數(shù)字檔案信息的安全存儲(chǔ)與保管

數(shù)字檔案信息的安全保存非常困難。數(shù)字檔案信息的不穩(wěn)定性是舉世公認(rèn)的，其信息與原始載體的可分離性、系統(tǒng)依賴(lài)性、易更改、易復(fù)制、易傳輸?shù)奶匦缘龋挂酝S多行之有效的安全控制手段變得無(wú)能為力，給檔案信息的安全存儲(chǔ)與保管帶來(lái)很大威脅。目前，對(duì)于數(shù)字檔案信息的安全存儲(chǔ)與保管還沒(méi)有一個(gè)很好的解決方案。

1994年底，美國(guó)為研究數(shù)字檔案信息的保存問(wèn)題成立了一個(gè)數(shù)字信息存檔特別工作小組。在這個(gè)小組1995年的工作報(bào)告中，首次從法律、經(jīng)濟(jì)、管理、技術(shù)的角度對(duì)數(shù)字檔案信息的保存問(wèn)題進(jìn)行了全面論述。報(bào)告中探討了建立一個(gè)國(guó)家檔案體制來(lái)作為長(zhǎng)期保存基礎(chǔ)的可能性，但同時(shí)又指出這也不是萬(wàn)能藥，維護(hù)信息安全的主要責(zé)任應(yīng)該落在信息管理者的身上。報(bào)告強(qiáng)調(diào)：存檔（archiving）不是簡(jiǎn)單地將字符串從一個(gè)舊的介質(zhì)上拷貝到一個(gè)新的介質(zhì)上，還需要保留解釋和處理這些字符串的方法。其間信息移植工作有可能成為數(shù)字化檔案信息保存的主要形式。另外，報(bào)告中還探討了有關(guān)數(shù)字化檔案信息保存的法律問(wèn)題。總之，這份報(bào)告初次對(duì)數(shù)字檔案信息保存做了最完整的研究。今天看來(lái)其中有些計(jì)算可能有點(diǎn)過(guò)時(shí)，但對(duì)候選方案的分析和一些選擇的考慮還是很有價(jià)值的。

（一）數(shù)字檔案信息的存儲(chǔ)

數(shù)字檔案信息能否保留下來(lái)取決于其介質(zhì)的物理壽命，但當(dāng)前的數(shù)字介質(zhì)都無(wú)法維持很長(zhǎng)的時(shí)間。像磁帶一類(lèi)的介質(zhì)，最長(zhǎng)的壽命是20年至30年；光盤(pán)一類(lèi)的介質(zhì)相對(duì)穩(wěn)定一些，有人說(shuō)其壽命可達(dá)30至50年，許多光盤(pán)廠家都說(shuō)其壽命可達(dá)幾十年甚至100年，但由于光盤(pán)出現(xiàn)的時(shí)間過(guò)短，迄今為止無(wú)法證實(shí)它們的壽命。在這種情況下， “除非有人特別留意，否則所有的數(shù)字信息將在幾十年內(nèi)丟失。” 檔案工作者可以算是對(duì)數(shù)字信息的存儲(chǔ)特別留意的人，但檔案工作者無(wú)法參與到數(shù)字介質(zhì)的生產(chǎn)當(dāng)中去以提高其壽命。人們對(duì)數(shù)字信息存儲(chǔ)載體關(guān)注的重點(diǎn)普遍在于設(shè)備是否廉價(jià)、訪問(wèn)速度是不是很高，而不是存儲(chǔ)的長(zhǎng)久性。

