PaddleDTX 1.0.0 中文文档
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 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 length) 花瓣宽度 (Petal width) 花萼长度 (Sepal length) 花萼宽度 (Sepal width) 鸢尾花的分类问题是二分类逻辑回归的经典案例。我们利用逻辑回归的算法构 建模型,根据鸢尾花的花萼和花瓣大小来区分鸢尾花的品种。 我们从数据集中随机选取了部分数据作为测试集,其余为训练集,训练集为模 型训练使用的样本数据,测试集用来验证我们的模型。 同时, 我们又将数据集 区块链节点(Blockchain Node) 区块链节点记录PaddleDTX网络中流转的关键信息,包括数据摘要、网络节点 的去中心化治理、计算任务等信息,保证数据的安全可信。 从海量隐私数据存储到多方数据联合建模,PaddleDTX提供了全链路可信方 案。在实际应用中,各方机构根据自身的需求和能力,部署某类服务节点,共 建去中心化可信网络。 Distributed AI Distributed AI 是0 码力 | 53 页 | 1.36 MB | 1 年前3PaddleDTX 1.0.0 中文文档
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。 1.1 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 • 保证多方数据联合建模的全链路可信 1.2 架构概览 PaddleDTX 花瓣宽度 (Petal width) • 花萼长度 (Sepal length) • 花萼宽度 (Sepal width) 鸢尾花的分类问题是二分类逻辑回归的经典案例。我们利用逻辑回归的算法构建模型,根据鸢尾花的花萼和 花瓣大小来区分鸢尾花的品种。 我们从数据集中随机选取了部分数据作为测试集,其余为训练集,训练集为模型训练使用的样本数据,测试 集用来验证我们的模型。同时, 我们又将数据 (Blockchain Node) 区块链节点记录 PaddleDTX 网络中流转的关键信息,包括数据摘要、网络节点的去中心化治理、计算任务等 信息,保证数据的安全可信。 从海量隐私数据存储到多方数据联合建模,PaddleDTX 提供了全链路可信方案。在实际应用中,各方机构根 据自身的需求和能力,部署某类服务节点,共建去中心化可信网络。 38 Chapter 9. 部署架构 CHAPTER10 Distributed0 码力 | 57 页 | 624.94 KB | 1 年前3PaddleDTX 1.1.0 中文文档
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 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 length) 花瓣宽度 (Petal width) 花萼长度 (Sepal length) 花萼宽度 (Sepal width) 鸢尾花的分类问题是二分类逻辑回归的经典案例。我们利用逻辑回归的算法构 建模型,根据鸢尾花的花萼和花瓣大小来区分鸢尾花的品种。 我们从数据集中随机选取了部分数据作为测试集,其余为训练集,训练集为模 型训练使用的样本数据,测试集用来验证我们的模型。 同时, 我们又将数据集 区块链节点(Blockchain Node) 区块链节点记录PaddleDTX网络中流转的关键信息,包括数据摘要、网络节点 的去中心化治理、计算任务等信息,保证数据的安全可信。 从海量隐私数据存储到多方数据联合建模,PaddleDTX提供了全链路可信方 案。在实际应用中,各方机构根据自身的需求和能力,部署某类服务节点,共 建去中心化可信网络。 Distributed AI Distributed AI 是0 码力 | 57 页 | 1.38 MB | 1 年前3PaddleDTX 1.1.0 中文文档
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。 1.1 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 • 保证多方数据联合建模的全链路可信 1.2 架构概览 PaddleDTX 花瓣宽度 (Petal width) • 花萼长度 (Sepal length) • 花萼宽度 (Sepal width) 鸢尾花的分类问题是二分类逻辑回归的经典案例。我们利用逻辑回归的算法构建模型,根据鸢尾花的花萼和 花瓣大小来区分鸢尾花的品种。 我们从数据集中随机选取了部分数据作为测试集,其余为训练集,训练集为模型训练使用的样本数据,测试 集用来验证我们的模型。同时, 我们又将数据 (Blockchain Node) 区块链节点记录 PaddleDTX 网络中流转的关键信息,包括数据摘要、网络节点的去中心化治理、计算任务等 信息,保证数据的安全可信。 从海量隐私数据存储到多方数据联合建模,PaddleDTX 提供了全链路可信方案。在实际应用中,各方机构根 据自身的需求和能力,部署某类服务节点,共建去中心化可信网络。 40 Chapter 9. 部署架构 CHAPTER10 Distributed0 码力 | 65 页 | 687.09 KB | 1 年前3FISCO BCOS 2.9.0 中文文档
