案例应用-线性回归算法测试 案例简介 测试脚本说明 上传样本文件 训练任务 预测任务 模型评估 案例应用-逻辑回归算法测试 案例简介 测试脚本说明 上传样本文件 训练任务 预测任务 模型评估 系统详解 部署架构 计算需求方(Requester) 任务执行节点(Executor Node) 数据持有节点(DataOwner Node) 存储节点(Storage Node) 区块链节点(Blockchain PaddleDTX，是一个基于去中心化存储的专注于分布式机器学习技术的解决方 案，攻克海量隐私数据的安全存储问题，并且实现多方数据的安全交换，助其 突破数据孤岛，共同建模，联合发挥数据的最大价值。 主要特征 PaddleDTX的主要特征如下： 支持多个学习过程并行运行的多方安全计算框架，集成多种横向联邦学习 和纵向联邦学习算法 安全存储高敏感数据，防止隐私泄漏，支持故障容错，抵御存储作弊 去中心化管理存储节点，支持无上限数据纳管 去中心化管理存储节点，支持无上限数据纳管 保证多方数据联合建模的全链路可信 架构概览 PaddleDTX由多方安全计算网络、去中心化存储网络、区块链网络构建而成。 1.1 多方安全计算网络 有预测需求的一方为计算需求节点。可获取样本数据进行模型训练和预测的一 方为任务执行节点，多个任务执行节点组成一个SMPC（多方安全计算）网 络。计算需求节点将任务发布到区块链网络，任务执行节点确认后执行任务。 数据持有节点对任务执行节点的计算数据做信任背书。

案例应用-线性回归算法测试 案例简介 测试脚本说明 上传样本文件 训练任务 预测任务 模型评估 案例应用-逻辑回归算法测试 案例简介 测试脚本说明 上传样本文件 训练任务 预测任务 模型评估 系统详解 部署架构 计算需求方(Requester) 任务执行节点(Executor Node) 数据持有节点(DataOwner Node) 存储节点(Storage Node) 区块链节点(Blockchain PaddleDTX，是一个基于去中心化存储的专注于分布式机器学习技术的解决方 案，攻克海量隐私数据的安全存储问题，并且实现多方数据的安全交换，助其 突破数据孤岛，共同建模，联合发挥数据的最大价值。 主要特征 PaddleDTX的主要特征如下： 支持多个学习过程并行运行的多方安全计算框架，集成多种横向联邦学习 和纵向联邦学习算法 安全存储高敏感数据，防止隐私泄漏，支持故障容错，抵御存储作弊 去中心化管理存储节点，支持无上限数据纳管 去中心化管理存储节点，支持无上限数据纳管 保证多方数据联合建模的全链路可信 架构概览 PaddleDTX由多方安全计算网络、去中心化存储网络、区块链网络构建而成。 1.1 多方安全计算网络 有预测需求的一方为计算需求节点。可获取样本数据进行模型训练和预测的一 方为任务执行节点，多个任务执行节点组成一个SMPC（多方安全计算）网 络。计算需求节点将任务发布到区块链网络，任务执行节点确认后执行任务。 数据持有节点对任务执行节点的计算数据做信任背书。

开发 发 发部 部 部署 署 署工 工 工具 具 具(build_chain.sh) 449 11 命 命 命令 令 令行 行 行交 交 交互 互 互控 控 控制 制 制台 台 台 459 12 WeBASE管 管 管理 理 理平 平 平台 台 台 549 13 区 区 区块 块 块链 链 链浏 浏 浏览 览 览器 器 器 553 14 运 运 运维 维 维部 部 部署 署 署工 工 工具 务、物联网、金融、智慧社区等领域。 注 注 注解 解 解: FISCO BCOS以联盟链的实际需求为出发点，兼顾性能、安全、可运维性、易用性、可扩展性， 支持多种SDK，并提供了可视化的中间件工具，大幅缩短建链、开发、部署应用的时间。此外，FISCO BCOS通过信通院可信区块链评测功能、性能两项评测，单链TPS可达两万。 1.1 关 关 关键 键 键特 特 特性 性 性 1.2 架 架 架构 构 关系，企业可选择不同群组，形成多个不同账本的数据共享和共识，从而快速丰富业务场景、扩大业务 规模，且大幅简化链的部署和运维成本。 两翼指的是支持并行计算模型和分布式存储，二者为群组架构带来更好的扩展性。前者改变了区块中按 交易顺序串行执行的做法，基于DAG（有向无环图）并行执行交易，大幅提升性能；后者支持企业（节 点）将数据存储在远端分布式系统中，克服了本地化数据存储的诸多限制。 多引擎是一系列功能特性的总括，比如预编译合约能够突