數(shù)字檔案信息的另一個(gè)比較重要的問(wèn)題就是存儲(chǔ)空間的問(wèn)題。數(shù)字檔案信息的存儲(chǔ)一般需要較大的存儲(chǔ)空間。“一頁(yè)ASCLL文本只包含幾千個(gè)字符，但是1英寸見(jiàn)方的彩色圖像掃描進(jìn)來(lái)后需要超過(guò)1兆的空間。一個(gè)小時(shí)的數(shù)字化聲音需要存一張光盤(pán)，其容量超過(guò)600兆字節(jié)，1分鐘的視頻數(shù)據(jù)在壓縮之前有1千兆字節(jié)。”為了降低對(duì)存儲(chǔ)空間的要求，幾乎所有的圖像、音頻、視頻等大容量數(shù)據(jù)對(duì)象都要進(jìn)行壓縮。壓縮包括無(wú)損壓縮和有損壓縮。無(wú)損壓縮是將冗余的信息去掉，當(dāng)回放壓縮文件時(shí)能夠準(zhǔn)確無(wú)誤地恢復(fù)原始數(shù)據(jù)。有損壓縮算法靠丟掉大量冗余信息來(lái)降低所占的空間，回放時(shí)不能完整地恢復(fù)原始數(shù)據(jù)，損失了多少信息由需要多高的壓縮率決定。在絕大多數(shù)應(yīng)用中丟失一些信息是可以接受的。用于圖像的JPEG壓縮和用于視頻的MPEG壓縮都是有損的方法，但它們提供的圖像能完全滿足人眼的要求。但在一些應(yīng)用中壓縮必須是無(wú)損的，在許多數(shù)字檔案信息存儲(chǔ)過(guò)程中，應(yīng)盡量采用無(wú)損壓縮。雖然壓縮可以大幅度降低數(shù)據(jù)量，但所需存儲(chǔ)空間依然很大。“壓縮以后，一頁(yè)單色掃描的文本的數(shù)據(jù)量超過(guò)50000字節(jié)。MPEG壓縮方法將每秒20至30兆的數(shù)字視頻降為每分鐘10兆字節(jié)。” 數(shù)字檔案信息的存儲(chǔ)包括數(shù)百萬(wàn)計(jì)類(lèi)似的壓縮后的對(duì)象，所以對(duì)存儲(chǔ)空間的需求比較大。

存儲(chǔ)介質(zhì)的評(píng)價(jià)取決于三個(gè)指標(biāo)：存儲(chǔ)成本、存取速度和安全可靠性。數(shù)字檔案信息理想的存儲(chǔ)介質(zhì)是能夠以較低的代價(jià)存儲(chǔ)大量數(shù)據(jù)，同時(shí)支持快速存儲(chǔ)和讀取信息，并且經(jīng)久耐用。國(guó)外數(shù)字圖書(shū)館選用存儲(chǔ)介質(zhì)的方法可以給數(shù)字檔案信息的存儲(chǔ)一些啟示。目前，國(guó)外大規(guī)模數(shù)字圖書(shū)館對(duì)數(shù)字信息進(jìn)行存儲(chǔ)，都采用多級(jí)存儲(chǔ)設(shè)備。其中典型的存儲(chǔ)有三層：磁盤(pán)、光盤(pán)和磁帶。

磁盤(pán)是現(xiàn)代計(jì)算機(jī)系統(tǒng)中標(biāo)準(zhǔn)的存儲(chǔ)介質(zhì)。磁盤(pán)自問(wèn)世以來(lái)，容量不斷提高，價(jià)格逐步下降，一般在存儲(chǔ)成本方面能夠滿足檔案機(jī)構(gòu)的要求；磁盤(pán)追求存取的高速度，其存取速度對(duì)數(shù)字檔案信息存儲(chǔ)而言是足夠的，其性能適合于一次讀取大量數(shù)據(jù)的要求；磁盤(pán)的弱點(diǎn)是在安全可靠性方面達(dá)不到檔案信息保管要求，其磁層易衰退，由于硬件故障或程序覆蓋，磁盤(pán)上的數(shù)據(jù)易丟失。磁盤(pán)陣列在一定程度上提高了磁盤(pán)的可靠性。它是將若干個(gè)硬磁盤(pán)機(jī)按一定的要求組成一個(gè)快速、超大容量的存儲(chǔ)系統(tǒng)，數(shù)據(jù)分布存儲(chǔ)在各個(gè)磁盤(pán)上，用并行存取來(lái)提高存取速度，再加上采用冗余糾錯(cuò)技術(shù)來(lái)提高可靠性。這樣，磁盤(pán)陣列基于磁盤(pán)而速度和可靠性高于磁盤(pán)。在多級(jí)存儲(chǔ)設(shè)備中磁盤(pán)主要用于在線存儲(chǔ)，保證數(shù)字檔案信息可以在幾分之一秒內(nèi)讀取。

