PAD:金色观察｜PaddleDTX：分布式机器学习解决方案

PaddleDTX 是一个基于分布式存储的分布式机器学习技术解决方案。可以解决海量私有数据需要的安全存储和交换难题，可恶意帮助各方突破数据孤岛，实现数据价值最大化。

PaddleDTX的计算层是一个由三种节点组成的网络：Requester、Executor和DataOwner。训练样本和预测数据集存储在由 DataOwner 和Storage节点组成的去中心化存储网络中。这种去中心化的存储网络和计算层由底层区块链网络支持。

金色热搜榜：DASH居于榜首:根据金色财经排行榜数据显示，过去24小时内，DASH搜索量高居榜首。具体前五名单如下：DASH、IOST、OMG、REN、TRUE。[2020/10/20]

Requester 是有预测需求的一方，Executor 是 DataOwner 授权获得样本数据访问许可的一方，用于可能的模型训练和结果预测。多个 Executor 节点组成一个 SMPC（安全多方计算）网络。Requester 节点将任务发布到区块链网络，Executor 节点授权后执行任务。Executor节点通过DataOwner获取样本数据，后者为数据的信任背书。

金色热搜榜：MOON居于榜首:根据金色财经排行榜数据显示，过去24小时内，MOON搜索量高居榜首。具体前五名单如下：MOON、LBA、XTZ、MANA、DDM。[2020/8/23]

SMPC 网络是支持并行运行的多个分布式学习过程的框架。未来将支持垂直联邦学习和水平联邦学习算法。

一个DataOwner节点处理自己的私有数据，在这个过程中使用了加密、分段和复制相关的算法，最后将加密的分片分发到多个Storage节点。Storage 节点通过回答 DataOwner 产生的挑战来证明它诚实地持有数据片段。通过这些机制，可以在不侵犯任何数据隐私的情况下安全地维护存储资源。

金色晨讯 | 5月12日隔夜重要动态一览:21:00-7:00关键词：减半、央行数字货币、ETH2.0、监管

1.BTC已完成第三次减半。

2.姚前：Libra与数字美元结合将是公私合作绝佳典范。

3.美国前财长：如果央行发行数字货币则是使匿名金融形式更难繁荣。

4.前CFTC主席：数字美元将使政府更准确地分配刺激资金。

5.CME比特币期货5月合约收跌12.31%。

6.V神：借助多客户端测试网Schlesi ETH2.0正在步入正轨。

7.Tether向波场网络增发1亿枚USDT（已授权未发行）。

8.美国OCC官员建议提供针对加密公司的联邦许可框架。

9.外媒：减半后或有30%的比特币矿工关闭矿机。

10.比特币夜间最低跌至8206.05美元，日内最高报8924.83美元。[2020/5/12]

训练任务和预测任务将通过区块链网络广播到 Executor 节点。然后所涉及的 Executor 节点将执行这些任务。DataOwner节点和Storage节点在监控文件和节点健康状态时，以及副本持有证明的challenge-answer-verify过程中，通过区块链网络交换信息。

金色财经现场报道 咔咔买房首席执行官谭博超：区块链产业有6个机会:金色财经前方记者实时报道，4月12日举办的第二届全球金融科技与区块链中国峰会2018上，咔咔买房首席执行官谭博超在会上做了“区块链建立信用社会”的演讲，他表示，目前区块链产业有6个机会，矿业、公有链、Dapp、交易所、媒体、基金。[2018/4/12]

目前，XuperChain 是 PaddleDTX 支持的唯一区块链框架。

PaddleDTX 的开源版本支持垂直联邦学习（VFL）算法，包括两方线性回归、两方逻辑回归和三方 DNN（深度神经网络）。DNN的实现依赖于PaddleFL框架，PaddleFL 提供的所有神经网络模型都可以在 PaddleDTX 中使用。未来更多算法会开源，包括多方 VFL 和多方 HFL（水平联邦学习）算法。

训练和预测步骤如下所示：

样品准备

FL 任务需要指定将用于计算或预测的示例文件，这些文件存储在去中心化存储系统（XuperDB）中。在执行任务之前，执行者（通常是数据所有者）需要从 XuperDB 中获取自己的示例文件。

样品对齐

VFL 训练和预测任务都需要样本对齐过程。即使用所有参与者的 ID 列表查找样本交叉点。训练和预测是在相交的样本上进行的。该项目实施了 PSI（Private Set Intersection）来进行样本对齐，而不会泄露任何参与者的 ID。

训练过程

模型训练是一个迭代过程，它依赖于两个奇偶校验样本的协同计算。参与者需要在许多训练时期交换中间参数，以便为每一方获得适当的局部模型。

为确保每个参与者数据的机密性，Paillier 密码系统用于参数加密和解密。Paillier 是一种加法同态算法，它使我们能够直接对密文进行加法或标量乘法。

预测过程

预测任务需要模型，因此需要在预测任务开始前完成相关的训练任务。模型单独存储在参与者的本地存储中。参与者使用自己的模型计算局部预测结果，然后收集所有部分预测结果以推导出最终结果。

对于线性回归，可以在收集所有部分结果后执行去标准化过程。这个过程只有有标签的一方才能完成。所以所有的部分结果都会被发送给有标签的一方，它会推导出最终结果并将其作为文件存储在 XuperDB 中供请求者使用。

标签：TOR区块链ECUPADEneftor区块链域名谁在管理EnecuumDPAD

POL币最新价格热门资讯