區塊鏈:金色觀察｜PaddleDTX：分布式機器學習解決方案

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。

金色午報 | 5月22日午間重要動態一覽:7:00-12:00關鍵詞：披薩節、騰訊、虛擬貨幣挖礦、Kleiman

1.騰訊正式發布區塊鏈加速器“騰訊產業加速器—區塊鏈”。

2.網傳四川金融辦下文要求企業退出虛擬貨幣挖礦。

3.Kleiman團隊聲稱澳本聰已擁有加密“Satoshi”文件密鑰。

4.波多黎各公司GoxRising計劃購買MtGox債權人債權。

5.數據顯示：“披薩節”當日 比特幣價格均為上漲。

6.Bitfinex2016年被盜比特幣部分流入未知錢包地址。

7.柬埔寨央行CBDC支付系統使用Iroha。

8.海南三亞每年將安排1億元扶持包括區塊鏈等基礎設施。

9.律師：“PlusToken”案涉案金額遠不止1400萬。[2020/5/22]

多方計算網絡

分析 | 金色盤面：BTC/USD 15分鐘背離消失:金色盤面綜合分析：今晨BTC/USD再次大幅下跌，從15分鐘K線圖看，背離消失，短線看保持觀望是最佳選擇，等待降速后再做決定，請投資者保持謹慎。[2018/9/6]

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。

金色財經現場報道，MACLANE：隱私是人權的一部分:在2018年世界數字資產峰會（WDAS）暨FBG年會上，來自WILKISON公司的MACLANE表示，隱私是人權的一部分，敏感的用戶數據如銀行賬戶信息等，可以建立一個去中心化的平臺進行存儲。在數據訪問方面，更需要增加一些與隱私相關的加密算法的研發。[2018/5/2]

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。

金色財經獨家分析 各個城市對區塊鏈敞開懷抱或許預示著相關法律法規正在路上:金色財經獨家分析 繼杭州區塊鏈產業園開園后，成都也在4月9日成立大數據協會區塊鏈專業委員會，隨后各個城市紛紛入局區塊鏈，一線城市更是對區塊鏈項目開出高額扶持政策，從政策方面來看，對于區塊鏈發展無疑是利好的一面，代表了國家大力發展區塊鏈的決心，但從另一方面來看，高額度的扶持資金也側面的印證了區塊鏈發展仍需要投入大量的金錢以及時間，這也說明目前區塊鏈發展尚處于初期。不過各個城市都對區塊鏈敞開懷抱，毫無顧忌的大力扶持，似乎也預示著關于區塊鏈的相關監管法律法規會隨之而來與之配合。[2018/4/12]

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。

Tags：區塊鏈TOREXEADD如何使用區塊鏈技術Torah Networkdexe幣前景DADDYETH

DYDX