NER: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。

金色午报 | 4月18日午间重要动态一览:7:00-12:00关键词：区块链应用团体标准、数字人民币、GBTC

1.上海保交所开展“区块链应用团体标准”制定。

2.“数字人民币封闭测试”登上微博热搜。

3.Nem公布升级路线图：Symbol预计于11月下旬发布。

4.加密货币分析师：比特币减半将作为历史性事件载入史册。

5.COT周报：机构空头现反扑苗头BTC价格恐要回落。

6.腾讯御见：挖矿僵尸网络NSAGluptebaMiner利用永恒之蓝漏洞传播。

7.自2月以来 GBTC-BTC的溢价已经下降了30%以上。

8.比特币再次与标普500相关性上升 未来或将受其影响。

9.比特币日内窄幅震荡，最低价为7015美元，最高价为7146美元。[2020/4/18]

多方计算网络

金色晚报 | 4月11日晚间重要动态一览:12:00-21:00关键词：ETH、Reddit、BCH、中芯国际

1. Bitfinex约90%的期货交易员在该平台做多ETH，或与ETH2.0进展有关。

2. Reddit区块链积分系统细节曝光：在以太坊上运行，积分总量2.5亿、可兑换会员福利。

3. 报告：Compound贷款市场累计已达15亿美元。

4. 自媒体：中芯国际或首次入局矿机，与嘉楠合作Q2出货。

5. 广东省委常委会召开会议：运用区块链等技术加强社区网格化智慧化治理。

6. RogerVer：无需担心BCH算力下跌，应专注于增加加密货币的实用性。

7. 点对点加密货币市场VertexMarket获得110万美元投资。

8. KyberSwap现已支持预言机协议BandProtocol。[2020/4/11]

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。

分析 | 金色盘面：BTC/USD 短线调整尚未结束:金色盘面综合分析： BTC/USD 在午后走出一波调整行情，技术指标尚未到位，而市场承接乏力，短线多头退守6400美元附近构筑工事，组织抵抗，短线应保持观望。[2018/8/20]

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。

去中心化存储网络

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。

今晚朱涛做客《金色讲堂》解读区块链产业生态:4月12号晚20:00，《金色讲堂》邀请中国高科技产业化研究会区块链产业联盟理事长、世界区块链组织副总干事朱涛先生前来对目前区块链技术的国际化出路进行讲解，针对区块链如何有效实现产业应用的方向进行分享，让学员深入了解技术的的最终归宿是什么。[2018/4/12]

区块链网络

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。

目前，XuperChain是PaddleDTX支持的唯一区块链框架。

垂直联邦学习

PaddleDTX的开源版本支持垂直联邦学习算法，包括两方线性回归、两方逻辑回归和三方DNN。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算法。

训练和预测步骤如下所示：

运作原理

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中。在执行任务之前，执行者需要从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：区块链TORNERDAT区块链专业是冷门专业吗VectorspacePhantasma Energydatalinkbase

聚币热门资讯