SDK 问题排查 使用工具 开发部署工具：区块链网络快速部署工具 开发部署工具是提供给开发者快速搭建FISCO BCOS区块链网络的脚本工 具。 命令行交互控制台：节点查询与管理工具 命令行交互控制台是提供给开发者使用的节点查询与管理的工具。控制台 拥有丰富的命令，包括查询区块链状态、管理区块链节点、部署并调用合 约等。此外，控制台提供一个合约编译工具，用户可以方便快捷的将 便快捷的将 Solidity合约文件编译为Java合约文件。 WeBASE：图形化的区块链管理工具 WeBASE(WeBank Blockchain Application Software Extension) 是一套管理 FISCO-BCOS联盟链的工具集。WeBASE提供了图形化的管理界面，屏蔽了 区块链底层的复杂度，降低区块链使用的门槛，大幅提高区块链应用的开 发效率，包含节点前置、节 区块链浏览器：区块链数据浏览工具 区块链浏览器将区块链中的数据可视化，并进行实时展示。方便用户以 Web页面的方式，浏览当前区块链中的信息。本浏览器版本适配FISCO BCOS 2.0+，关于2.0+版本的特性可以参考此链接。在使用本浏览器之前需 要先理解2.0+版本的群组特性，详情可以参考此链接。 运维部署工具：企业级用户的区块链管理工具 运维部署工具是为企业用户提供的部署、管理和监控多机构多群组联盟链 的便捷工具

案例应用-线性回归算法测试 27 8 案例应用-逻辑回归算法测试 33 9 部署架构 37 10 Distributed AI 39 11 XuperDB 41 12 Crypto 45 13 我们的团队 49 14 参与开发 & 测试 51 15 参考文献 53 i ii CHAPTER1 系统介绍 PaddleDTX，是一个基于去中心化存储的专注于分布式机器学习技术的解决方案，攻克海量隐私数据的安全 支持多个学习过程并行运行的多方安全计算框架，集成多种横向联邦学习和纵向联邦学习算法 • 安全存储高敏感数据，防止隐私泄漏，支持故障容错，抵御存储作弊 • 去中心化管理存储节点，支持无上限数据纳管 • 保证多方数据联合建模的全链路可信 1.2 架构概览 PaddleDTX 由多方安全计算网络、去中心化存储网络、区块链网络构建而成。 1 PaddleDTX Documentation 1.2.1 1.1 多方安全计算网络 联邦学习算法。 1.2.2 1.2 去中心化存储网络 数据持有节点将自己的隐私数据进行加密、切分、副本复制后分发到存储节点，存储节点通过应答数据持有 节点的挑战证明自己持有数据分片。通过这些机制，实现了在不泄漏隐私的前提下充分且安全地利用存储资 源。 训练样本和预测数据集往往是归属于不同机构的隐私数据。这些机构可以作为数据持有节点加入到去中心化 存储网络中，通过多方安全计算网络发挥数据的最大价值。

开发 发 发部 部 部署 署 署工 工 工具 具 具(build_chain.sh) 535 16 命 命 命令 令 令行 行 行交 交 交互 互 互控 控 控制 制 制台 台 台 545 17 WeBASE管 管 管理 理 理平 平 平台 台 台 635 18 区 区 区块 块 块链 链 链浏 浏 浏览 览 览器 器 器 639 19 运 运 运维 维 维部 部 部署 署 署工 工 工具 务、物联网、金融、智慧社区等领域。 注 注 注解 解 解: FISCO BCOS以联盟链的实际需求为出发点，兼顾性能、安全、可运维性、易用性、可扩展性， 支持多种SDK，并提供了可视化的中间件工具，大幅缩短建链、开发、部署应用的时间。此外，FISCO BCOS通过信通院可信区块链评测功能、性能两项评测，单链TPS可达两万。 1.1 关 关 关键 键 键特 特 特性 性 性 1.2 架 架 架构 构 关系，企业可选择不同群组，形成多个不同账本的数据共享和共识，从而快速丰富业务场景、扩大业务 规模，且大幅简化链的部署和运维成本。 两翼指的是支持并行计算模型和分布式存储，二者为群组架构带来更好的扩展性。前者改变了区块中按 交易顺序串行执行的做法，基于DAG（有向无环图）并行执行交易，大幅提升性能；后者支持企业（节 点）将数据存储在远端分布式系统中，克服了本地化数据存储的诸多限制。 多引擎是一系列功能特性的总括，比如预编译合约能够突

259 12 区块链功能接口列表 493 13 使用链上信使 533 14 开发期问题排查 537 15 开发部署工具(build_chain.sh) 559 16 命令行交互控制台 571 17 WeBASE管理平台 665 18 区块链浏览器 669 19 运维部署工具 693 20 数据治理通用组件 745 21 多方协作治理组件 751 22 区块链应用开发组件 759 BCOS开源社区在技术创新、应用产业以及开源生态均取得了非凡成绩。 FISCO BCOS持续攻关核心关键技术，单链性能突破10万TPS。首创DMC算法大幅度提升性能、推出三 种架构形态灵活适配业务需求；全链路国产化，采用国密算法与软硬件体系，支持国产OS，适配国产芯 片和服务器，支持多语言多终端国密接入。拥有覆盖底层+中间件+应用组件的丰富周边组件。 底层平台可用性已经广泛应用实践检验，支撑政务、金融、医疗、双碳、跨境数据流通等关乎国计民生 培育区块链产业人才超8万人次，已发展成为最大最活跃的国产开源联盟链生态圈之一。 注解: FISCO BCOS以联盟链的实际需求为出发点，兼顾性能、安全、可运维性、易用性、可扩展性， 支持多种SDK，并提供了可视化的中间件工具，大幅缩短建链、开发、部署应用的时间。此外，FISCO BCOS通过信通院可信区块链评测功能、性能两项评测，单链TPS可达两万。 1.1 关键特性 1.2 架构 FISCO BCOS 在2.0中，创新

