金色觀察｜PaddleDTX：分布式機器學習解決方案_TOR

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。

Gensler：Binance與FTX在處理客戶資產方面存在相似之處:金色財經報道，美國證券交易委員會 (SEC) 主席 Gary Gensler 認為 Binance 與其對手 FTX 在處理客戶資產方面存在相似之處。 并表示，根據 2009 年的現行規定，客戶資金必須在適當的合格保管人之下。[2023/6/8 21:22:57]

多方計算網絡

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。

Sui推出開發者門戶“Sui Developer Portal”:金色財經報道，據官方推特，公鏈項目Sui Network宣布推出開發者門戶網站“Sui Developer Portal”，這是Sui所有技術和教育資源的一站式中心，以及可幫助開發者入門的核心開發工具和基礎設施。[2023/4/27 14:29:36]

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。

兩名男子因使用加密貨幣資助敘利亞恐怖主義被判入獄:9月20日消息，法國當局最終確定對兩名男子判決監禁，他們因涉嫌在敘利亞通過加密貨幣資助恐怖主義而被捕。

據法國Le Figaro報道，Franco-Algerian Sami Allem和Franco-Moroccan Abderrahman Cheikh于上周五在巴黎刑事法院被判“參與恐怖主義犯罪團伙”和“資助恐怖主義”。

據報道，Allem被判處三年徒刑，緩刑一年；Cheikh被判處兩年徒刑，緩刑兩年。其犯罪團伙通過加密貨幣轉移到敘利亞資助恐怖主義的金額估計約為28萬美元。（CoinDesk）[2022/9/20 7:07:02]

區塊鏈網絡

研究：尼日利亞是全球對加密貨幣最感興趣的英語國家:金色財經報道，一項新的研究發現，尼日利亞是對加密貨幣最感興趣的英語國家。根據Coingecko的一項研究的結果，尼日利亞的得分為371，比排名第二的阿拉伯聯合酋長國高出101分，比排名第三的新加坡高出110分。而世界上最大的加密貨幣市場之一的美國以157分排名第十二。根據Coingecko聯合創始人Bobby Ong的說法，位居榜首的國家似乎對逢低買入更感興趣，這凸顯了“他們對加密貨幣的長期前景”。（Bitcoin.com）[2022/8/4 12:02:13]

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：TOREXECUTDDLSatorEXEN價格cut幣價格DDL幣

Gate.io