数字孪生（Digital Twin,DT）是联系物理现实和数字虚拟的关键桥梁,随着人类社会方方面面日益数字化、虚拟化,数字孪生技术应用也正在快速发展。数字孪生网络（Digital Twin Network,DTN）是一种新兴网络,它利用数字孪生技术为物理对象创建虚拟孪生节点,由孪生节点扩展形成对等网络。DTN通过DT建模、通信、计算以及数据处理技术实现物理空间与虚拟空间的协同进化,这有助于提高建模效率。多个DT节点可以协作进行建模,对物理对象的信息、DT模型的处理结果以及一些中间处理结果进行共享,这种协作方式极大地减少了处理时延和资源能耗。目前,DT已成为智慧城市交通中的关键技术。DT将对道路状况、交通风险等进行准确预测并以数据交易的方式将信息共享给其它DT,以提高自动驾驶车辆的决策精度和车主的道路体验感。然而,在DTN中的数据交易有以下的可预见的威胁:一是在构建DT时进行的数据交易可能暴露个体的隐私数据,并且在使用基于位置的交易服务时会暴露自身的位置信息,因此DTN中面临着极大的隐私泄露威胁。现有的隐私保护技术无法在数据保护和数据效用取得平衡。二是DT节点是自私且理性的智能体,如果没有恰当的激励机制,恶意的DT将发送篡改过甚至是虚假的交通数据,从而给交通带来很大的安全隐患。三是由于没有有效的数据保护机制,严重的数据倒卖问题导致搭便车现象,DT数据交易会受到严重的阻碍。本文的主要研究内容和贡献如下:首先,本文通过文献研究总结了DTN数据交易过程中潜在的安全威胁并总结出对应的安全目标。为了研究数据安全交易,本文基于现有的DTN架构建立了城市道路的DTN架构模型。其次,从信息不对称博弈中分析出潜在的数据安全威胁将会使得数据提供方不断地叠加数据噪声,数据噪声虽然可以在一定程度上保护敏感数据信息,但是过多的数据噪声不仅会掩饰DT用户的不诚实行为,也会降低数据效用,从而降低DT用户的满意度。为了平衡数据效用与数据隐私,本文提出了基于保证金的数据交易合同方案,该方案使用合同理论迫使DT用户必须抵押足够的保证金才能获取高效用数据,保证金使得DT用户总是选择不泄露隐私的策略。本文通过详细的推导过程证明了合同的可行性。在仿真评估与分析部分,验证了数据提供方可以根据数据的隐私估值调整降噪度选择最合适的合同,自我揭示的合同最大化了交易双方的效用,该方案不仅有效地抑制了数据隐私泄露行为,并且提高了数据的可用性和DT用户的满意度。最后,考虑到更复杂的数据服务场景和实体边缘设备算力和存储的有限性,本文建立了一个三方角色交易模型,基于该模型提出了一个基于信任驱动的数据交易合同方案。该方案利用智能合约为转售数据交易做三方授权,不诚实的DT将会被降低声誉,根据信任随时间的衰减性和信任的单向性,本文建立了基于行为信任和推荐信任的信任评估方案。最终本文模拟了一个数据交易服务场景,并为该场景设计了基于信任驱动的合同。在仿真部分,验证了合同是激励兼容的,并且与其它方案进行了对比,证明了该方案可以让交易方的效用有更多的提升,这激励了诚实的数据交易。