光盤(pán)的特點(diǎn)是可以降低存儲(chǔ)成本，它為存儲(chǔ)大規(guī)模數(shù)據(jù)提供了廉價(jià)的方案。光盤(pán)安全可靠性相對(duì)穩(wěn)定，其壽命也比較長(zhǎng)。存取速度是光盤(pán)的弱點(diǎn)，使用光盤(pán)時(shí)必須先將其從光盤(pán)艙中移到讀取頭處，這個(gè)讀取過(guò)程比較緩慢。在多級(jí)存儲(chǔ)設(shè)備中光盤(pán)用于離線存儲(chǔ)大規(guī)模數(shù)據(jù)。將多臺(tái)光盤(pán)機(jī)組合在一起還可以構(gòu)成光盤(pán)庫(kù)、光盤(pán)塔和光盤(pán)陣列。這些容量巨大的設(shè)備對(duì)于數(shù)字檔案信息的存儲(chǔ)非常有用，它們能在一定程度上克服讀取速度的問(wèn)題，大量不常用的數(shù)據(jù)一旦需要就能盡快找到。

磁帶最大的特點(diǎn)是經(jīng)濟(jì)、可靠，它是存儲(chǔ)備份的首選介質(zhì)。磁帶的弱點(diǎn)是讀取數(shù)據(jù)速度較慢、效率較低，另外磁帶對(duì)保存環(huán)境要求較高，在保存中占用空間較大。在多級(jí)存儲(chǔ)設(shè)備中磁帶也用于離線存儲(chǔ)，使用自動(dòng)設(shè)備裝載。有些人認(rèn)為，隨著磁盤(pán)陣列的應(yīng)用越來(lái)越廣泛，磁帶的應(yīng)用會(huì)逐漸減少乃至消失。但是，在多級(jí)存儲(chǔ)設(shè)備中，考慮到存儲(chǔ)應(yīng)用的多樣性、存儲(chǔ)成本、信息的安全性和保密性等因素，磁帶在數(shù)據(jù)備份中的作用越來(lái)越重要，它可以在無(wú)人操作下自動(dòng)進(jìn)行備份，甚至可以在工作狀態(tài)下自動(dòng)為數(shù)據(jù)庫(kù)建立備份。磁帶會(huì)繼續(xù)為數(shù)字檔案信息的存儲(chǔ)提供必不可少的安全保護(hù)功能。

總之，現(xiàn)有的數(shù)字介質(zhì)在數(shù)字檔案信息存儲(chǔ)方面各有優(yōu)勢(shì)和不足，在建設(shè)存儲(chǔ)系統(tǒng)的時(shí)候，不應(yīng)只考慮某個(gè)單一的技術(shù)，而應(yīng)從整體需求出發(fā)，既要滿足成本和存取速度的要求，又要確保數(shù)據(jù)的安全性。目前，在有些應(yīng)用中還在架構(gòu)集中式的多級(jí)存儲(chǔ)網(wǎng)絡(luò)，它由存儲(chǔ)設(shè)備和網(wǎng)絡(luò)設(shè)備組成，多臺(tái)服務(wù)器通過(guò)局域網(wǎng)與磁盤(pán)陣列、磁帶庫(kù)等存儲(chǔ)設(shè)備相連，基于客戶(hù)／服務(wù)器方式為數(shù)字信息的網(wǎng)絡(luò)存儲(chǔ)提供解決方案。多級(jí)存儲(chǔ)設(shè)備使得數(shù)字檔案信息存儲(chǔ)的層次結(jié)構(gòu)變得清晰，從而建立了一個(gè)經(jīng)濟(jì)有效的存儲(chǔ)構(gòu)架，各種存儲(chǔ)設(shè)備和技術(shù)可以互補(bǔ)，以便最有效地實(shí)現(xiàn)數(shù)字檔案信息存儲(chǔ)的高可靠性和高可用性。

