TOR:金色觀察｜PaddleDTX：分布式機器學習解決方案_CUT

PaddleDTX 是一個基于分布式存儲的分布式機器學習技術解決方案。可以解決海量私有數據需要的安全存儲和交換難題，可惡意幫助各方突破數據孤島，實現數據價值最大化。

PaddleDTX的計算層是一個由三種節點組成的網絡：Requester、Executor和DataOwner。訓練樣本和預測數據集存儲在由 DataOwner 和Storage節點組成的去中心化存儲網絡中。這種去中心化的存儲網絡和計算層由底層區塊鏈網絡支持。

金色晚報 | 6月2日晚間重要動態一覽:12:00-21:00關鍵詞：監管試點、BTC破萬、Coinbase、ETC硬分叉、海南自貿港

1. 北京金融科技創新監管試點第二批應用公示：聚焦金融數字化場景，涉及區塊鏈等技術。

2. ETC硬分叉出現bug官方發布OpenEthereum修補版本。

3. 今晨BTC破萬，Coinbase因技術故障一度掉線。

4. 數據：Ripple前CTO 5月共出售8250萬枚XRP。

5. 報告：今年前5個月，加密相關犯罪活動造成損失達14億美元。

6. 加拿大加密貨幣交易所已在法律上被認可為貨幣服務企業。

7. 火幣李林：火幣中國將推“鏈火計劃”參與海南自貿港建設。

8. 歐科云鏈解讀《海南自貿港總體方案》：區塊鏈產業的政策洼地與制度高地。

9. 陳曉華：工業和信息化部啟動了工業互聯網（區塊鏈方面）重大項目招標。[2020/6/2]

Requester 是有預測需求的一方，Executor 是 DataOwner 授權獲得樣本數據訪問許可的一方，用于可能的模型訓練和結果預測。多個 Executor 節點組成一個 SMPC（安全多方計算）網絡。Requester 節點將任務發布到區塊鏈網絡，Executor 節點授權后執行任務。Executor節點通過DataOwner獲取樣本數據，后者為數據的信任背書。

金色沙龍 | 黃天威：金融領域的細分領域都是逐步從散戶主導到機構主導:在今日舉行的金色沙龍中，比特時代創始人黃天威表示，區塊鏈行業現在已經出現了很多衍生品，杠桿期權期貨合約等等。現在呢，還沒有出現一些像傳統金融領域的里面的那種，掉期合約遠期合約，現在暫時還沒有出現。那區塊鏈行業要發展，或者說任何一個金融領域的細分領域，它的發展趨勢，其實都是逐步的，從散戶主導到機構主導，散戶跟機構不同，散戶更多的是追逐利潤最大化，面對風險的時候考慮的比較少。機構就相對比較穩妥，因為它有資金成本，有他的兜底壓力，所以機構要求很穩妥。所以當一個市場發展越來越成熟的時候，參與者越來越多的時候，需求越來越多樣化的時候，整個市場就會誕生出很多不同的一些衍生品工具來滿足機構的需求。[2020/2/26]

SMPC 網絡是支持并行運行的多個分布式學習過程的框架。未來將支持垂直聯邦學習和水平聯邦學習算法。

金色晚報 | 12月18日晚間重要動態一覽:12:00-21:00關鍵詞：央行數字貨幣、央視、MakerDAO、虛擬銀行、華為

1. 新華網：“央行數字貨幣”或將在不久的未來破繭而出。

2. 深圳市金融監管局召開虛擬貨幣非法活動專項整治會議。

3. 央視再次報道打著 “區塊鏈”旗號進行炒作的行為，警惕區塊鏈詐騙。

4. 區塊鏈+黨建 智慧黨建平臺在長沙經開區上線。

5. MakerDAO：Maker系統經歷過ETH超過90%的下跌 正常運行。

6. 香港金管局：首家虛擬銀行在金融科技監管沙盒試營業。

7. 螞蟻金服區塊鏈業務總監施躍浪：區塊鏈將成為數字經濟的基礎設施。

8. 廣州市與華為簽署戰略合作協議，將推動區塊鏈等新技術的發展。

9. 賽迪區塊鏈研究院院長劉權：區塊鏈技術的發展已到了4.0階段。

10. 美聯儲理事：高達50%的比特幣交易在某種程度上是違法的。[2019/12/18]

一個DataOwner節點處理自己的私有數據，在這個過程中使用了加密、分段和復制相關的算法，最后將加密的分片分發到多個Storage節點。Storage 節點通過回答 DataOwner 產生的挑戰來證明它誠實地持有數據片段。通過這些機制，可以在不侵犯任何數據隱私的情況下安全地維護存儲資源。

分析 | 金色盤面：HIT/BTC 面臨突破:金色盤面綜合分析：HIT/BTC2小時K線圖顯示，之前觸底反彈后形成橫盤走勢，目前面臨MA36的壓力位，如果可以帶量突破，會有一波不錯的短線行情。[2018/8/10]

訓練任務和預測任務將通過區塊鏈網絡廣播到 Executor 節點。然后所涉及的 Executor 節點將執行這些任務。DataOwner節點和Storage節點在監控文件和節點健康狀態時，以及副本持有證明的challenge-answer-verify過程中，通過區塊鏈網絡交換信息。

目前，XuperChain 是 PaddleDTX 支持的唯一區塊鏈框架。

PaddleDTX 的開源版本支持垂直聯邦學習（VFL）算法，包括兩方線性回歸、兩方邏輯回歸和三方 DNN（深度神經網絡）。DNN的實現依賴于PaddleFL框架，PaddleFL 提供的所有神經網絡模型都可以在 PaddleDTX 中使用。未來更多算法會開源，包括多方 VFL 和多方 HFL（水平聯邦學習）算法。

訓練和預測步驟如下所示：

樣品準備

FL 任務需要指定將用于計算或預測的示例文件，這些文件存儲在去中心化存儲系統（XuperDB）中。在執行任務之前，執行者（通常是數據所有者）需要從 XuperDB 中獲取自己的示例文件。

樣品對齊

VFL 訓練和預測任務都需要樣本對齊過程。即使用所有參與者的 ID 列表查找樣本交叉點。訓練和預測是在相交的樣本上進行的。該項目實施了 PSI（Private Set Intersection）來進行樣本對齊，而不會泄露任何參與者的 ID。

訓練過程

模型訓練是一個迭代過程，它依賴于兩個奇偶校驗樣本的協同計算。參與者需要在許多訓練時期交換中間參數，以便為每一方獲得適當的局部模型。

為確保每個參與者數據的機密性，Paillier 密碼系統用于參數加密和解密。Paillier 是一種加法同態算法，它使我們能夠直接對密文進行加法或標量乘法。

預測過程

預測任務需要模型，因此需要在預測任務開始前完成相關的訓練任務。模型單獨存儲在參與者的本地存儲中。參與者使用自己的模型計算局部預測結果，然后收集所有部分預測結果以推導出最終結果。

對于線性回歸，可以在收集所有部分結果后執行去標準化過程。這個過程只有有標簽的一方才能完成。所以所有的部分結果都會被發送給有標簽的一方，它會推導出最終結果并將其作為文件存儲在 XuperDB 中供請求者使用。

Tags：區塊鏈TORDATCUT區塊鏈運用的技術不包括XREATORSOwndatacut幣價格

XRP