區塊鏈:金色觀察｜PaddleDTX：分布式機器學習解決方案_ECU

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 | BCH今日全網算力上漲3.14%:金色財經報道，據蜘蛛礦池數據顯示：

BTC全網算力138.203EH/s，挖礦難度19.30T，目前區塊高度652316，理論收益0.00000687/T/天。

ETH全網算力259.531TH/s，挖礦難度3302.03T，目前區塊高度11037839，理論收益0.00659436/100MH/天。

BSV全網算力1.826EH/s，挖礦難度0.27T，目前區塊高度656474，理論收益0.00049280/T/天。

BCH全網算力2.894EH/s，挖礦難度0.40T，目前區塊高度656744，理論收益0.00031093/T/天。[2020/10/12]

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。

金色午報 | 4月28日午間重要動態一覽:7:00-12:00關鍵詞：雅安、人民論壇、廣州、澳本聰

1. 四川雅安：充分發揮雅安水電優勢支持區塊鏈發展；

2. 人民論壇：區塊鏈技術助推思想教育創新發展；

3. 澳本聰Craig Wright稱中本聰從未登錄Bitcointalk 論壇；

4. 比特幣開發者：Tron、EOS等能輕易吞噬掉以太坊“ DApps”的市場份額；

5. 以太坊2.0多客戶端測試網Schlesi已上線運行；

6. 公鏈Solana流通量存疑：800萬流通代幣外 基金會另向做市商借出1136萬代幣；

7. 區塊鏈信息服務備案達730個 “北上廣浙”占比近八成；

8. 廣州工信局公示2019年區塊鏈應用示范場景優秀案例。[2020/4/28]

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。

金色快評?| 比特幣作為資產已在多國達成共識:據cryptovest報道，保加利亞當局在打擊該國非法活動中收繳了很多比特幣，這是因為許多犯罪活動都是用比特幣支付的。目前，保加利亞政府已收繳了213519枚比特幣，價值近十五億美元，相當于該國國債的25％。現在還不清楚保加利亞政府將如何處置這些比特幣。但是美國政府對于收繳的比特幣通常會采取拍賣的態度。就目前來說，各國政府對于加密貨幣的態度都較為審慎。多數國家只承認加密貨幣為資產和商品，幾乎沒有國家承認其為貨幣。諾貝爾經濟學獎得主、哥倫比亞大學教授Joseph Stiglitz幾天前就曾表示，政府當局將對比特幣進行打擊。Stiglitz稱，當試圖創建一個透明的銀行系統時，不可能有一種基于保密的支付方式。如果打開一個像比特幣一樣的漏洞，那么所有罪惡的活動都會經歷那個漏洞，沒有政府會允許這樣做。但是，比特幣顯然又不是一般的商品，因為其并不具有一般商品的使用價值，它的“使用價值”就是它用于支付的價值。各國政府因此不得不面對一個現實，以比特幣為代表的加密貨幣作為一種支付手段已然被越來越多的個人和組織所認可。尤其當一國政府收繳到大量加密貨幣時，他們顯然很難下決心像對待一樣對其進行銷毀。?[2018/7/10]

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。

金色財經訊:CEX.com交易平臺今日上線。根據CEX公告稱，CEX.COM首批上架幣種Qtum、OMG、TenxPAY、StatusSNT、訊鏈INF、CDT、0xProjectZRX、TierionTNT，以上幣種已經開通充提幣功能。[2017/10/27]

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：TOR比特幣區塊鏈ECUtorchplan中國今年承認比特幣國內最好的區塊鏈公司Gold Secured Currency

比特幣行情