區塊鏈:金色觀察｜聯邦學習是區塊鏈隱私計算的目標嗎？_ETH

區塊鏈行業里有一個很垂直的賽道，技術攻堅很艱澀，這就是對數據進行隱私處理的隱私計算。

為什么呢？

一是因為對數據處理的產品復雜度，二是技術上還有很多很多問題存在。用區塊鏈基礎設施來做，太過于簡陋，這個舉例好像，一個人住進一個沒裝窗戶卻有一個窗口的屋子，只能先掛個簾子擋一下。沒有裝窗戶的原因是因為，這個地區沒有生產窗框、玻璃的企業，也沒有會安裝的師傅，只能先用紙糊上或者掛一個簾子，更厲害的，直接把窗戶封上。

區塊鏈隱私計算現在就是這種情況。

為了實現web3，未來隱私計算一定會解決數據隱私問題，而這種需求面臨的目標是什么？也許是聯邦學習。雖然這是一個人工智能領域的基礎技術，但它定義了一種數據不離開所有者的數據處理方向。

金色午報｜12月10日午間重要動態一覽:7:00-12:00關鍵詞：百度、馬斯克、比爾蓋茨、美國參議院

1.百度將發布元宇宙產品“希壤”；

2.WisdomTree修訂比特幣ETF申請，指定美國銀行為托管人；

3.美民主黨參議員要求SEC及司法部調查Meta；

4.馬斯克賣出特斯拉股票已占其承諾出售的64.71%；

5.慢霧：警惕高危Apache Log4j2遠程代碼執行漏洞；

6.比爾蓋茨：未來兩三年內大多數虛擬會議將轉向元宇宙；

7.調查：比特幣投資者的人口統計數據從前幾年明顯轉向了老一代；

8.美國參議院已有足夠票數通過提高債務上限的快速通道計劃。[2021/12/10 7:30:13]

我們為什么要做數據隱私，也是因為平臺等中心化的角色會利用數據做一些分析利用，中心化角色也是利用數據進行深度學習，以汲取數據中的價值。

金色晚報 | 9月4日晚間重要動態一覽:12:00-21:00關鍵詞：加納中央銀行、瑞士、Solana、OpenSea

1.加納中央銀行啟動電子貨幣“電子賽迪”；

2.瑞士聯邦駐華大使館公使：將加大數字貨幣、銀行財務管理等合作；

3.報告：加密貨幣在印度創造1萬多個工作崗位；

4.數據：Solana鎖倉量突破40億美元，創歷史新高；

5.OpenSea添加Ethernity（ERN）作為支付方式；

6.數據：9月3日為ETH首個通縮日，銷毀量比區塊獎勵多352枚ETH；

7.報告：Block.one旗下加密貨幣交易所Bullish涉嫌內幕操縱。[2021/9/4 23:00:37]

可見，聯邦學習或許是一種目標選擇。

金色晨訊 | 格萊德基金會收到孫宇晨捐款 巴菲特午餐推遲舉行 紐約金融服務部成立新部門監管加密貨幣業務:1.格萊德基金會：已收到孫宇晨和其公司的全部4567888美元捐款，所有各方均同意重新安排時間。

2.Bakkt已開啟比特幣每日和每月期貨合約全球用戶測試。

3.紐約金融服務部成立研究與創新部門，負責監管加密貨幣業務。

4.Facebook和Instagram上出現12個假冒Libra網站。

5.基于EOS發行的USDT已經開始測試，Bitfinex旗下的eosfinex將于7月25日上線。

6.平安集團聯席CEO：已在大灣區、香港、東南亞推出了區塊鏈中小企業平臺。

7.德國監管機構批準2.8億美元的以太坊代幣化債券銷售。[2019/7/24]

先看定義：

金色晨訊 | GateHub被黑 被盜資金轉移到多個交易所:1.郭臺銘競選辦公室：“郭臺銘投資比特幣交易平臺”是假新聞。

2.Kik CEO：美國SEC正在“繼續分裂并控制整個行業”。

3.LTC哈希率創下歷史新高 達379.87 TH/s。

4.李笑來：關于陳偉星誹謗案他已經換了四撥律師。

5.陳偉星：沒有更換四波律師 ，李笑來律師一律否認其集資事實。

6.陳偉星：區別看待孫宇晨和李笑來的邏輯，是因區塊鏈行業需要能分辨行為。

7.臺灣金融監理沙盒審議七件新申請案，包括試驗在手機跨行支付中采用區塊鏈技術。

8.柬埔寨國家銀行聯合相關部門監控和打擊發行和行銷“加密貨幣”。

9.預警：GateHub被黑，官方已禁用客戶訪問令牌，被盜資金轉移到多個交易所。[2019/6/9]

