BIT:金色觀察｜聯邦學習是區塊鏈隱私計算的目標嗎？_sol幣會是下一個以太坊嗎

區塊鏈行業里有一個很垂直的賽道，技術攻堅很艱澀，這就是對數據進行隱私處理的隱私計算。

為什么呢？

一是因為對數據處理的產品復雜度，二是技術上還有很多很多問題存在。用區塊鏈基礎設施來做，太過于簡陋，這個舉例好像，一個人住進一個沒裝窗戶卻有一個窗口的屋子，只能先掛個簾子擋一下。沒有裝窗戶的原因是因為，這個地區沒有生產窗框、玻璃的企業，也沒有會安裝的師傅，只能先用紙糊上或者掛一個簾子，更厲害的，直接把窗戶封上。

區塊鏈隱私計算現在就是這種情況。

為了實現web3，未來隱私計算一定會解決數據隱私問題，而這種需求面臨的目標是什么？也許是聯邦學習。雖然這是一個人工智能領域的基礎技術，但它定義了一種數據不離開所有者的數據處理方向。

金色晚報?|?9月1日晚間重要動態一覽:12:00-21:00關鍵詞：SushiSwap、Coinbase、騰訊、以太坊Gas費、BitMEX

1. 美國將為支付公司授予銀行執照 章程申請或包括Paypal和Coinbase。

2. 深圳市稅務局與騰訊簽訂新協議 推動涉稅業務的區塊鏈應用創新落地。

3. 以太坊Gas費短時最高達479gwei創歷史新高。

4. 接近監管人士：數字人民幣目前試點場景沒有變化。

5. V神：gas費過高并未影響到ETH支付。

6. Bitfinex首席技術官：Tether正在調查zk-rollups方案是否可減輕ETH壓力。

7. BitMEX將在140多個國家推出移動應用程序。

8. bZx已開啟質押，將有48小時準備期。

9. 建行：數字人民幣封閉測試不影響上市機構商業運行。

10. 郵政EMS采用螞蟻鏈技術溯源錄取通知書 已面向全國考生。

11. 灰度宣布GDLC基金恢復私募發行。[2020/9/1]

我們為什么要做數據隱私，也是因為平臺等中心化的角色會利用數據做一些分析利用，中心化角色也是利用數據進行深度學習，以汲取數據中的價值。

金色晚報 | 3月19日晚間重要動態一覽:12:00-21:00關鍵詞：數據泄露、信息安全、反洗錢、通票

1.微博安全總監回應用戶信息暗網出售 取證后已把相關信息遞到。

2.螞蟻區塊鏈應用地鐵“通票”覆蓋長三角 可實現異地結算。

3.新加坡金融管理局發布反洗錢/打擊恐怖融資指南。

4.印度財政事務部部長：《公司法》中沒有列出“加密貨幣公司”相關內容。

5.Telegram上出現信息販賣灰色產業 可付費查詢隱私數據。

6.推特CEO申請成立金融服務公司Square已獲批準。

7.Ripple聘請前富達高管Kevin Lee主管亞太地區業務。

8.USDC市值現已超過6億美元。

9.比特幣日內大幅上漲，目前最高漲至5855.55美元。[2020/3/19]

可見，聯邦學習或許是一種目標選擇。

金色晚報 | 度宇宙推出其首款區塊鏈游戲“時間礦工” BGG Token價格進入穩定上漲狀態:BYTEX躋身全球數字貨幣交易所第7名；BTC富豪榜第一易主，前五持有超過64萬枚BTC；納斯達克將用1.9億美元購入Cinnober。更多晚報內容，請查看圖片。[2018/9/19]

先看定義：

聯邦學習在2016年由谷歌最先提出，原本用于解決安卓手機終端用戶在本地更新模型的問題，其設計目標是在保障大數據交換時的信息安全、保護終端數據和個人數據隱私、保證合法合規的前提下，在多參與方或多計算結點之間開展高效率的機器學習。

再看框架：

兩個數據擁有方的場景是聯邦學習的標準統構架。該構架可擴展至包含多個數據擁有方的場景。假設企業A和B想聯合訓練一個機器學習模型，它們的業務系統分別擁有各自用戶的相關數據。此外，企業B還擁有模型需要預測的標簽數據。出于數據隱私保護和安全考慮，A和B無法直接進行數據交換，可使用聯邦學習系統建立模型。

