NER:金色觀察｜PaddleDTX：分布式機器學習解決方案_Internet of Energy Network

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。

Beosin：sDAO項目遭受攻擊事件簡析:金色財經報道，根據區塊鏈安全審計公司Beosin旗下Beosin?EagleEye 安全風險監控、預警與阻斷平臺監測顯示，BNB鏈上的sDAO項目遭受漏洞攻擊，Beosin分析發現由于sDAO合約的業務邏輯錯誤導致，getReward函數是根據合約擁有的LP代幣和用戶添加的LP代幣作為參數來計算的，計算的獎勵與用戶添加LP代幣數量正相關，與合約擁有總LP代幣數量負相關，但合約提供了一個withdrawTeam的方法，可以將合約擁有的BNB以及指定代幣全部發送給合約指定地址，該函數任何人都可調用。而本次攻擊者向其中添加了LP代幣之后，調用withdrawTeam函數將LP代幣全部發送給了指定地址，并立刻又向合約轉了一個極小數量的LP代幣，導致攻擊者在隨后調用getReward獲取獎勵的時候，使用的合約擁有總LP代幣數量是一個極小的值，使得獎勵異常放大。最終攻擊者通過該漏洞獲得的獎勵兌換為13662枚BUSD離場。Beosin Trace追蹤發現被盜金額仍在攻擊者賬戶，將持續關注資金走向。[2022/11/21 7:53:09]

多方計算網絡

LFG發布技術報告：曾花費超34億美元資金防止UST脫錨:金色財經報道，Luna Foundation Guard（LFG）在社交媒體上發布其經第三方審計公司JS Held審計的技術報告。據報告顯示，LFG曾花費 28 億美元（80081 枚比特幣以及4980萬美元穩定幣）來防止UST脫錨，此外Terraform Labs（TFL）也花費了6.13億美元的自有資金來防止UST脫錨。LFG在防止UST脫鉤這件事上動用了幾乎全部資金。

LFG表示，該報告可以證明LFG完全履行了其職責，反駁了市場上對其資金使用方式的一切懷疑（包括濫用資金和從中獲利的說法）。為撰寫該報告，JS Held獲得了阻止脫錨過程中使用的中心化交易平臺錢包以及相關交易賬戶的訪問權限，并使用了原始數據。[2022/11/16 13:13:09]

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。

Grails by PROOF系列NFT近24小時交易額增幅超600%:金色財經報道，OpenSea數據顯示，Grails by PROOF系列NFT近24小時交易額為263 ETH，增幅達660%。近24小時交易額排名位列OpenSea第7。[2022/8/27 12:51:25]

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。

去中心化存儲網絡

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。

Netflix的LOVE，DEATH+Robots第三季推出同名NFT:5月20日消息，Netflix最近更新的LOVE，DEATH+Robots第三季推出同名NFT，第一集結束后會隨機出現二維碼，掃描該二維碼后會出現MINT NFT的頁面。據悉，該NFT系列名為“LOVE, DEATH+Robots”，反映了Love，Death+Robots第三季的獨特視覺效果和故事集合。該系列NFT目前在OpenSea的地板價為1 ETH。[2022/5/20 3:30:56]

區塊鏈網絡

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。

垂直聯邦學習

PaddleDTX的開源版本支持垂直聯邦學習算法，包括兩方線性回歸、兩方邏輯回歸和三方DNN。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算法。

訓練和預測步驟如下所示：

運作原理

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中。在執行任務之前，執行者需要從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。

來源：金色財經

Tags：TORDATEXENERTORK價格DATBOI幣EXE價格Internet of Energy Network

KuCoin