PaddleDTX是一个基于分布式存储的分布式机器学习技术解决方案。可以解决海量私有数据需要的安全存储和交换难题，可恶意帮助各方突破数据孤岛，实现数据价值最大化。
PaddleDTX的计算层是一个由三种节点组成的网络：Requester、Executor和DataOwner。训练样本和预测数据集存储在由DataOwner和Storage节点组成的去中心化存储网络中。这种去中心化的存储网络和计算层由底层区块链网络支持。
金色晚报 | 8月2日晚间重要动态一览:12:00-21:00关键词：短时暴跌、USDT市值、Bakkt、FBI
1.Tether官方：USDT市值突破110亿美元。
2.报告：97%的对冲基金交易了比特币。
3.全球新冠肺炎确诊病例超1800万例。
4.本周Bakkt比特币月度期货交易额较上周增加204%。
5.FBI披露推特黑客事件侦破细节 Coinbase注册信息暴露黑客身份。
6.V神：以太坊存在的问题在于历史信息的供应商是去中心化的。
7.BTC和ETH短时暴跌 超过10亿美元的头寸被清算。
8.犇睿资本创始人褚康：正确的投资逻辑才能取得更好的投资回报。
9.比特币大幅下跌，日内最高报12106.54美元，最低报10508美元。[2020/8/2]
多方计算网络
金色晚报 | 1月20日晚间重要动态一览:12:00-21:00关键词：司法区块链、北京、利得税、娄底市、腾讯
1. 全国高级法院院长会议：将建设人民法院司法区块链统一平台。
2. 北京市将运用区块链等新技术建立医保基金监督管理平台。
3. 韩国政府或将加密货币交易收益征收 20％ 利得税。
4. 北京53个市级部门数据上线“目录区块链”。
5. 娄底市国家级区块链研究和应用示范推进领导小组办公室副主任谢纬：在发展区块链上 娄底实行精准又具针对性的扶持政策。
6. 中国区块链专利腾讯最多 区块链电子发票已经走出深圳。
7. 隐私基础设施NuCypher明日将开启激励测试网。
8. 全球前100银行中有38家使用或投资Ripple汇款技术。
9. 韩国加密货币公司Mecon Cash的M.Pay平台现支持BCH。[2020/1/20]
Requester是有预测需求的一方，Executor是DataOwner授权获得样本数据访问许可的一方，用于可能的模型训练和结果预测。多个Executor节点组成一个SMPC网络。Requester节点将任务发布到区块链网络，Executor节点授权后执行任务。Executor节点通过DataOwner获取样本数据，后者为数据的信任背书。
行情 | 晚间数字货币行情播报:根据Huobi交易平台数据显示，BTC最新成交价格 11760.02 美元，最高价达 11966 美元，最低价格 11681.05 美元，成交量 1.73 万，涨幅 0.54 %；ETH最新成交价格 211.13 美元，最高价达 219.58 美元，最低价格 208.06 美元，成交量 26.52 万，跌幅 4.95 %；EOS最新成交价格 3.9126 美元，最高价达 4.169 美元，最低价格 3.7934 美元，成交量 998.68 万，跌幅 5.36 %。[2019/8/9]
SMPC网络是支持并行运行的多个分布式学习过程的框架。未来将支持垂直联邦学习和水平联邦学习算法。
去中心化存储网络
一个DataOwner节点处理自己的私有数据，在这个过程中使用了加密、分段和复制相关的算法，最后将加密的分片分发到多个Storage节点。Storage节点通过回答DataOwner产生的挑战来证明它诚实地持有数据片段。通过这些机制，可以在不侵犯任何数据隐私的情况下安全地维护存储资源。
区块链网络
训练任务和预测任务将通过区块链网络广播到Executor节点。然后所涉及的Executor节点将执行这些任务。DataOwner节点和Storage节点在监控文件和节点健康状态时，以及副本持有证明的challenge-answer-verify过程中，通过区块链网络交换信息。
目前，XuperChain是PaddleDTX支持的唯一区块链框架。
垂直联邦学习
PaddleDTX的开源版本支持垂直联邦学习算法，包括两方线性回归、两方逻辑回归和三方DNN。DNN的实现依赖于PaddleFL框架，PaddleFL提供的所有神经网络模型都可以在PaddleDTX中使用。未来更多算法会开源，包括多方VFL和多方HFL算法。
训练和预测步骤如下所示：
运作原理
样品准备
FL任务需要指定将用于计算或预测的示例文件，这些文件存储在去中心化存储系统中。在执行任务之前，执行者需要从XuperDB中获取自己的示例文件。
样品对齐
VFL训练和预测任务都需要样本对齐过程。即使用所有参与者的ID列表查找样本交叉点。训练和预测是在相交的样本上进行的。该项目实施了PSI来进行样本对齐，而不会泄露任何参与者的ID。
训练过程
模型训练是一个迭代过程，它依赖于两个奇偶校验样本的协同计算。参与者需要在许多训练时期交换中间参数，以便为每一方获得适当的局部模型。
为确保每个参与者数据的机密性，Paillier密码系统用于参数加密和解密。Paillier是一种加法同态算法，它使我们能够直接对密文进行加法或标量乘法。
预测过程
预测任务需要模型，因此需要在预测任务开始前完成相关的训练任务。模型单独存储在参与者的本地存储中。参与者使用自己的模型计算局部预测结果，然后收集所有部分预测结果以推导出最终结果。
对于线性回归，可以在收集所有部分结果后执行去标准化过程。这个过程只有有标签的一方才能完成。所以所有的部分结果都会被发送给有标签的一方，它会推导出最终结果并将其作为文件存储在XuperDB中供请求者使用。
来源：金色财经
郑重声明： 本文版权归原作者所有， 转载文章仅为传播更多信息之目的， 如作者信息标记有误， 请第一时间联系我们修改或删除， 多谢。