金色財經現場報道?中國政法大學金融系教授朱曉武：貨幣本身即通證:金色財經6月14日現場報道，在青藤鏈盟-中國政法大學節點啟動儀式暨青藤鏈盟研究院-區塊鏈金融法治研究中心成立儀式上，中國政法大學金融系教授朱曉武指出，就金融學科（微觀）體系總結來看，目前在投融資方面新出現了通證金融、商業模式與風險投資、區塊鏈及信息資產化等概念。但實際上，通證在早期經濟學研究中已經提及，貨幣本身就是通證。到目前為止，我還不敢說區塊鏈是否能成為一個真正成功的東西，但我們在不斷的探索。接下來中國政法大學商學院將開設區塊鏈與數字經濟課程，我們更重視商業邏輯的培養，在我們的設計中，將基于DAO區塊鏈思想進行金融科技人才培養。[2018/6/14]

第一步：加密樣本對齊。系統利用基于加密的用戶樣本對齊技術，在A和B不公開各自數據的前提下確認雙方的共有用戶，并且不暴露不互相重疊的用戶，以便聯合這些用戶的特征進行建模。

第二步：加密模型訓練。在確定共有用戶群體后，就可以利用這些數據訓練機器學習模型。為了保證訓練過程中數據的保密性，需要借助第三方協作者C進行加密訓練。過程中協作者C把公鑰分發給A和B，用以對訓練過程中需要交換的數據進行加密。A和B分別基于加密的梯度值進行計算，最后把結果匯總給C。C將結果解密，分別回傳給A和B。

第三步：激勵。聯邦學習解決了不同機構加入聯邦共同建模的問題，建立模型以后模型的效果會在實際應用中表現出來，可以記錄在區塊鏈上。提供數據多的機構所獲得的模型效果會更好，模型效果取決于數據提供方對自己和他人的貢獻。

這個過程里，

數據隔離，不會泄露到外部其他人，滿足用戶隱私保護和數據安全的需求；訓練有效；參與者地位對等，公平合作。

這個時候看，區塊鏈可以在數據所有權、聯邦貢獻度等部分起到決定性的作用。所以是不是一個非常完美的適合用區塊鏈來做的模型。

但目前的隱私計算區塊鏈還不能完全做到這些，主要問題在于：

1.對數據操作的顆粒度還不能完全去中心化到個人。

2.算力不夠、存儲不夠。

3.只用智能合約無法執行龐大的復雜的過程。

4.缺少PaaS以及BaaS這樣的中間層服務。

5.鏈上應用的隱私需求少。

在這些問題的影響下，確實沒辦法實現，也許有人會認為，比如鏈上混幣，或者查不到交易詳情的隱私幣是不是就可以算是另一個方向的隱私了。

對，這是另一個方向的隱私需求，這個需求已經可以實現，只是聯邦學習的路會更長遠一些。

在聯邦學習之前，為了防止交易數據明文、合約代碼明文會帶來更多的安全問題，具備隱私保護能力的鏈上環境，可以用黑箱的方式保護交易、保護合約，保護資產。這里面有tee、mpc、zksnark等方式。

這些對于一個復雜的數據訓練網絡來說，都是簡陋的結構了。

以太坊是世界計算機，在以太坊出現之前，互聯網先是活在機房里，現在機房構成的龐大算力組合成云，互聯網活在云上，云是一個組合的沒有硬件限制的世界計算機，只是沒有去中心化結構。

在云服務中我們可以看到涉及隱私計算的相關服務已經上線很久，比如AWS的數據湖和數據倉，比如阿里云的datatrust以及騰訊在可信平臺上的服務，都是向這個方向看齊。

最后，讓我們看看在云服務的架構下形成的可信數據處理架構：

當云服務部分，被聯盟鏈云服務中的區塊鏈所取代或者被去中心化云服務平臺取代時，web3就要成功了。

Tags：區塊鏈以太坊ETHBIT藝術幣區塊鏈sol幣會是下一個以太坊嗎ZETHBitGet跟單穩嗎

Coinw