TOR:金色觀察｜PaddleDTX：分布式機器學習解決方案

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。

金色午報 | 7月9日午間重要動態一覽:7:00-12:00關鍵詞：以太坊、Uniswap、薩爾瓦多

1.ETH在30天內增加超過500萬個唯一地址；

2.ARKK增持Coinbase，減持ROKU、騰訊控股；

3.帝國商業銀行等4家機構計劃在ConsenSys基于以太坊上開發的平臺上建立碳交易市場試點；

4.比特幣礦機制造商嘉楠科技發布AI芯片勘智K510；

5.Ransomwhere正在跟蹤總額超過 5750 萬美元的加密貨幣付款贖金；

6.Uniswap在以太坊二層擴容方案Optimism上推出alpha版本；

7.SushiSwap將于第三季度推出創新NFT平臺Shōyu；

8.民調顯示近八成薩爾瓦多人不相信比特幣。[2021/7/9 0:39:24]

多方計算網絡

金色算力云合伙人梅洪睿：Filecoin的機制設計盤活了供需關系，會有強大的市場空間:9月4日，2020 幣牛牛武漢國際峰會·華中區塊鏈周盛大舉行，金色算力云合伙人梅洪睿在《分布式存儲和中心化存儲的未來格局》的圓桌主題論壇中表示，分布式存儲的優點是成本低、訪問速度快、安全性高。IPFS作為數據基礎設施，可以方便應用場景大規模落地，Filecoin生態也能帶動挖礦這個行業，讓更多人獲利。金色財經為幫助投資者拓寬投資渠道，助力IPFS挖礦產業健康發展，推出金色算力云平臺，以四大優勢粉碎挖礦痛點，三大保障助推投資者生態良性發展。目前，金色算力云戰略合作伙伴—石榴礦池，公布首批21個集群，暫居太空競賽第一名。

從另外一個角度來說，Filecoin這個機制設計的非常巧妙，盤活了供需關系，在這個里面基本上是按需分配，這個態勢發展，會有比較強大的市場空間。其落地商用至少主網需要上線，全球網絡能在一個高數據量級的處理中，穩定、安全、高效的運行。[2020/9/4]

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。

金色財經挖礦數據播報 | BSV今日全網算力上漲3.55%:金色財經報道，據蜘蛛礦池數據顯示：

BTC全網算力104.237EH/s，挖礦難度15.14T，目前區塊高度632813，理論收益0.00000931/T/天。

ETH全網算力185.684TH/s，挖礦難度2403.27T，目前區塊高度10189963，理論收益0.00828487/100MH/天。

BSV全網算力1.928EH/s，挖礦難度0.27T，目前區塊高度637686，理論收益0.00046686/T/天。

BCH全網算力2.803EH/s，挖礦難度0.36T，目前區塊高度637907，理論收益0.00032110/T/天。[2020/6/3]

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。

分析 | 金色盤面：時間反彈接近尾聲 市場面臨方向選擇:金色盤面綜合分析：BTC長達48小時的橫盤已經接近了尾聲，短線看空頭占優，30分鐘的MA144兵臨城下，疊加了6480美元的黃金線，而多頭可以依托的僅有短期均線和求生的勇氣。在沒有足夠的援兵支撐下，退守6200美元一線貌似更切合實際。當然，不排除小概率事件發生，畢竟多頭的退路已無，向下將是萬劫不復，但直接向上突破，必須有足夠的兵力調配，否則將遭到空頭肆虐。這里給多頭的建議是先退守，誘敵深入，制造2小時的MACD背離，吸引更多買盤入場，而后趁空頭力竭之時發動攻勢，一舉將其逼退至6900美元之上。鑒于近期市場波動較大，投資者請做好風控。[2018/9/8]

去中心化存儲網絡

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。

Tags：TORDATNERADDConnector CoinDatabrokerRunEarnerDaddy Pepe

酷幣