聯邦學習在2016年由谷歌最先提出，原本用于解決安卓手機終端用戶在本地更新模型的問題，其設計目標是在保障大數據交換時的信息安全、保護終端數據和個人數據隱私、保證合法合規的前提下，在多參與方或多計算結點之間開展高效率的機器學習。

再看框架：

兩個數據擁有方的場景是聯邦學習的標準統構架。該構架可擴展至包含多個數據擁有方的場景。假設企業A和B想聯合訓練一個機器學習模型，它們的業務系統分別擁有各自用戶的相關數據。此外，企業B還擁有模型需要預測的標簽數據。出于數據隱私保護和安全考慮，A和B無法直接進行數據交換，可使用聯邦學習系統建立模型。

第一步：加密樣本對齊。系統利用基于加密的用戶樣本對齊技術，在A和B不公開各自數據的前提下確認雙方的共有用戶，并且不暴露不互相重疊的用戶，以便聯合這些用戶的特征進行建模。

第二步：加密模型訓練。在確定共有用戶群體后，就可以利用這些數據訓練機器學習模型。為了保證訓練過程中數據的保密性，需要借助第三方協作者C進行加密訓練。過程中協作者C把公鑰分發給A和B，用以對訓練過程中需要交換的數據進行加密。A和B分別基于加密的梯度值進行計算，最后把結果匯總給C。C將結果解密，分別回傳給A和B。

第三步：激勵。聯邦學習解決了不同機構加入聯邦共同建模的問題，建立模型以后模型的效果會在實際應用中表現出來，可以記錄在區塊鏈上。提供數據多的機構所獲得的模型效果會更好，模型效果取決于數據提供方對自己和他人的貢獻。

這個過程里，

數據隔離，不會泄露到外部其他人，滿足用戶隱私保護和數據安全的需求；訓練有效；參與者地位對等，公平合作。

這個時候看，區塊鏈可以在數據所有權、聯邦貢獻度等部分起到決定性的作用。所以是不是一個非常完美的適合用區塊鏈來做的模型。

但目前的隱私計算區塊鏈還不能完全做到這些，主要問題在于：

1.對數據操作的顆粒度還不能完全去中心化到個人。

2.算力不夠、存儲不夠。

3.只用智能合約無法執行龐大的復雜的過程。

4.缺少PaaS以及BaaS這樣的中間層服務。

5.鏈上應用的隱私需求少。

在這些問題的影響下，確實沒辦法實現，也許有人會認為，比如鏈上混幣，或者查不到交易詳情的隱私幣是不是就可以算是另一個方向的隱私了。

對，這是另一個方向的隱私需求，這個需求已經可以實現，只是聯邦學習的路會更長遠一些。

在聯邦學習之前，為了防止交易數據明文、合約代碼明文會帶來更多的安全問題，具備隱私保護能力的鏈上環境，可以用黑箱的方式保護交易、保護合約，保護資產。這里面有tee、mpc、zksnark等方式。

這些對于一個復雜的數據訓練網絡來說，都是簡陋的結構了。

以太坊是世界計算機，在以太坊出現之前，互聯網先是活在機房里，現在機房構成的龐大算力組合成云，互聯網活在云上，云是一個組合的沒有硬件限制的世界計算機，只是沒有去中心化結構。

在云服務中我們可以看到涉及隱私計算的相關服務已經上線很久，比如AWS的數據湖和數據倉，比如阿里云的datatrust以及騰訊在可信平臺上的服務，都是向這個方向看齊。

最后，讓我們看看在云服務的架構下形成的可信數據處理架構：

當云服務部分，被聯盟鏈云服務中的區塊鏈所取代或者被去中心化云服務平臺取代時，web3就要成功了。

Tags：區塊鏈加密貨幣比特幣ETH區塊鏈的五大應用領域加密貨幣行情英為行情特比特幣是干什么toncoin幣和eth誰有潛力

ICP