得对数据的访问，也无法被攻击者找出关键信息(例如，除了加密保护、过时保护、有效期间隔、临界级别等)。 [0133] 具有外部验证的实施例 [0134] 在一个实施例中，添加了中间商：数据验证器(未示出)。在生产的第一步中，源决定(通过库210直接地或间接地)在区块链中发布数据。将数据与标识符(允许标识发送数据的源)、内容概要(例如参数、单位、数量、格式等)和数据的日期(例如创建、有效性等日期)一起发送。该集合形成了要验证的“区块”。验证子系统接收数据。验证可通过共识或通过“可信的”外部“验证器”实施：其他供应商或用户验证数据的完整性(和可选择地生产者的真实性)。这可能产生参与验证的一个或多个节点的酬劳(以VS为单位)。有可能是消费者验证区块(哈希)的完整性。在一个实施例中，消费者可(单方面地)“评分”所接收的区块的吸引力(他的兴趣是由他自己估计的)。在一个实施例中，由消费者给出评分。在一个实施例中，通过计数所讨论的数据集已被下载的次数和/或感兴趣的消费者或购买者/当前许可用户的数量来计算评分。如果声明数据无效，则更新区块链，将生产者的VS_PROD减少一定数量，并且将检测到异常的参与方的VS_PROD增加一定数量。在一个实施例中，如果数据被视为是有效的/完整的，则创建包含到数据的链路(例如地址、密钥)的新的区块，并且将验证方或节点的VS_PROD增加一定数量。 [0135] 具有内部验证的实施例 [0136] 在某些实施例中，将验证第三方内部化：通过一个或多个智能合约直接地和自动地实施验证。在输入到库的每个新的输入上(和写入区块的每个新尝试上)，一个或多个智能合约可执行各种任务，特别是a)验证生产者是否已被声明(参与方的问题是针对合伙(consortium)的，还是对于区块链的)；b)修改源的评分VS；c)注释或评估输入数据(直接地或间接地)；可选地d)直接地对数据实施功能验证，例如，由X型航空器产生的数据可与航空器上的其他信息来源(例如公司的、空中交通控制的公共的或私人的来源)相关/交叉关联，该其他信息来源实时生成且对应于航空器的状态(例如起飞时间，例如在飞行中、在地面上、巡航、当前位置的当前状态等)。 [0137] 为了消费数据，消费者订阅从而接收或声明他有兴趣来接收数据(例如，对于区块链或通过智能合约直接生成的购买订单)。所讨论的智能合约可验证买方是否具有足够的余额(VS)来下载数据。在一个不同的实施例中，将所购买的区块提供给执行该验证的一个或多个人和/或机器验证器。如果交易是有效的，则将(例如加密的)数据集传输给买方，买方可例如选择验证数据的完整性(从区块链中获取的哈希值)。如果确定或认为数据集是有效的，则智能合约获取解密密钥(存储在区块链中)，并将其传输给买方。然后通过智能合约将该交易写入区块链。在一个实施例中，如果确定数据是有效的，则可实施补偿和/或评估和/或酬劳和/或验证机制(用于识别或补偿最“有用的”数据(“有用的”是与可被物化和内部化的一个或多个目标有关的概念)的生产者的评分和/或基于名誉的机制)。请求的消费者，即交易的发起者可例如输入获得的数据，并将它们与现有数据进行互相关或集成，其目的是使用人工智能技术(特别是机器学习)实施“大数据”类型的处理。 [0138] 在航空环境中，例如，消费者可使用在交叉点的预测到达时间，和从飞行管理系统(FMS)或飞行其跟随的路径的一组飞机的计算机中获得的实际交叉时间，来通过该数据共享机制、通过区块链根据它所收集的事件对可能的机场到达时间进行关联(例如，由空中数据单位测量的天气、CMU计算机的ATC设置、航空器实际跟随的路径(由GPS计算机给出)、自动驾驶、从TCAS计算机中获得的交通密度的信息等)。 [0139] 软件和/或硬件的实施方式 [0140] 在硬件方面，本发明的实施例可由计算机来实现。例如，可使用云计算类型的分布式架构。完全地或部分地分布(中心存在)的对等服务器可进行交互。区块链基于去中心化架构，可能是相对地分散的。当涉及私有云或私有区块链时，区块链的实施方式不会对一个或多个特权节点的存在构成障碍。访问可为多平台的(例如，从EFB、WebApp、地面访问等)。一个或多个EFB可与一个或多个FMS进行交互。 [0141] 在一个实施例中，航空器配备有用于传送和协作共享数据的模块，该数据从位于飞航空器上的计算机输出。该硬件模块与各种用户和/或数据供应商通信。在一个实施例中，该方法是计算机实施的。该计算机可为机架、平板电脑、EFB或集成在FMS中的软件包等。 [0142] 可使用硬件和/或软件组件来实施本发明。本发明可作为计算机程序产品在计算机可读介质上实现。介质可为电子的、磁性的、光学的或电磁的。