TOR:金色观察｜PaddleDTX：分布式机器学习解决方案_区块链

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 | 12月16日晚间重要动态一览:12:00-21:00关键词：香港证监会、证监会姚前、英国金融行为监管局、0xMaki

1. 以太坊稳定币总发行量达190亿美元创历史新高。

2. 香港证监会向首个虚拟资产交易平台发牌。

3. XRPLLabs推特帐户被停用，创始人表示不满。

4. 证监会姚前：利用区块链技术与分布式文件系统技术，将底层技术的全量信息同步上链。

5. 观点：灰度今年第四季度已增持115236枚BTC，比特币流动性危机将至。

6. 黑客留言向Nexus Mutual创始人索要4500枚ETH作赎金。

7. 2020年Q4灰度以太坊信托价格上涨逾270%。

8. 英国金融行为监管局：将为加密资产业务建立临时注册制度。

9. 数字人民币调查：23%调查者认为数字人民币为抵御比特币和Libra。

10. 0xMaki：计划未来几个月在Polkadot推出跨链SushiSwap。[2020/12/16 15:25:45]

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（安全多方计算）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。

金色晚报 | 11月24日晚间重要动态一览:12:00-21:00关键词：Coinbase、以太坊2.0、中国银联、XRP、Visa

1. 澳大利亚投资管理公司PendalGroup开始投资比特币期货。

2. 数据：目前以太坊2.0存款合约上ETH持有量排名13。

3. Flare Network公布Spark代币分配方案，总量1000亿枚Spark。

4. BTC在CoinBase历史高点于主流交易所中最高。

5. Visa CEO：将虚拟货币视作一种货币而非商品。

6. 以太坊2.0存款合约地址余额突破60万ETH。

7. 姚前：区块链技术值得数据跨境流动及其监管各方深入研究。

8. 中国银联总公司正在招聘区块链研究方向的工程师。

9. 康律之：二级市场决定比特币定价的筹码越来越少 未来行情增长可能远超预期。

10. Coinbase上XRP一度飙升超0.9美元后随即暴跌 震荡行情引发宕机争议。[2020/11/24 21:59:31]

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。

金色晨讯 | 2月20日隔夜重要动态一览:21:00-7:00关键词：以色列、迪拜、Libra、美国银行、RippleNet、杭州红十字会

1. 金融委员会主席：监管机构需加快制定数字货币规则。

2. 以色列总检察长：以色列银行不能全面禁止向加密客户提供银行服务。

3. 迪拜政府将于第一季度启动KYC区块链联盟。

4. 美国教育部正探索数字分类帐技术的使用。

5. 欧盟委员会执行副主席：仍需更多细节以监管Libra。

6. 美国银行或将正式加入RippleNet。

7. 杭州市红十字会开出浙江首张区块链电子捐赠票据。

8. 多名投资者称在青蛙云算力平台提现地址遭篡改，资产被盗。

9. 市场普跌，BTC最低跌至9320美元，现报9660美元，市值为1763.79亿美元。[2020/2/20]

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。

金色财经讯:新西兰的外汇保证金交易商RoboForex增加了BTC和ETH交易差价合约（CFD）交易。交易仅以结算价与合约价的差额作现金结算，投资者无需持有比特币或以太币，可进行做空做多交易。[2017/10/17]

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。

PaddleDTX 的开源版本支持垂直联邦学习（VFL）算法，包括两方线性回归、两方逻辑回归和三方 DNN（深度神经网络）。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（水平联邦学习）算法。

训练和预测步骤如下所示：

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（XuperDB）中。在执行任务之前，执行者（通常是数据所有者）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（Private Set Intersection）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。

标签：TOR区块链AOWUTOConnector Coin以下哪个不是区块链区块的结构AOW价格PLUTO

中币热门资讯