（二）數(shù)字檔案信息的保管

即使可以假設(shè)數(shù)字檔案信息存儲(chǔ)的問(wèn)題能夠得到有效解決，還會(huì)有新的問(wèn)題接踵而至，那就是數(shù)字檔案信息的保管問(wèn)題。信息技術(shù)的飛速發(fā)展，致使人們借以利用數(shù)字信息的各種編碼、協(xié)議、文件格式、壓縮方法、加密解密方法、內(nèi)容顯示方法、計(jì)算運(yùn)行方法等技術(shù)、軟件乃至硬件迅速更迭。有鑒于這些更迭，如果電子文件等數(shù)字檔案信息的協(xié)議、格式、元數(shù)據(jù)變得不可識(shí)別或不可處理，那么這些信息保存下來(lái)也將毫無(wú)用處。保管數(shù)字檔案信息，維護(hù)其長(zhǎng)期可用性在當(dāng)前是存在一定的困難的，這當(dāng)中要涉及一系列技術(shù)問(wèn)題，包括文件格式、媒體轉(zhuǎn)換以及隨技術(shù)更新對(duì)保存的數(shù)字檔案信息進(jìn)行技術(shù)遷移等。

社會(huì)上已經(jīng)有了許多在數(shù)字檔案信息的保管過(guò)程中出現(xiàn)安全問(wèn)題的實(shí)例。例如，在1989年柏林墻倒塌、東西德統(tǒng)一之時(shí)，東德的檔案數(shù)據(jù)就出現(xiàn)了安全問(wèn)題，其存儲(chǔ)介質(zhì)狀況較差，數(shù)據(jù)格式?jīng)]有記錄。從那時(shí)起，一批德國(guó)檔案學(xué)家開(kāi)始嘗試重構(gòu)東德的檔案記錄。他們將從被破壞的、片斷的、已保存了較長(zhǎng)時(shí)間的數(shù)據(jù)源中恢復(fù)信息的過(guò)程稱(chēng)為數(shù)字考古學(xué)，同時(shí)稱(chēng)自己是數(shù)字考古學(xué)家。數(shù)字考古學(xué)家面臨的第一個(gè)問(wèn)題是從存儲(chǔ)介質(zhì)上得到信息數(shù)據(jù)。當(dāng)時(shí)有些磁帶狀態(tài)極差，只能讀一次。東德的許多數(shù)據(jù)是以蘇聯(lián)的計(jì)算機(jī)文件格式存儲(chǔ)的，檔案工作人員的計(jì)算機(jī)不支持這種格式。盡管得到了一些蘇聯(lián)計(jì)算機(jī)，仍有30%左右的數(shù)據(jù)無(wú)法讀出。即使把數(shù)據(jù)拷貝到其他介質(zhì)上，問(wèn)題還遠(yuǎn)沒(méi)有解決。其中很多數(shù)據(jù)通過(guò)沒(méi)有說(shuō)明的算法進(jìn)行過(guò)壓縮，如何解釋這些沒(méi)有說(shuō)明的數(shù)據(jù)非常困難。當(dāng)時(shí)的一個(gè)有利條件是檔案工作者可以和一些構(gòu)建數(shù)據(jù)庫(kù)的人員進(jìn)行交流，根據(jù)他們的建議解釋了很多數(shù)據(jù)，使得這些數(shù)據(jù)得以繼續(xù)保存。德國(guó)檔案人員的領(lǐng)導(dǎo)Michael Wettengel在總結(jié)這個(gè)事件時(shí)感嘆道：“計(jì)算機(jī)是用于處理信息的，它不適用于長(zhǎng)期保存信息。”

一般來(lái)說(shuō)，十年以前的計(jì)算機(jī)信息今天的軟件已經(jīng)很難處理。因此，對(duì)于數(shù)字檔案信息的保管，除了保存原始數(shù)據(jù)，還應(yīng)該保存理解信息類(lèi)型、結(jié)構(gòu)、格式的方法。這就是我國(guó)一些檔案學(xué)者指出的要確保電子文件的可讀性。目前，保管數(shù)字檔案信息，維護(hù)其長(zhǎng)期可用性的技術(shù)策略一般有刷新（refreshing）、移植（migration）和仿真（simulation）。