FISCO BCOS Documentation, 发布 v2.9.0 2、合约里写什么逻辑? 应该是写多方共同参与、协作记账、必须全局共识的关键逻辑,而不是牵涉密集计算的逻辑。 比如,进 行复杂查询或建模分析,可以把链上的数据导出来放在链下去做,而不是写在合约里。要清楚,你写的 每一行代码,再不是只在自己的服务上跑一次了,而是会在链上所有参与者的节点上跑起来,多写一行 代码就会多消耗大家的一点CPU。 机构可以安装节点接入业务链,或用数据同步 的方式获得区块链上的数据,得到完整无错漏的数据集合。 然后,将这些数据纳入大数据挖掘分析,可以实现端到端的、跨机构和交易全流程的监管审计。同时, 进行风控建模,预判业务风险,以便识别和裁决恶意行为。 联盟链通过权限配置和业务智能合约的设计,可以实现细粒度的控制功能,如将合约的发布权限收拢到 委员会或监管方。合约在运行时置入监管规则检查,发现违规交易立刻终止或回滚,针对用户和节点制 最新的所有区块、所有交易流水和回 执、所有交易产生的事件、状态数据等,通通写入链外的关系型数据库(如MySQL)或大数据平台,构 建链上数据的“镜像”,然后可以采用这些引擎强大的索引模型、关联分析、建模训练、并行任务能力, 灵活全面地对数据进行查询分析。 区块链浏览器、运营管理平台、监控平台、监管审计等系统,都会采 用这种策略,链上出块,链下及时ETL入库,进行本地化地分析处理后,如需要和链上进行交互,再通0 码力 | 1489 页 | 107.09 MB | 1 年前3FISCO BCOS 2.7.2 中文文档
的关 关 关键 键 键逻 逻 逻辑 辑 辑, , ,而 而 而不 不 不是 是 是牵 牵 牵涉 涉 涉密 密 密集 集 集计 计 计算 算 算的 的 的逻 逻 逻辑 辑 辑。 比 如,进行复杂查询或建模分析,可以把链上的数据导出来放在链下去做,而不是写在合约里。要清楚, 你写的每一行代码,再不是只在自己的服务上跑一次了,而是会在链上所有参与者的节点上跑起来,多 写一行代码就会多消耗大家的一点CPU。 机构可以安装节点接入业务链,或用数据同步 的方式获得区块链上的数据,得到完整无错漏的数据集合。 然后,将这些数据纳入大数据挖掘分析,可以实现端到端的、跨机构和交易全流程的监管审计。同时, 进行风控建模,预判业务风险,以便识别和裁决恶意行为。 联盟链通过权限配置和业务智能合约的设计,可以实现细粒度的控制功能,如将合约的发布权限收拢到 委员会或监管方。合约在运行时置入监管规则检查,发现违规交易立刻终止或回滚,针对用户和节点制 最新的所有区块、所有交易流水和回 执、所有交易产生的事件、状态数据等,通通写入链外的关系型数据库(如MySQL)或大数据平台,构 建链上数据的“镜像”,然后可以采用这些引擎强大的索引模型、关联分析、建模训练、并行任务能力, 灵活全面地对数据进行查询分析。 区块链浏览器、运营管理平台、监控平台、监管审计等系统,都会采 用这种策略,链上出块,链下及时ETL入库,进行本地化地分析处理后,如需要和链上进行交互,再通0 码力 | 1422 页 | 91.91 MB | 1 年前3FISCO BCOS 3.6.0 中文文档
FISCO BCOS Documentation, 发布 v2.9.0 2、合约里写什么逻辑? 应该是写多方共同参与、协作记账、必须全局共识的关键逻辑,而不是牵涉密集计算的逻辑。 比如,进 行复杂查询或建模分析,可以把链上的数据导出来放在链下去做,而不是写在合约里。要清楚,你写的 每一行代码,再不是只在自己的服务上跑一次了,而是会在链上所有参与者的节点上跑起来,多写一行 代码就会多消耗大家的一点CPU。 机构可以安装节点接入业务链,或用数据同步 的方式获得区块链上的数据,得到完整无错漏的数据集合。 然后,将这些数据纳入大数据挖掘分析,可以实现端到端的、跨机构和交易全流程的监管审计。同时, 进行风控建模,预判业务风险,以便识别和裁决恶意行为。 联盟链通过权限配置和业务智能合约的设计,可以实现细粒度的控制功能,如将合约的发布权限收拢到 委员会或监管方。合约在运行时置入监管规则检查,发现违规交易立刻终止或回滚,针对用户和节点制 最新的所有区块、所有交易流水和回 执、所有交易产生的事件、状态数据等,通通写入链外的关系型数据库(如MySQL)或大数据平台,构 建链上数据的“镜像”,然后可以采用这些引擎强大的索引模型、关联分析、建模训练、并行任务能力, 灵活全面地对数据进行查询分析。 区块链浏览器、运营管理平台、监控平台、监管审计等系统,都会采 用这种策略,链上出块,链下及时ETL入库,进行本地化地分析处理后,如需要和链上进行交互,再通0 码力 | 1489 页 | 107.09 MB | 1 年前3FISCO BCOS 2.9.0 中文文档
