加密貨幣:金色觀察｜聯邦學習是區塊鏈隱私計算的目標嗎？

區塊鏈行業里有一個很垂直的賽道，技術攻堅很艱澀，這就是對數據進行隱私處理的隱私計算。

為什么呢？

一是因為對數據處理的產品復雜度，二是技術上還有很多很多問題存在。用區塊鏈基礎設施來做，太過于簡陋，這個舉例好像，一個人住進一個沒裝窗戶卻有一個窗口的屋子，只能先掛個簾子擋一下。沒有裝窗戶的原因是因為，這個地區沒有生產窗框、玻璃的企業，也沒有會安裝的師傅，只能先用紙糊上或者掛一個簾子，更厲害的，直接把窗戶封上。

區塊鏈隱私計算現在就是這種情況。

為了實現web3，未來隱私計算一定會解決數據隱私問題，而這種需求面臨的目標是什么？也許是聯邦學習。雖然這是一個人工智能領域的基礎技術，但它定義了一種數據不離開所有者的數據處理方向。

金色財經合約行情分析 | BTC歷史第三次減半，市場分歧加大:據火幣BTC永續合約行情顯示，截至今日16:00（GMT+8），BTC價格暫報8655美元（-0.14%），20:00（GMT+8）結算資金費率為-0.004594%。

昨晚BTC經歷了歷史上的第三次減半，BTC昨晚8點向上沖高至9150美元一帶，凌晨2點下探8150美元一帶，目前在8700美元附近窄幅震蕩。根據火幣交割合約數據，BTC季度合約成交額大幅上漲，持倉量在近期低位震蕩，精英多頭占比略減，季度合約貼水穩定。市場多空分歧有所加大，投資者需注意風險。[2020/5/12]

我們為什么要做數據隱私，也是因為平臺等中心化的角色會利用數據做一些分析利用，中心化角色也是利用數據進行深度學習，以汲取數據中的價值。

金色沙龍 | 周期：cosmos跨鏈還是類似于早期的局域網:在今日舉行的金色沙龍中，QuarkChain創始人周期表示，Cosmos作為初代的跨鏈標準，我覺得已經有了很多進展。但是，在一些方面，我們認為還可以完善。

1.跨鏈的安全性問題。因為每個鏈負責自己的安全，但是如果一個鏈（比如發行了一個資產的鏈）被攻擊，導致資產被增發或者被回滾雙花，可以導致其他鏈上擁有該鏈的資產受到危險。

2.跨鏈的效率。每筆跨交易都需要包括所有的proof信息（包括：塊頭和package），大大增加了跨鏈的成本。可以想像在計算機網絡，兩個節點，一個一個字節的發送業務數據，但是底層需要用大量額外的數據來打包(TCP+IP的報頭40字節），這樣效率是非常低的。怎么批量快速的證明跨鏈交易，我們認為是一個關鍵。

3.跨鏈的激勵問題。我在ICS里面，沒有看到中間者 (relayer）為什么會轉發IBC數據的激勵。這個也是一個難題。如果沒有足夠的激勵的話，很有可能導致兩個鏈發送的數據，但是沒有relayer來傳遞數據。

總體而言，用計算機網絡來作為對比的話，我認為cosmos跨鏈還是類似于早期的局域網（用集線器hub），解決了點對點的跨鏈問題。但是如果要上百，甚至上千的鏈都能夠安全，有效，無縫的互聯，我覺得還有相當長的一段路要走。[2020/4/29]

可見，聯邦學習或許是一種目標選擇。

獨家 | 金色財經3月3日礦幣數據播報:金色財經報道，據幣印礦池數據顯示：

主流幣挖礦日收益分別為：BTC（￥1.02/T）、ZEC（￥0.39/T）、LTC（￥16.75/G）、BSV（￥1.04/T）、BCH（￥1.03/T）、DASH（￥0.10/G）。

當前熱門礦機數據及凈收益分別為：阿瓦隆A1066（BTC，￥21.83）、芯動A9+（ZEC，￥30.88）、芯動A4+（LTC，￥3.53）。[2020/3/3]

先看定義：

聯邦學習在2016年由谷歌最先提出，原本用于解決安卓手機終端用戶在本地更新模型的問題，其設計目標是在保障大數據交換時的信息安全、保護終端數據和個人數據隱私、保證合法合規的前提下，在多參與方或多計算結點之間開展高效率的機器學習。