刷新是指將數(shù)字檔案信息拷貝到新的介質(zhì)上，保持其精確的位串。其實(shí)質(zhì)即所謂的“備份”工作，以使數(shù)據(jù)本身不受存儲(chǔ)介質(zhì)質(zhì)量惡化的影響。由于目前數(shù)字介質(zhì)的壽命都比較短，在數(shù)字檔案信息保管過(guò)程中必須定期對(duì)其進(jìn)行刷新，每過(guò)幾年將數(shù)據(jù)轉(zhuǎn)移到新的存儲(chǔ)介質(zhì)上。

移植是指保持語(yǔ)義層的內(nèi)容，而不是位串。由于計(jì)算機(jī)軟硬件技術(shù)處于不斷更新之中，當(dāng)計(jì)算機(jī)運(yùn)行的軟硬件環(huán)境發(fā)生改變時(shí)，數(shù)字檔案信息應(yīng)當(dāng)從過(guò)時(shí)系統(tǒng)中移到當(dāng)前的軟硬件環(huán)境中，使其保持可存取性與可讀性。移植正是持續(xù)地將數(shù)字檔案信息從舊的軟硬件環(huán)境轉(zhuǎn)換到新的計(jì)算環(huán)境中，它是一種隨著技術(shù)變化定期改變信息格式的處理過(guò)程。移植的方法用于保證當(dāng)前存儲(chǔ)的數(shù)字檔案信息總能被當(dāng)前系統(tǒng)讀取。前文所述的美國(guó)數(shù)字信息存檔特別工作小組在其報(bào)告中第一次清楚地闡述了刷新與移植的區(qū)別，并建議將移植作為數(shù)字檔案信息保管的基本技術(shù)。幾十年來(lái)，移植是美國(guó)數(shù)據(jù)處理中的標(biāo)準(zhǔn)操作。在計(jì)算機(jī)系統(tǒng)發(fā)生變化時(shí)，數(shù)據(jù)從一臺(tái)計(jì)算機(jī)移植到另一臺(tái)計(jì)算機(jī)，從一個(gè)數(shù)據(jù)庫(kù)移植到另一個(gè)數(shù)據(jù)庫(kù)。移植的基本原則是數(shù)據(jù)的格式和結(jié)構(gòu)可以改變，但是內(nèi)容中蘊(yùn)含的語(yǔ)義不變。

刷新和移植都需要定期進(jìn)行。在許多商業(yè)檔案信息的保管中，受利益驅(qū)使，有一批人被雇用來(lái)定期進(jìn)行刷新和移植，他們同時(shí)負(fù)責(zé)保障數(shù)據(jù)安全和做數(shù)據(jù)備份，使得這些商業(yè)檔案信息具有長(zhǎng)期可用性。然而，目前很多數(shù)字檔案信息的保管還沒(méi)有人負(fù)責(zé)進(jìn)行刷新和移植。從技術(shù)和資金上看，移植是可能的，關(guān)鍵問(wèn)題出在人為制度上，即檔案機(jī)構(gòu)是否有計(jì)劃實(shí)行刷新和移植的過(guò)程。要確保數(shù)字檔案信息的長(zhǎng)期可用性，檔案機(jī)構(gòu)必須有計(jì)劃地執(zhí)行刷新和移植的過(guò)程并將其納入日常管理工作當(dāng)中。

仿真是用一個(gè)計(jì)算機(jī)系統(tǒng)去模擬另一個(gè)計(jì)算機(jī)系統(tǒng)的應(yīng)用環(huán)境，以保障數(shù)字檔案信息的可利用性。仿真的思想在于對(duì)一個(gè)需要執(zhí)行的程序給出其計(jì)算環(huán)境的詳盡說(shuō)明，以便將來(lái)可以建立一個(gè)仿真器來(lái)代替原來(lái)的計(jì)算環(huán)境。這能解決一部分問(wèn)題，但在很多情況下是不現(xiàn)實(shí)的，因?yàn)榧词故呛?jiǎn)單的計(jì)算環(huán)境要詳細(xì)地描述出來(lái)也十分復(fù)雜。