FISCO BCOS Documentation, 发布 v2.9.0 2、合约里写什么逻辑? 应该是写多方共同参与、协作记账、必须全局共识的关键逻辑,而不是牵涉密集计算的逻辑。 比如,进 行复杂查询或建模分析,可以把链上的数据导出来放在链下去做,而不是写在合约里。要清楚,你写的 每一行代码,再不是只在自己的服务上跑一次了,而是会在链上所有参与者的节点上跑起来,多写一行 代码就会多消耗大家的一点CPU。 机构可以安装节点接入业务链,或用数据同步 的方式获得区块链上的数据,得到完整无错漏的数据集合。 然后,将这些数据纳入大数据挖掘分析,可以实现端到端的、跨机构和交易全流程的监管审计。同时, 进行风控建模,预判业务风险,以便识别和裁决恶意行为。 联盟链通过权限配置和业务智能合约的设计,可以实现细粒度的控制功能,如将合约的发布权限收拢到 委员会或监管方。合约在运行时置入监管规则检查,发现违规交易立刻终止或回滚,针对用户和节点制 最新的所有区块、所有交易流水和回 执、所有交易产生的事件、状态数据等,通通写入链外的关系型数据库(如MySQL)或大数据平台,构 建链上数据的“镜像”,然后可以采用这些引擎强大的索引模型、关联分析、建模训练、并行任务能力, 灵活全面地对数据进行查询分析。 区块链浏览器、运营管理平台、监控平台、监管审计等系统,都会采 用这种策略,链上出块,链下及时ETL入库,进行本地化地分析处理后,如需要和链上进行交互,再通0 码力 | 1489 页 | 107.09 MB | 1 年前3FISCO BCOS 2-dev 中文文档
的关 关 关键 键 键逻 逻 逻辑 辑 辑, , ,而 而 而不 不 不是 是 是牵 牵 牵涉 涉 涉密 密 密集 集 集计 计 计算 算 算的 的 的逻 逻 逻辑 辑 辑。 比 如,进行复杂查询或建模分析,可以把链上的数据导出来放在链下去做,而不是写在合约里。要清楚, 你写的每一行代码,再不是只在自己的服务上跑一次了,而是会在链上所有参与者的节点上跑起来,多 写一行代码就会多消耗大家的一点CPU。 机构可以安装节点接入业务链,或用数据同步 的方式获得区块链上的数据,得到完整无错漏的数据集合。 然后,将这些数据纳入大数据挖掘分析,可以实现端到端的、跨机构和交易全流程的监管审计。同时, 进行风控建模,预判业务风险,以便识别和裁决恶意行为。 联盟链通过权限配置和业务智能合约的设计,可以实现细粒度的控制功能,如将合约的发布权限收拢到 委员会或监管方。合约在运行时置入监管规则检查,发现违规交易立刻终止或回滚,针对用户和节点制 最新的所有区块、所有交易流水和回 执、所有交易产生的事件、状态数据等,通通写入链外的关系型数据库(如MySQL)或大数据平台,构 建链上数据的“镜像”,然后可以采用这些引擎强大的索引模型、关联分析、建模训练、并行任务能力, 灵活全面地对数据进行查询分析。 区块链浏览器、运营管理平台、监控平台、监管审计等系统,都会采 用这种策略,链上出块,链下及时ETL入库,进行本地化地分析处理后,如需要和链上进行交互,再通0 码力 | 1324 页 | 85.58 MB | 1 年前3FISCO BCOS 2.9.0 中文文档
)。 毕竟每一笔放 到“链上”的数据,都会占用所有节点的硬盘。 2、合约里写什么逻辑? 应该是写多方共同参与、协作记账、必须全局共识的关键逻辑,而不是牵涉 密集计算的逻辑。 比如,进行复杂查询或建模分析,可以把链上的数据导出 来放在链下去做,而不是写在合约里。要清楚,你写的每一行代码,再不是 只在自己的服务上跑一次了,而是会在链上所有参与者的节点上跑起来,多 写一行代码就会多消耗大家的一点CPU。 数据难以篡改,可以全程追溯。监管机构可以安装节点接入业务链,或用数 据同步的方式获得区块链上的数据,得到完整无错漏的数据集合。 然后,将这些数据纳入大数据挖掘分析,可以实现端到端的、跨机构和交易 全流程的监管审计。同时,进行风控建模,预判业务风险,以便识别和裁决 恶意行为。 联盟链通过权限配置和业务智能合约的设计,可以实现细粒度的控制功能, 如将合约的发布权限收拢到委员会或监管方。合约在运行时置入监管规则检 查,发现违规交易 新的所有 区块、所有交易流水和回执、所有交易产生的事件、状态数据等,通通写入 链外的关系型数据库(如MySQL)或大数据平台,构建链上数据的“镜像”, 然后可以采用这些引擎强大的索引模型、关联分析、建模训练、并行任务能 力,灵活全面地对数据进行查询分析。 区块链浏览器、运营管理平台、监控 平台、监管审计等系统,都会采用这种策略,链上出块,链下及时ETL入 库,进行本地化地分析处理后,如需要和链上进行交互,再通过接口发送交0 码力 | 2649 页 | 201.08 MB | 1 年前3
共 25 条
- 1
- 2
- 3