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。
金色午报 | 3月15日午间重要动态一览:7:00-12:00关键词：特朗普、ETC减产、孔雀码、Coinbase
1. 特朗普新冠病测试结果呈阴性。
2. 中国银行前副行长：比特币不可能成为“数字黄金”。
3. 云南省区块链中心挂牌成立，区块链溯源商品码“孔雀码”正式发布。
4. 联通研究院完成“区块链企业复工复产备案平台”部署，推动复工。
5. ETC预计于2天后迎来减产。
6. 格鲁吉亚将学历证书纳入Cardano支持的区块链。
7. 荷兰红十字会接受比特币捐款以抗击新冠病。
8. Coinbase交易所12日交易量超过15亿美元，创下该交易所2020年历史新高。[2020/3/15]
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（安全多方计算）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。
金色午报 | 1月2日午间重要动态一览:7:00-12:00关键词：河南省委、中国银行、人民网、阿里达摩院
1. 河南省委：做大做强区块链等信息技术产业，为数字时代河南高质量发展打造新优势。
2. 中国银行报告：区块链在金融领域前景广阔，数字货币是核心应用之一。
3. 人民网：严打风暴下的数字货币交易所。
4. 新年首日比特币链上转账金额骤降，交易手续费位于近360日最低点。
5. 阿里达摩院公布2020十大科技趋势 区块链入选。
6. 以色列发布新草案 加密货币进入“危险信号”列表。[2020/1/2]
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。
金色财经现场报道 香港大学肖耿 香港的优势与区块链共通 香港应该投资未来 为数字金融创造大环境:金色财经现场报道，今日粤港澳大湾区新金融论坛上，“全球创新人才竞争格局分析”正在进行， 香港大学金融与公共政策教授级香港国际金融学会会长肖耿教授认为，香港的优势跟区块链有相似的特点：交易成本最低。香港应该充分发挥在法制的特点，便捷的政府服务，与全球无缝衔接等优势，探索未来数字金融下的产权认定，纠纷解决，和监管途径，肖教授呼吁政府投资香港数字金融的未来，锁定国际金融的位置，在粤港澳大湾区的背景下，服务一带一路离岸融资。[2018/4/7]
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。
金色财经讯:近日，R3区块链联盟联合22家银行，公布基于Corda的跨境支付平台。[2017/11/1]
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。
PaddleDTX 的开源版本支持垂直联邦学习（VFL）算法，包括两方线性回归、两方逻辑回归和三方 DNN（深度神经网络）。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（水平联邦学习）算法。
训练和预测步骤如下所示：
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（XuperDB）中。在执行任务之前，执行者（通常是数据所有者）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（Private Set Intersection）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。
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。