金色觀察｜PaddleDTX：分布式機器學習解決方案_區塊鏈

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。

新品發布會 | 金色財經后續將做到7*24小時，無間斷機會預警:4月2日18:00，金色財經舉辦以“?-ing”為主題的新產品發布會，金色財經運營總監陳添富首先介紹了金色直播間的創建。隨后陳添富介紹了直播間的內容。2周，我們還邀請了300+位行情實盤大V入駐，邀請了200+家/位區塊鏈企業/創始人入駐。同時，我們還組建了一支擁有10年+股市直播運營經驗的團隊！接下來，我們的產品只做一件事：服務。除了大家熟知的實盤大V、行情大V，我們還重點邀請了在股市、商品期貨市場的無人區、保羅大帝、牛熊通吃、散戶20年等量化大牛、指標大牛入駐直播間，后續我們更緊密合作，做到7*24小時，無間斷機會預警。真正做到人機完美結合，頂尖操盤手+投教干貨，讓您魚漁雙收。[2020/4/2]

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。

金色晨訊 | 懷俄明州通過認定加密貨幣為貨幣的法案 以太坊開發者決定推遲ProgPow升級:1.懷俄明州通過認定加密貨幣為貨幣的法案。

2.ADA首席執行官：ADA不受POS v3數字貨幣漏洞影響。

3.以太坊開發者決定推遲ProgPow升級。

4.Grin全職開發者完成本輪籌款計劃既定目標。

5.畢馬威：加密資產具有顛覆性潛力 但必須機構化。

6.馬來西亞證券委員會修訂其“認可市場指南” 引入加密貨幣交易平臺法規。

7.雄安發布《垃圾處理過渡設施項目招標公告》 用區塊鏈進行項目資金管理。

8.馬來西亞數字資產交易市場將與股權眾籌(ECF)、P2P融資合并。

9.劉強東新年公開信：通過區塊鏈等科技提升用戶體驗和升級商業模式。[2019/2/2]

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。

金色財經現場報道 系統上沒有絕對的安全都是相對的:金色財經現場報道，EOS區塊鏈平臺漏洞媒體溝通會上，360官方人員表示，“其實一個系統上沒有絕對的安全，都是相對的。EOS代碼也會產生持續的變動，360也會持續的觀察其中存在的安全問題。此前360針對多款主流錢包分析發現80%存在安全問題，360列出的安全問題也是希望業內能夠了解和改正，同時360也推出了相應的錢包解決方案，規避安全問題。”[2018/5/29]

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。

金色財經數據播報 加密貨幣總市值相較于昨天減少1440億人民幣:根據AlCoin數據顯示，目前加密貨幣總市值為18492.598億人民幣，較昨天相比，總市值減少約1440億人民幣左右，目前比特幣市值繼續下滑，市值降低至8458億人民幣，較昨天相比市值縮水530億人民幣左右，不過隨著加密貨幣整體市值都在降低，比特幣的市值占比卻有所提升，目前比特幣市值占比提升0.65%，占整個加密貨幣總市值的45.74%；ETH嚴重縮水，目前總市值為2832億人民幣，相比昨天，今天ETH市值降低390億人民幣左右，加密貨幣市場幣值占比跌落0.86%，目前占整個加密貨幣總市值的15.31%；瑞波幣市值目前為1399億人民幣，與昨天相比市值下降157億人民幣，加密貨幣市值占比下滑0.23%，目前占整個加密貨幣市場市值的7.57%。[2018/3/27]

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：加密貨幣TOR區塊鏈DATA加密貨幣市值前十位排名raptoreum區塊鏈的五大應用領域bigtourismdata

幣安下載