目前，國(guó)際檔案界就如何對(duì)數(shù)字檔案信息進(jìn)行長(zhǎng)期保管正在展開(kāi)積極的研究。如美國(guó)國(guó)家檔案與文件署（NARA）正在開(kāi)展一個(gè)ERA（Electronic Records Archives Program）項(xiàng)目，致力于建立保證電子文件等數(shù)字檔案信息長(zhǎng)期可利用性的完整體系結(jié)構(gòu)。是更大的電子文件管理項(xiàng)目的一部分，其內(nèi)容是研究如何根據(jù)海量數(shù)據(jù)要求和技術(shù)不斷發(fā)展變化的要求，對(duì)聯(lián)邦政府各種類(lèi)型的電子文件進(jìn)行保管和提供利用，NARA試圖建立一個(gè)可升級(jí)、可共享的系統(tǒng)既可保護(hù)數(shù)字檔案信息又能適應(yīng)當(dāng)前和未來(lái)的技術(shù)發(fā)展。 再如NARA與圣地亞哥超級(jí)計(jì)算中心（San Diego Supercomputer Center，簡(jiǎn)稱(chēng)）聯(lián)合開(kāi)展的PAERM(Persistent Archives and Electronic RecordsManagement）工程，致力于研究海量數(shù)字檔案信息移植的技術(shù)平臺(tái)機(jī)制。其將數(shù)字檔案信息保管的目標(biāo)定為數(shù)百年。這個(gè)工作要開(kāi)發(fā)一個(gè)支持移植的技術(shù)平臺(tái)，用以將數(shù)字檔案信息移植到新的軟件環(huán)境中。其研究?jī)?nèi)容不僅包括發(fā)展中的保管技術(shù)，還包括管理政策。該工程目前的焦點(diǎn)是創(chuàng)建一個(gè)包括一百萬(wàn)條左右信息的、具有長(zhǎng)期可用性的電子郵件保管系統(tǒng)。再如，美國(guó)空間數(shù)據(jù)系統(tǒng)咨詢(xún)委員會(huì)（Consultative Committee for Space，簡(jiǎn)稱(chēng)CCSDS）于1999年提出的開(kāi)放檔案信息系統(tǒng)參考模型（Reference Model for anOpen Archive Information System，簡(jiǎn)稱(chēng)OAIS）作為數(shù)字信息長(zhǎng)期保管系統(tǒng)的基本構(gòu)架日益得到廣泛接受，目前ISO正在考慮將其作為標(biāo)準(zhǔn)促進(jìn)檔案機(jī)構(gòu)與圖書(shū)館的共同發(fā)展。

盡管目前有了一些初步的研究并制定了一些標(biāo)準(zhǔn)，數(shù)字檔案信息保管所面臨的安全問(wèn)題還很多。為了將來(lái)的“數(shù)字考古學(xué)家”能夠找回今天檔案信息的真實(shí)情況，當(dāng)前的檔案工作者必須做些有益的工作。一些簡(jiǎn)單的步驟有可能帶來(lái)較大的改善。如按當(dāng)前廣泛采用的格式存儲(chǔ)信息，以便將來(lái)當(dāng)這種格式失效后，能夠提高找到程序、完成格式轉(zhuǎn)換的可能性。例如用于文本文件的TXT格式、用于圖形文件的TIFF格式、用于視頻文件的MPEG格式、用于網(wǎng)絡(luò)信息的HTML格式和PDF格式等。采用這些格式在很多年后仍然有可能找到相應(yīng)的閱讀環(huán)境。此外檔案保管過(guò)程中要將定期更新數(shù)據(jù)、制定備份策略、完善管理制度作為發(fā)展目標(biāo)，以便有效保管數(shù)字檔案信息。