區塊鏈:金色觀察｜聯邦學習是區塊鏈隱私計算的目標嗎？_區塊鏈技術通俗講解中山大學

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。

金色熱搜榜：ANT居于榜首:根據金色財經排行榜數據顯示，過去24小時內，ANT搜索量高居榜首。具體前五名單如下：ANT、CVT、HC、BCH、LTC。[2020/10/29]

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。

可見，聯邦學習或許是一種目標選擇。

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 購買比特幣 美國人正在加杠桿:證券監管機構約瑟夫·伯格說，人們正在辦理抵押貸款以購買比特幣。再加上用于獲得比特幣的信用卡和股票貸款的賬戶，它增加了風險投資者的可能性，讓他們負債累累，甚至可能無家可歸。金色財經獨家分析，對于杠桿率的限制一直是金融監管的一項重要內容。此前日本就加密貨幣杠桿交易上限問題展開討論，歐洲證券市場監管局也將差價合約(CFD)散戶投資者限制在2倍的杠桿率，但對于通過抵押質押的方式來購買虛擬貨幣的限制還么有被廣泛注意，這就像是銀行的消費貸一樣，存在監管去向的難度。數字貨幣不需要像傳統金融那么大的杠桿，因其價格波動性強大，數倍杠桿就可以達到數十倍的杠桿的收益，當然，也可以造成相對應的損失。為控制此類風險，銀行在提供貸款時，應該加強對款項去向的監控，控制加杠桿炒幣的風險。[2018/4/17]

再看框架：

金色財經現場報道 ShareX創始人李剛強：風口中出現大量巨嬰型項目:金色財經前方記者實時報道，第三屆中國股權轉讓論壇暨ShareX平臺首批入駐項目簽約儀式于4月13日在北京舉辦，ShareX創始人李剛強在致辭中表示，據基金業協會數據統計，截至2017年底，國內私募創業投資，股權投資機構超過1.3萬家，8.7萬億存量管理規模，13.7萬億從業者，但繁華背后問題重重，風口之下出現眾多巨嬰型項目，很多項目后期的估值無法匹配其融資時的估值。[2018/4/13]

兩個數據擁有方（企業 A 和 B）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。

金色財經訊:Bitcoin.org發表聲明：譴責Segwit2x硬分叉和涉及該項目的公司，并計劃在網站的每一個頁面加上橫幅，解釋11月的硬分叉事件以及其存在的風險。[2017/10/9]

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：區塊鏈HAREARESHARE區塊鏈技術通俗講解中山大學HAREC價格MediSharestechshares

瑞波幣