TOR:金色观察｜PaddleDTX：分布式机器学习解决方案

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。

金色财经行情播报丨BTC大幅冲高回落，跌破9000USDT:据火币行情显示，今日BTC价格大幅冲高，探至9456USDT，14时以后开始震荡回落，18时最低探至8536USDT，振幅剧烈。日线图呈长上影线，4小时图连续放量冲高行情已告一段落，后市多头需谨慎。截至18:30，主流币的具体表现如下：[2020/4/30]

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（安全多方计算）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。

金色财经合约行情播报 | BTC放量下跌，市场恐慌情绪上升:据火币BTC永续合约行情显示，截至今日16:00（GMT+8），BTC价格暂报6924美元（-5.63%），20:00（GMT+8）结算资金费率为0.010000%。

昨日BTC在下探7100美元后快速拉起，后在7300美元带盘整，于今日中午放量下跌，最低至6866美元。根据火币交割合约数据，BTC季度合约成交大幅放大，持仓量降低，精英多头占比跌幅放大，季度合约也重回负溢价。市场结构表现出明显的悲观情绪，多头大幅平仓。

USDT于火币全球站OTC的报价为7.20元，溢价率为2.33%。溢价率小幅提升。[2020/4/10]

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。

分析 | 金色盘面：BTC分时背离 向上压力陡增:金色盘面综合分析： BTC周期图标显示，30分钟K线图背离消失，完成向上突破，短线维持强势；2小时K线图维持多头趋势不变；但4小时K线图形成了顶背离，这个是较大级别的背离，需要密切监控，一旦出现拐头，需要做好风控；日线看今天反弹新高，多头趋势维持不变，短线依然保持谨慎乐观，但需要考虑7200美元以上的压力以及分时背离造成的影响。[2018/9/2]

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。

金色财经现场报道 科技部原副部长张景安：ABCD是科技创新的突破口:金色财经6月2日现场报道，在今日召开的中国区块链技术创新发展论坛上，科技部原副部长张景安表示A（人工智能）B（区块链）C（云计算）D（大数据）组成了科技创新的突破口。区块链技术是一个复杂的体系，是互联网、大数据、人工智能的底层基础技术，意义非常重大。[2018/6/2]

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。

PaddleDTX 的开源版本支持垂直联邦学习（VFL）算法，包括两方线性回归、两方逻辑回归和三方 DNN（深度神经网络）。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（水平联邦学习）算法。

训练和预测步骤如下所示：

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（XuperDB）中。在执行任务之前，执行者（通常是数据所有者）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（Private Set Intersection）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。

标签：TORBTC区块链OWNRevvmotorsportBTCX价格区块链工程专业学什么女生好OWN币

以太坊交易所热门资讯