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。

金色财经挖矿数据播报 | BTC今日全网算力上涨2.64%:金色财经报道，据蜘蛛矿池数据显示：

BTC全网算力167.244EH/s，挖矿难度21.43T，目前区块高度669784，理论收益0.00000664/T/天。

ETH全网算力379.394TH/s，挖矿难度4796.35T，目前区块高度11819223，理论收益0.00793558/100MH/天。

BSV全网算力0.603EH/s，挖矿难度0.10T，目前区块高度673604，理论收益0.00149130/T/天。

BCH全网算力1.134EH/s，挖矿难度0.20，目前区块高度673904，理论收益0.00079345/T/天。[2021/2/9 19:17:49]

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。

金色晨讯 | 8月10日隔夜重要动态一览:21:00-7:00关键词：特朗普、LINK、韩国、灰度

1. 评论：特朗普鲜明反对比特币，拜登立场更为缓和

2. LINK短线最高涨至14.30美元 市值排名升至第六；

3. 数据：当前DeFi项目总市值已突破110亿美元；

4. Pierre Rochard：将为计算ETH总供应量的人提供100万satoshis赏金；

5. 韩国高速公路将使用基于区块链的支付系统；

6. 研究人员：黑客攻击加密交易所有三种方式；

7. 灰度创始人：在任何时间范围内，BTC的表现都优于黄金；

8. Link过去24小时在Coinbase Pro上的交易量已超过BTC；

9. BTC现报11674.72美元，市值前十币种均出现上涨。[2020/8/10]

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。

金色晚报 | 6月21日晚间重要动态一览:12:00-21:00关键词：Bitfinex、以太坊2.0、波卡、Bakkt

1. 以太坊区块容量已提升20%，开发者担心DoS问题。

2. Bitfinex首席技术官：以太坊2.0很可能会被黑客重点关注。

3. 数据：CME比特币期权快速增长 市场份额接近25%。

4. 波卡周报：主网启动NPoS网络 一周更新两版本。

5. 北京互联网法院马臣云：区块链的逻辑能够为数据确权和数据交换形成支撑。

6. 区块链入选影响中国会计从业人员的十大IT信息技术。

7. 数据：本周Bakkt比特币月度期货交易额为5300万美元。

8. IOHK将在下个月的虚拟峰会上展示后Shelley阶段发展的新路线图。

9. 以太坊核心开发者PeterSzilagyi反对提高Gas上限至1250万。[2020/6/21]

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。

金色财经矿池数据播报:金色财经报道，据蜘蛛矿池数据显示：

ETH全网算力182.700TH/s，挖矿难度2342.9T，目前区块高度9608106，理论收益0.00738966/100MH/天。

BTC全网算力120.677EH/s，挖矿难度15.49T，目前区块高度620235，理论收益0.00001623/T/天。

BSV全网算力3.044EH/s，挖矿难度0.39T，目前区块高度624819，理论收益0.00059139/T/天。[2020/3/5]

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。

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DATUTOJeet Detector Bot区块链dapp开发一个多少钱JSB FoundationSimple Cool Automatic Money

UNI热门资讯