金色觀察｜聯邦學習是區塊鏈隱私計算的目標嗎？_區塊鏈

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。

金色財經合約數據播報 | BTC獲支撐上漲，價格再次來到關鍵位置:據火幣BTC季度合約行情顯示，截至16:00（GMT+8），BTC價格暫報6653美元（+5.49%），24小時季度合約成交量18.00億美元（+26.88%）。

BTC昨夜在6100美元獲得支撐，并出現了放量上漲至6700美元一帶，成交量回升。根據火幣合約數據看，BTC總持倉量略減，大戶多頭持倉比大幅增加，季度合約貼水進一步收窄。BTC近14天區間震蕩中，振幅不斷縮小，市場成交保持在較低水平，目前價格再次來到關鍵位置。

USDT于火幣全球站OTC的報價為7.19美元，溢價率為1.29%。溢價率小幅回落。[2020/4/2]

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。

金色午報 | 2月7日午間重要動態一覽:7:00-12:00關鍵詞：螞蟻金服、新華網、日本財務大臣、DeFi生態

1.螞蟻金服：升級區塊鏈開放策略 將開放平臺技術能力給全行業。

2.新華網：美聯儲對“央行數字貨幣”態度趨開放。

3.美國財政部：數字資產未能有效監管是金融體系中的重大漏洞。

4.納斯達克交易所前副主席：通證和區塊鏈的應用將取代證券存管信托與結算公司。

5.東京高等法院判定瀏覽器內挖掘加密貨幣Coinhive服務有罪。

6.日本財務大臣：數字貨幣問題更多在日本央行的職權范圍之內。

7.新大陸聯手迅雷等企業運用區塊鏈技術馳援疫情防控工作。

8.DeFi生態中鎖定的資產總價值突破10億美元。

9. “山寨幣季節”再次到來 比特幣持倉量位于歷史最高位。[2020/2/7]

可見，聯邦學習或許是一種目標選擇。

金色相對論丨龐華棟：區塊鏈最有可能幫助人工智能用一種比較低成本、分布式的方式獲取數據:在本期金色相對論上，在談到區塊鏈和AI如何融合時，微積分發起人龐華棟表示，人工智能最大的痛點，我覺得是數據的獲取。但是這方面，我認為區塊鏈最有可能幫助人工智能用一種比較低成本，分布式的方式獲取數據，然后通過激勵機制以及好的經濟模型來促進人工智能數據的獲取和存儲。這是我看來最有可能將區塊鏈應用于人工智能領域的一個方法。[2018/7/17]

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。

金色財經獨家消息 Bithumbcoin受各方面原因影響現停止海外ICO:金色財經獨家消息，Bithumbcoin官方只針對大機構募集，但最近很多不法機構以此名義在韓國本土募集，官方決定暫緩ICO，公鏈的研發工作繼續。據了解，Bithumbcoin是韓國加密貨幣交易所Bithumb的新加坡子公司B.Buster所發行的加密貨幣。金色財經提醒廣大用戶，注意防范風險，避免財產損失。[2018/4/24]

再看框架：

兩個數據擁有方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。

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BTC人工智能UMB區塊鏈技術專業MWBTC人工智能chatGPT下載BUMBLEC

比特幣