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。
以太坊基金会钱包将1.5万枚ETH转入“Kraken 5”地址:金色财经报道，Etherscan数据显示，北京时间5月6日8:58，以太坊基金会钱包地址（0xde0B2）由“0xd864”地址向链上标记为“ Kraken 5”的地址转入15,000枚ETH（约3000万美元）。目前这个Ethereum基金会地址还持有320,272.41枚ETH。[2023/5/6 14:46:28]
多方计算网络
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。
Bybit正在香港建立其亚洲核心业务，并计划申请当地牌照:4月3日消息，总部位于迪拜的加密交易所Bybit表示，该公司正努力在香港建立其亚洲核心业务，并计划将部分研发和营销团队设在香港。该交易所成立于2018年，计划将根据6月生效的拟议规则在香港申请牌照。
此前消息，香港特区政府财经事务及库务局(FSTB)局长许正宇表示，截至2023年2月底，投资推广署已收到超过80家与虚拟资产相关的内地和外国公司表示有意在香港设立业务。[2023/4/3 13:41:33]
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。
MakerDAO与GnosisDAO联手组建DAO-to-DAO 战略联盟:12月15日消息，MakerDAO和GnosisDAO宣布联手组建DAO-to-DAO 战略联盟。为了加强彼此生态，已达成的举措包括MakerDAO将GNO列入Maker协议中的质押资产，GnosisDAO承诺从其持有的GNO生成DAI，并使用DAI推动Gnosis Chain生态发展等。[2022/12/15 21:46:25]
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。
数据：aUSD再度脱锚至0.7763美元左右:8月23日消息，CoinMarketCap数据显示，aUSD再度脱锚至0.7763美元左右，24小时跌幅4.65%。
此前消息，因iBTC/aUSD流动性池配置错误，导致aUSD异常增发30.22亿枚，随后通过社区公投销毁了29.7亿枚。受此事件影响，aUSD价格一度脱锚至0.57美元，但在官方措施实施后几乎恢复锚定。[2022/8/23 12:42:08]
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。