金色觀察｜PaddleDTX：分布式機器學習解決方案_ATA:NER

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。

數據：持有0.01枚的比特幣地址數量達到歷史新高:金色財經消息，據Glassnode數據顯示，持有0.01枚的比特幣地址數量達到11,245,518的歷史新高。[2022/12/10 21:35:47]

多方計算網絡

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。

芝商所任命新的股票指數和加密貨幣業務全球主管:金色財經報道，芝商所（CME）宣布為其股票指數和加密貨幣業務任命兩位新的全球負責人，以繼續推動產品創新和支持長期增長。股票指數產品全球主管Paul Woolman將負責公司的股票指數產品組合，而加密貨幣產品全球主管Giovanni Vicioso將負責公司的加密貨幣產品。Woolman和Vicioso將向Tim McCourt匯報，Tim此前領導這兩項業務，最近被任命為CME集團管理團隊負責股票和外匯產品的全球主管。[2022/10/15 14:29:01]

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。

比特幣礦企Pow.re在巴拉圭建設礦場，并購買3600臺Whatsminer礦機:10月14日消息，加密貨幣礦企Pow.re Holdings Limited宣布已開始在巴拉圭亞松森建設兩個新的比特幣挖礦設施，其中一個預計將在2022年第四季度末全面投入運營，另外一個預計2023年第一季度建成。

該公司還購買3600臺Microbt Whatsminer礦機，算力達396 PH/s。（Bitcoin.com）[2022/10/14 14:27:53]

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。

阿根廷共濟會將發行NFT，利潤用于當地慈善工作:金色財經報道，阿根廷共濟會組織Grand Lodge of Free and Accepted Masons表示，其將發布77種數字藝術NFT藏品，利潤會回饋給該分會支持的當地慈善機構。

根據公告，這是第一個由地方性Grand Lodge支持的官方NFT項目。據悉，共濟會Grand Lodge是特定地區的兄弟共濟會團體的管理實體。該系列包含與共濟會歷史和傳說有關的圖像，如黑白方格地板，羅盤符號等。77這一數字也與該組織傳統密切相關。

該收藏品的網站聲稱，共濟會正在利用這個收藏品，部分原因是為了“將慈善事業提高到該機構歷史上一個新的和前所未有的規模”。（Cointelegraph）[2022/9/7 13:14:30]

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。

來源：金色財經

Tags：TORNERDDLATAstorj幣和fil哪個更好NerthusDDL幣Data Delivery Network

ICP