259 12 区块链功能接口列表 493 13 使用链上信使 533 14 开发期问题排查 537 15 开发部署工具(build_chain.sh) 559 16 命令行交互控制台 571 17 WeBASE管理平台 665 18 区块链浏览器 669 19 运维部署工具 693 20 数据治理通用组件 745 21 多方协作治理组件 751 22 区块链应用开发组件 759 BCOS开源社区在技术创新、应用产业以及开源生态均取得了非凡成绩。 FISCO BCOS持续攻关核心关键技术，单链性能突破10万TPS。首创DMC算法大幅度提升性能、推出三 种架构形态灵活适配业务需求；全链路国产化，采用国密算法与软硬件体系，支持国产OS，适配国产芯 片和服务器，支持多语言多终端国密接入。拥有覆盖底层+中间件+应用组件的丰富周边组件。 底层平台可用性已经广泛应用实践检验，支撑政务、金融、医疗、双碳、跨境数据流通等关乎国计民生 培育区块链产业人才超8万人次，已发展成为最大最活跃的国产开源联盟链生态圈之一。 注解: FISCO BCOS以联盟链的实际需求为出发点，兼顾性能、安全、可运维性、易用性、可扩展性， 支持多种SDK，并提供了可视化的中间件工具，大幅缩短建链、开发、部署应用的时间。此外，FISCO BCOS通过信通院可信区块链评测功能、性能两项评测，单链TPS可达两万。 1.1 关键特性 1.2 架构 FISCO BCOS 在2.0中，创新

259 12 区块链功能接口列表 493 13 使用链上信使 533 14 开发期问题排查 537 15 开发部署工具(build_chain.sh) 559 16 命令行交互控制台 571 17 WeBASE管理平台 665 18 区块链浏览器 669 19 运维部署工具 693 20 数据治理通用组件 745 21 多方协作治理组件 751 22 区块链应用开发组件 759 BCOS开源社区在技术创新、应用产业以及开源生态均取得了非凡成绩。 FISCO BCOS持续攻关核心关键技术，单链性能突破10万TPS。首创DMC算法大幅度提升性能、推出三 种架构形态灵活适配业务需求；全链路国产化，采用国密算法与软硬件体系，支持国产OS，适配国产芯 片和服务器，支持多语言多终端国密接入。拥有覆盖底层+中间件+应用组件的丰富周边组件。 底层平台可用性已经广泛应用实践检验，支撑政务、金融、医疗、双碳、跨境数据流通等关乎国计民生 培育区块链产业人才超8万人次，已发展成为最大最活跃的国产开源联盟链生态圈之一。 注解: FISCO BCOS以联盟链的实际需求为出发点，兼顾性能、安全、可运维性、易用性、可扩展性， 支持多种SDK，并提供了可视化的中间件工具，大幅缩短建链、开发、部署应用的时间。此外，FISCO BCOS通过信通院可信区块链评测功能、性能两项评测，单链TPS可达两万。 1.1 关键特性 1.2 架构 FISCO BCOS 在2.0中，创新

案例应用-线性回归算法测试 29 8 案例应用-逻辑回归算法测试 35 9 部署架构 39 10 Distributed AI 41 11 XuperDB 49 12 Crypto 53 13 我们的团队 57 14 参与开发 & 测试 59 15 参考文献 61 i ii CHAPTER1 系统介绍 PaddleDTX，是一个基于去中心化存储的专注于分布式机器学习技术的解决方案，攻克海量隐私数据的安全 支持多个学习过程并行运行的多方安全计算框架，集成多种横向联邦学习和纵向联邦学习算法 • 安全存储高敏感数据，防止隐私泄漏，支持故障容错，抵御存储作弊 • 去中心化管理存储节点，支持无上限数据纳管 • 保证多方数据联合建模的全链路可信 1.2 架构概览 PaddleDTX 由多方安全计算网络、去中心化存储网络、区块链网络构建而成。 1 PaddleDTX Documentation 1.2.1 1.1 多方安全计算网络 联邦学习算法。 1.2.2 1.2 去中心化存储网络 数据持有节点将自己的隐私数据进行加密、切分、副本复制后分发到存储节点，存储节点通过应答数据持有 节点的挑战证明自己持有数据分片。通过这些机制，实现了在不泄漏隐私的前提下充分且安全地利用存储资 源。 训练样本和预测数据集往往是归属于不同机构的隐私数据。这些机构可以作为数据持有节点加入到去中心化 存储网络中，通过多方安全计算网络发挥数据的最大价值。