TOR:金色观察｜PaddleDTX：分布式机器学习解决方案_DAT

PaddleDTX是一个基于分布式存储的分布式机器学习技术解决方案。可以解决海量私有数据需要的安全存储和交换难题，可恶意帮助各方突破数据孤岛，实现数据价值最大化。

PaddleDTX的计算层是一个由三种节点组成的网络：Requester、Executor和DataOwner。训练样本和预测数据集存储在由DataOwner和Storage节点组成的去中心化存储网络中。这种去中心化的存储网络和计算层由底层区块链网络支持。

金色晚报 | 9月13日晚间重要动态一览:12:00-21:00关键词：MicroStrategy、Coinbase、Valour、天桥资本

1. Coinbase拟私募发行15亿美元优先票据

2. 彭博社：今年开采比特币所消耗的能源已经超过2020年的水平

3. 投资产品发行人Valour宣布在北欧交易所推出Solana ETP

4. 天桥资本为NFT艺术、收藏品和体验推出新平台Flatter

5. Recur以3.33亿美元估值完成5000万美元A轮融资，元宇宙投资平台Digital领投

6. MicroStrategy宣布购买5,050个比特币，平均每枚48,099美元

7. 电影制作公司以NFT形式为电影《We Are As Gods》筹资，募集900枚ETH后将免费放映[2021/9/13 23:22:03]

多方计算网络

金色热搜榜：BNT居于榜首:根据金色财经排行榜数据显示，过去24小时内，BNT搜索量高居榜首。具体前五名单如下：BNT、MLN、BHD、MXC、STORJ。[2020/8/29]

Requester是有预测需求的一方，Executor是DataOwner授权获得样本数据访问许可的一方，用于可能的模型训练和结果预测。多个Executor节点组成一个SMPC网络。Requester节点将任务发布到区块链网络，Executor节点授权后执行任务。Executor节点通过DataOwner获取样本数据，后者为数据的信任背书。

金色午报 | 4月30日午间重要动态一览:7:00-12:00关键词：比特币大涨、政府区块链平台、MakerDAO

1.安徽省政府区块链平台上线。

2.重庆市与华为签署协议 在区块链等领域展开深入合作。

3.经济参考报：多元场景浮出区块链金融应用渐深化。

4.BTC减半日期预计为2020年5月12日 今天距此还有12天。

5.MakerDAO：ETH债务上限提高2000万至1.2亿。

6.安全公司：EOS竞猜游戏Felix遭假EOS攻击。

7.加密货币总市值升至2600亿美元上方。

8.HTC区块链手机Exodus已集成MakerDAO和Compound。

9.比特币持续上涨，最高涨至9300美元，日内涨幅超10%。[2020/4/30]

SMPC网络是支持并行运行的多个分布式学习过程的框架。未来将支持垂直联邦学习和水平联邦学习算法。

独家 | 金色财经2月13日挖矿收益数据播报:金色财经报道，据印比特数据显示，按照BTC参考价格72700元、电价0.38元/kWh计算，当前在售主流BTC矿机的市场价格及回本周期为：、芯动T3+-57T（全新现货9690元，264天回本）、神马M20S-68T（3月份期货11500元，221天回本）、阿瓦隆1066-50T（全新现货6300元，203天回本）、蚂蚁S17Pro-56T（全新现货12500元，298天回本）。[2020/2/13]

去中心化存储网络

一个DataOwner节点处理自己的私有数据，在这个过程中使用了加密、分段和复制相关的算法，最后将加密的分片分发到多个Storage节点。Storage节点通过回答DataOwner产生的挑战来证明它诚实地持有数据片段。通过这些机制，可以在不侵犯任何数据隐私的情况下安全地维护存储资源。

区块链网络

训练任务和预测任务将通过区块链网络广播到Executor节点。然后所涉及的Executor节点将执行这些任务。DataOwner节点和Storage节点在监控文件和节点健康状态时，以及副本持有证明的challenge-answer-verify过程中，通过区块链网络交换信息。

目前，XuperChain是PaddleDTX支持的唯一区块链框架。

垂直联邦学习

PaddleDTX的开源版本支持垂直联邦学习算法，包括两方线性回归、两方逻辑回归和三方DNN。DNN的实现依赖于PaddleFL框架，PaddleFL提供的所有神经网络模型都可以在PaddleDTX中使用。未来更多算法会开源，包括多方VFL和多方HFL算法。

训练和预测步骤如下所示：

运作原理

样品准备

FL任务需要指定将用于计算或预测的示例文件，这些文件存储在去中心化存储系统中。在执行任务之前，执行者需要从XuperDB中获取自己的示例文件。

样品对齐

VFL训练和预测任务都需要样本对齐过程。即使用所有参与者的ID列表查找样本交叉点。训练和预测是在相交的样本上进行的。该项目实施了PSI来进行样本对齐，而不会泄露任何参与者的ID。

训练过程

模型训练是一个迭代过程，它依赖于两个奇偶校验样本的协同计算。参与者需要在许多训练时期交换中间参数，以便为每一方获得适当的局部模型。

为确保每个参与者数据的机密性，Paillier密码系统用于参数加密和解密。Paillier是一种加法同态算法，它使我们能够直接对密文进行加法或标量乘法。

预测过程

预测任务需要模型，因此需要在预测任务开始前完成相关的训练任务。模型单独存储在参与者的本地存储中。参与者使用自己的模型计算局部预测结果，然后收集所有部分预测结果以推导出最终结果。

对于线性回归，可以在收集所有部分结果后执行去标准化过程。这个过程只有有标签的一方才能完成。所以所有的部分结果都会被发送给有标签的一方，它会推导出最终结果并将其作为文件存储在XuperDB中供请求者使用。

来源：金色财经

标签：TOROWNDATATADDS StoreClown PepeworlddatabaseGREATAPE

芝麻开门交易所热门资讯