金色觀察｜PaddleDTX：分布式機器學習解決方案_CUT:區塊鏈dapp開發教程

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。

金色財經挖礦數據播報：ETH今日全網算力上漲6.53%:金色財經報道，據蜘蛛礦池數據顯示：

BTC全網算力173.735EH/s，挖礦難度20.61T，目前區塊高度682151，理論收益0.00000671/T/天。

ETH全網算力584.446TH/s，挖礦難度7554.91T，目前區塊高度12377942，理論收益0.00329966/100MH/天。

BSV全網算力0.919EH/s，挖礦難度0.14T，目前區塊高度685983，理論收益0.00097965/T/天。

BCH全網算力4.998EH/s，挖礦難度0.45，目前區塊高度686628，理論收益0.00018006/T/天。[2021/5/6 21:28:08]

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（安全多方計算）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。

金色晚報 | 2月5日晚間重要動態一覽:12:00-21:00關鍵詞：央視、德意志銀行、朝鮮、司法部

1. 2020年中央一號文件：加快區塊鏈等技術在農業領域的應用；

2. 央視：海淀區市場監管局通過區塊鏈等多種方式做好疫情防控工作；

3. 報告：ICE指數顯示 BTC相對于其他市場基本面表現良好；

4. 德意志銀行：到2030年，加密貨幣的采用率將達到2億；

5. 此前盜取DragonEx 700萬美元加密貨幣的始作俑者系朝鮮黑客組織Lazarus；

6. BitPay將支持所有比特幣錢包的發票支付；

7. 美國司法部擬推行法案禁止加密處理，或威脅加密貨幣行業；

8. 調查顯示：很多發達經濟體的人不信任包括Libra在內的私營項目；

9. 克羅地亞郵政：加密貨幣兌換服務進展順利，BTC、ETH和XRP最受歡迎。[2020/2/5]

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。

現場 | 金色財經頒發“2019最具影響力投資機構”獎 共10家企業獲獎:2019年12月27日，由金色財經主辦的“與時共創”頒獎盛典在京舉行。金色財經“與時共創”對2019年最具影響力投資機構進行評選，經評委的評選，BlockVC、創世資本、分布式資本、共識實驗室、火幣資本、節點資本、科銀資本、了得資本、鏈興資本、OK資本獲“2019最具影響力投資機構”獎項。 本次活動邀請到國內外百余家知名區塊鏈企業、300多名行業領袖、眾多產業上下游服務機構代表等業界知名人士共同見證此次頒獎盛典。金色財經“與時共創”活動邀請到40余名資深行業專家作為專業評選團，結合網絡投票進行綜合評審，通過不同的獎項，對各個企業對實現賦能實體創新引領行業未來發展的努力進行表彰，實現與時代共同探索區塊鏈，共創行業美好藍圖。[2019/12/27]

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。

金色相對論 | 區塊鏈萌寵Max Ksen：目前99%的游戲都屬于收藏游戲:在本期金色相對論之“Dapp游戲”中，針對金色財經內容合伙人佟揚“目前國際市場上區塊鏈游戲分類有哪些”的提問，區塊鏈萌寵（Blockchain Cuties）亞洲市場業務開發者Max Ksen（馬克思·可弦）表示，目前來說區塊鏈游戲這個領域不是很多種類。第一個最多的應是DAPP游戲就是賭博游戲。其實這樣的項目我們基本上不算在游戲市場里面，因為它用的代幣主要是為客人提供一個TRUST，證明它使用的算法和所有預算功能是正確和透明的。現在99%的游戲都屬于收藏游戲。收藏游戲分3種：1.普通收藏。出了收藏功能以外沒有其他功能，最好比方是CryptoKitties。2.可玩的游戲。包括收藏，戰斗和其他相同的功能。3. 戰略即時游戲。很抱歉，暫時沒有很好的舉例可供參考。但有一些這卡牌類游戲，就目前情況來說暫時卡牌類區塊鏈游戲還沒有出現在市場。[2018/12/3]

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。

PaddleDTX 的開源版本支持垂直聯邦學習（VFL）算法，包括兩方線性回歸、兩方邏輯回歸和三方 DNN（深度神經網絡）。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（水平聯邦學習）算法。

訓練和預測步驟如下所示：

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（XuperDB）中。在執行任務之前，執行者（通常是數據所有者）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（Private Set Intersection）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：區塊鏈TORCUTPAD區塊鏈dapp開發教程torn幣價格CUT幣GamesPad

TUSD