金色觀察｜PaddleDTX：分布式機器學習解決方案_DAT

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。

貝萊德推出ETF僅被SEC拒絕過1次，其他575支全部獲批:6月17日消息，資管巨頭貝萊德在美國證券交易委員會(SEC)批準其ETF的記錄是575：1。即歷史上SEC已批準了575支貝萊德推出的ETF，僅在2014年10月拒絕過一次，當時貝萊德尋求獲準創建主動管理的ETF，該因ETF不需要每天披露持有量。

此前報道，資管巨頭貝萊德子公司iShares于6月16日向美SEC提交現貨比特幣ETF文件申請，該基金被命名為iShares Bitcoin Trust，其資產主要由代表該信托托管人持有的比特幣組成。文件稱，托管人將通過加密貨幣交易平臺Coinbase進行托管。[2023/6/17 21:44:03]

多方計算網絡

HashKey Capital昨日或以1643美元均價買入價值747萬美元ETH:6月16日消息，據余燼監測，HashKey Capital昨日轉入Binance 747萬枚USDT，今日該地址從Binance提取4547枚ETH，預計買入價格為1643美元。

此外，該地址曾于4月19日在2090美元區間賣出ETH。[2023/6/16 21:41:39]

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。

西太平洋合眾銀行跌幅擴大至28.78%:金色財經報道，西太平洋合眾銀行跌幅擴大至28.78%，再次觸發熔斷。[2023/5/2 14:38:51]

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。

迪士尼CEO：過去一年一直在探索如何利用Web3技術:9月14日消息，在迪士尼兩年一度的 D23 Expo 大會上，該公司首席執行官鮑勃·查佩克稱迪士尼正在繼續探索和制定虛擬世界計劃，而且在過去一年時間里一直在悄悄探索如何利用 Web3 技術。鮑勃·查佩克表示，迪士尼希望使用來自物理世界和數字世界的數據來推動其元宇宙戰略，來自主題公園訪問數據和消費者流媒體習慣數據將使迪士尼元宇宙戰略中最關注的兩大領域。（nftevening）[2022/9/14 13:30:06]

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：TORAOWECUDATTornado.CashAOW幣PecunioORIGYN Foundation

火幣下載