TOR:金色觀察｜PaddleDTX：分布式機器學習解決方案_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。

Jack Dorsey支持的閃電網絡項目Spiral發布LDK新路線圖:金色財經報道，由Jack Dorsey旗下公司Block支持比特幣開源開發實體Spiral發布了閃電網絡開發包（LDK：Lightning Development Kit）新路線圖，LDK不同于閃電網絡最常用的軟件實現LND和C-lightning，其目標是更加模塊化和靈活，通過采用BOLT 12讓開發人員在構建（特別是移動）Lightning 錢包和應用程序時更輕松。新路線圖上的一個關鍵特性是LDK Node Mobile，為創建節點提供了更簡單的設置；另一個獨特功能是所謂的“異步支付”，該功能將是LDK明年的主要關注點。（decrypt）[2023/4/2 13:40:18]

多方計算網絡

以太坊市值跌至2000億美元下方:金色財經報道，隨著ETH價格在過去24小時受挫，以太坊市值已跌至2000億美元下方，據最新數據顯示，本文撰寫時為195,652,763,828美元。當前ETH價格約為1634.03美元，24小時跌幅為2.8%。[2022/8/2 2:52:12]

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。

以太坊網絡Gas費已降至4gwei:7月24日消息，據Etherscan數據顯示，當前以太坊網絡Gas費已降至4gwei。[2022/7/24 2:34:20]

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。

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。

區塊鏈碳信用交易平臺Flowcarbon完成7000萬美元融資，a16z領投:5月24日消息，區塊鏈碳信用交易平臺Flowcarbon完成7000萬美元融資，此輪融資由a16z領投，General Catalyst和Samsung Next參投。其中3200萬美元通過股權融資形式進行，3800萬美元通過Token銷售形式進行。Flowcarbon由WeWork創始人Adam Neumann參與支持，該平臺允許項目開發商使用區塊鏈技術將其碳信用額度Token化，并進行存儲和交易，從而使其獲得更低成本的資金并更快地擴展項目。（路透社）[2022/5/24 3:38:33]

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：TOR區塊鏈ATANERHistoria區塊鏈運用的技術中不包括哪一項內容KATANA幣Minereum

火必交易所