金色財經獨家分析 Paypal對“競品”謹慎態度有“客觀原因” 主觀上更應尋求轉變:Paypal首席財務官對于加密貨幣接受采訪時接連表示了“更加謹慎”和“不感興趣”，其客觀原因是有的，而且相當的站的住腳——加密貨幣波動性太強，確實是說出了很多人的顧慮。但對加密貨幣的態度中客觀原因也許還不夠，主觀上，Paypal已經受到了來自加密貨幣的挑戰。加密貨幣的手續費相比PayPal來講近乎“免費”，在這種情況下Paypal還修改了服務政策提高了交易費用，致使更多的用戶轉向加密貨幣。Paypal的業務增速似乎也有些落后于加密貨幣相關服務，此前統計Square開發的加密貨幣手機支付應用Square Cash增長速度比PayPal的 Venmo快，也印證了這一點。面對“競品”挑戰，傳統支付企業提高競爭力已經是擺在面前的重要課題，雖然加密貨幣的普及程度還不高，傳統企業也應該開展或加速區塊鏈相關戰略布局，在提高安全性、速度，降低中介成本上進行顯著改進。[2018/5/17]

再看框架：

兩個數據擁有方的場景是聯邦學習的標準統構架。該構架可擴展至包含多個數據擁有方的場景。假設企業A和B想聯合訓練一個機器學習模型，它們的業務系統分別擁有各自用戶的相關數據。此外，企業B還擁有模型需要預測的標簽數據。出于數據隱私保護和安全考慮，A和B無法直接進行數據交換，可使用聯邦學習系統建立模型。

第一步：加密樣本對齊。系統利用基于加密的用戶樣本對齊技術，在A和B不公開各自數據的前提下確認雙方的共有用戶，并且不暴露不互相重疊的用戶，以便聯合這些用戶的特征進行建模。

第二步：加密模型訓練。在確定共有用戶群體后，就可以利用這些數據訓練機器學習模型。為了保證訓練過程中數據的保密性，需要借助第三方協作者C進行加密訓練。過程中協作者C把公鑰分發給A和B，用以對訓練過程中需要交換的數據進行加密。A和B分別基于加密的梯度值進行計算，最后把結果匯總給C。C將結果解密，分別回傳給A和B。

第三步：激勵。聯邦學習解決了不同機構加入聯邦共同建模的問題，建立模型以后模型的效果會在實際應用中表現出來，可以記錄在區塊鏈上。提供數據多的機構所獲得的模型效果會更好，模型效果取決于數據提供方對自己和他人的貢獻。

這個過程里，

數據隔離，不會泄露到外部其他人，滿足用戶隱私保護和數據安全的需求；訓練有效；參與者地位對等，公平合作。

這個時候看，區塊鏈可以在數據所有權、聯邦貢獻度等部分起到決定性的作用。所以是不是一個非常完美的適合用區塊鏈來做的模型。

但目前的隱私計算區塊鏈還不能完全做到這些，主要問題在于：

1.對數據操作的顆粒度還不能完全去中心化到個人。

2.算力不夠、存儲不夠。

3.只用智能合約無法執行龐大的復雜的過程。

4.缺少PaaS以及BaaS這樣的中間層服務。

5.鏈上應用的隱私需求少。

在這些問題的影響下，確實沒辦法實現，也許有人會認為，比如鏈上混幣，或者查不到交易詳情的隱私幣是不是就可以算是另一個方向的隱私了。

對，這是另一個方向的隱私需求，這個需求已經可以實現，只是聯邦學習的路會更長遠一些。

在聯邦學習之前，為了防止交易數據明文、合約代碼明文會帶來更多的安全問題，具備隱私保護能力的鏈上環境，可以用黑箱的方式保護交易、保護合約，保護資產。這里面有tee、mpc、zksnark等方式。

這些對于一個復雜的數據訓練網絡來說，都是簡陋的結構了。

以太坊是世界計算機，在以太坊出現之前，互聯網先是活在機房里，現在機房構成的龐大算力組合成云，互聯網活在云上，云是一個組合的沒有硬件限制的世界計算機，只是沒有去中心化結構。

在云服務中我們可以看到涉及隱私計算的相關服務已經上線很久，比如AWS的數據湖和數據倉，比如阿里云的datatrust以及騰訊在可信平臺上的服務，都是向這個方向看齊。

最后，讓我們看看在云服務的架構下形成的可信數據處理架構：

當云服務部分，被聯盟鏈云服務中的區塊鏈所取代或者被去中心化云服務平臺取代時，web3就要成功了。

Tags：加密貨幣區塊鏈BTCPAY加密貨幣市場總市值排名區塊鏈存證說法錯誤的是BTCBpointpay幣最新消息

狗狗幣最新價格