TOR:金色观察｜PaddleDTX：分布式机器学习解决方案_DATA

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。

Radiant Capital关于ARB代币战略分配计划的提案投票将于今日11:03开启投票:5月15日消息，多链借贷协议RadiantC apital发推称，RFP-18：Radiant DAO财库ARB分配战略应用提案现已上线，将于北京时间5月15日11:03开启投票。该提案详细说明了授予Radiant DAO财库的3,348,026枚ARB代币的战略分配计划，其中，40%的ARB将被空投给新的6个月与1年的dLP锁仓者，30%的ARB将分配给Arbitrum上的dLP锁仓者，30%作为战略储备，供未来DAO使用。[2023/5/15 15:03:13]

多方计算网络

Paxful联合创始人Ray Yousse发布Civ Kit白皮书:金色财经报道，Paxful联合创始人Ray Yousse 发布了 Civ Kit 的白皮书，Civ Kit 是一个建立在 Nostr 协议之上的免许可电子市场系统，用于点对点订单簿。

金色财经此前报道，Paxful 联创将推出基于 Nostr 协议的新比特币 P2P 市场 Civilization Kit。[2023/4/14 14:03:54]

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。

加密购物平台 Giftcoin 将推出首张“加密礼品卡”:金色财经报道，加密货币购物平台 Giftcoin 今天宣布，在获得天使轮融资后，它将推出其首个产品。该产品是首创的数字礼品卡，其价值与加密货币挂钩，而不是与固定的美元金额挂钩，从而使其价值随着时间的推移而增加。它将于 8 月在 Apple App Store 上公开下载。

Giftcoin 还与 Solid Financial Technologies, Inc. 建立了合作伙伴关系，该公司将提供额外的银行和银行卡基础设施支持。（prnewswire）[2022/7/20 2:26:44]

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。

三箭资本Zhu Su：债权人以合作为由套取资产信息，并递交至美国法院:金色财经报道，三箭资本联合创始人Zhu Su在社交媒体上称，遗憾的是，我们与清算人合作的诚意遭到了诱导。希望他们在StarkWare代币认股权证方面确实行使了诚意。此外，Zhu Su在下方披露了两封其律师与三箭债权人之间的电子邮件，邮件内容显示，债权人 Russell 假意提供帮助并与 Zhu Su 商议了清算解决方案，而后未履行，并将协调过程中三箭资本方提供的资料递交至美国法院。三箭资本方律师表示，债权人未能兑现 StarkWare 股权收购要约已导致公司蒙受重大损失，其债权人、投资者和公司股东的权利将因此受到不利影响。

据金色财经观察，这是自6月15日三箭资本出现流行性危机以来Zhu Su首次在媒体上发声。[2022/7/12 2:08:36]

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：TORDATAEXECUTTORII币DataGOld币总量EXEN币Blockchain Cuties Universe

DOT热门资讯