金色觀察｜PaddleDTX：分布式機器學習解決方案_TOR: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。

金色晚報 | 3月28日晚間重要動態一覽:12:00-21:00關鍵詞：BTC錨定幣、美國SEC、Filecoin、EthHub、Polkadot

1. 以太坊上BTC錨定幣總發行量約為18.54萬枚

2. 美國SEC：XRP持有人希望干預Ripple訴訟以“恢復投機交易”

3. 印度財政部長：加密貨幣所得應作為收入征稅，消費稅適用于加密貨幣交易所的服務

4. Filecoin改進提案FIP-0014社區投票結束，98%存儲礦工批準該提案

5. EthHub聯合創始人：NFT以ETH計價，以太坊已經是金錢

6. 波卡周報：Polkadot更新到runtime v29 Rococo網絡重啟成功[2021/3/29 19:24:47]

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 | 12月27日隔夜重要動態一覽:21:00-7:00關鍵詞：區塊鏈供應鏈金融白皮書、XRP、FinCEN

1.銀行業首份區塊鏈供應鏈金融白皮書正式發布；

2.加密貨幣做市商B2C2停止與美國對手方的XRP交易；

3.美國FinCEN擬議的加密錢包規則受到Galaxy Digital創始人反對；

4.美聯儲主席因“3萬億美元比特幣營銷活動”被福布斯評為加密貨幣年度人物；

5.Yam Finance治理提案生效，將在YAM中禁用Rebase機制；

6.Compound 33號和34號提案已通過；

7.加密社區質疑Livecoin攻擊事件為退出騙局；

8.全球加密貨幣總市值突破7000億美元大關，比特幣市值突破4900億美元。[2020/12/27 16:37:26]

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。

獨家 | 金色財經2月19日挖礦收益數據播報:金色財經報道，據印比特數據顯示，按照BTC參考價格70900元、電價0.38元/kWh計算，當前在售主流BTC礦機的市場價格及回本周期為：阿瓦隆1066-50T（全新現貨6300元，215天回本）、神馬M20S-68T（全新現貨12600元，254天回本）、芯動T3+-57T（全新現貨9300元，269天回本）、螞蟻S17Pro-56T（全新現貨12500元，312天回本）。[2020/2/19]

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。

金色相對論 | 楊玉梅：延續精投的投資邏輯 把每一個項目都做到極致:在本期金色相對論中，節點資本管理合伙人楊玉梅發言指出：長遠來看，整個行業的發展愈發成熟，不論應用落地還是行業人員素質等各方面都在不斷的提升，都在穩步發展。但短期來看，目前還找不到2017年或者2018年上半年那樣的猛烈行情。我相信隨著大環境的改善，整個行業未來是非常可期的。

節點的投資邏輯始終沒有變過，從創立之初一直專注于區塊鏈行業，致力于發現并尋找行業里的領袖企業，著力打造產業生態，形成協同發展的生態效應。在這樣的投資邏輯下，去尋找最有價值的項目和團隊。就目前的行情，我們更著重于技術本身、商業邏輯和團隊實力。節點資本從2016成立，從成立到現在共投了近300個項目。我們在前兩年是廣撒網的投資方式，投了200多個。但是從2019年開始，投資節奏全部放緩，采取精投的投資方式，鎖定了十個股權類的項目。今年我們依然延續精投的投資邏輯，為行業去尋找和挖掘更加優秀的項目及團隊，爭取所投項目皆精品，同時，我們也會對每一個所投企業加強投后服務，支持他們更快更好的發展，然后把每一個項目都做到極致。[2020/2/13]

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：TOR區塊鏈EXEDATPhilosoraptor區塊鏈專業方向好就業嗎EXENdatashieldcoinbank

DOT