金色觀察｜PaddleDTX：分布式機器學習解決方案_EXE

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。

阿里云正在與Avalanche合作以提供企業元宇宙定制解決方案:金色財經報道，阿里云與 Avalanche 在 Avalanche Summit II 會議上表示，雙方正在合作以提供企業元宇宙定制解決方案，阿里云將提供一個名為 Cloudverse 的啟動板，旨在幫助企業在 Avalanche 的區塊鏈上定制、啟動和維護他們自己的元宇宙空間。

此前報道，阿里云于去年 12 月 2 日已添加對 Avalanche 驗證節點和基礎設施的支持。[2023/5/4 14:43:02]

多方計算網絡

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。

ARIX和AD進入火必四期投票上幣活動決賽，投票將于明日20時開啟:據火必官方公告，火必四期投票上幣活動復賽投票已于今晚20時（UTC+8）結束，Arix (ARIX)和ADreward (AD)分別以5,060,640票和3,259,299票位列復賽A、B組第一進入決賽，爭奪最終優先上幣權。本輪復賽投票將于今晚23時清空，決賽投票將于4月25日20時（UTC+8）開始，至4月27日20時（UTC+8）結束。[2023/4/24 14:24:24]

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。

L2協議Milkomeda將允許用戶直接從任何Cardano錢包使用EVM合約:金色財經報道，為非EVM兼容鏈提供EVM功能的L2網絡協議Milkomeda首席執行官Sebastien Guillemot表示，將很快推出一項功能，允許Cardano用戶直接從任何Cardano錢包使用EVM合約。Milkomeda很快就會為所有EVM用戶提供質押獎勵，包括智能合約開發人員，基于Milkomeda構建的Cardano產品的質押獎勵將每5天自動支付一次。

2022年10月份，Milkomeda完成310萬美元融資，Archetype領投。[2023/3/31 13:37:23]

去中心化存儲網絡

GSR：將承擔 FTX 倒閉造成的客戶損失，不再在火幣上進行交易:金色財經報道，加密做市商 GSR 首席執行官 Jakob Palmstierna 表示，其對 Alameda 無風險敞口，對 FTX 的敞口僅限于公司現金余額的個位數百分比。該公司將承擔 FTX 倒閉造成的客戶損失，并將不再在加密貨幣交易所火幣上進行交易。（the block）[2022/11/10 12:45:37]

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。

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：TORADDEXE區塊鏈toro幣注冊后賣掉算違法嗎DADDYDB價格Dexe.network區塊鏈卡鏈是什么意思

幣安下載