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。
比特币钱包Casa联创：以太坊用户越来越要求自我监护:金色财经报道，比特币钱包提供商Casa的联合创始人兼首席技术官Jameson Lopp表示，对以太坊自我托管解决方案的需求正在增长。由于寻求服务的以太坊用户数量增加，Casa发现有必要提供以太坊支持。为了应对这个问题，Casa在12月宣布它将增加对以太坊的支持。这个决定 \"对一些人来说是有争议的\"。[2023/5/21 15:16:16]
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。
Valor财报：一季度AUM为1.91亿美元，比上一季度增长80%:金色财经报道，Valor公布2023年第一季度财报，截至2023年3月31日，公司现金余额为440万美元，而2022年12月31日为490万美元，本季度末公司的风险投资组合投资为4390万美元。ETP业务Valor Cayman报告的AUM从2022年12月31日的1.06亿美元增加了80%至1.91亿美元。Valor扩大了在法国的产品供应渠道，这是重要的市场扩张。[2023/5/17 15:09:19]
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。
土耳其竞争管理局对Meta处以1860万美元罚款:10月26日消息，土耳其竞争管理局周三表示，Facebook母公司Meta因违反竞争法被罚款3.47亿里拉（约合1863万美元）。Meta发言人表示，公司不同意调查结果，并将考虑所有应对选项。该部门在一份声明中表示，Meta在个人社交网络服务和在线视频广告方面占据主导地位，并通过其核心业务Facebook、Instagram和WhatsApp收集的数据来阻挠竞争对手。土耳其竞争管理局要求Meta采取行动，并就未来五年将采取的措施编写年度报告。(金十）[2022/10/26 11:45:40]
去中心化存储网络
Coinbase：闪电网络可以将比特币扩展到\"每秒数百万笔即时交易\":金色财经消息，BitcoinMagazine发推称，Coinbase表示，闪电网络可以将比特币扩展到 \"每秒数百万笔即时交易\"[2022/8/16 12:28:10]
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。