本案例中我们使用了来自 UCI 机器学习数据库中的波士顿房屋信息数据。该 数据集统计了波士顿郊区不动产税、城镇人均犯罪率等共计13个特征指标和平 均房价，我们通过机器学习找到特征指标和房价之间的关系，进而预测该地区 房价，这是一个典型线性回归计算案例。 以下是数据集中的字段含义, 特征变量为: CRIM: 城镇人均犯罪率 ZN: 住宅用地超过 25000 sq.ft. 的比例 INDUS: 城镇非零售商用土地的比例 计算需求方下载预测结果 5. 计算模型的均方根误差 6. 计算预测的准确率 每个步骤对应的客户端命令详情参考 操作 Distributed AI 。 模型评估 通过预测任务，获得了模型的预测结果，我们将置信度设置为0.5，通过计算 预测值与真实值的分类准确率来评估模型优劣。 预测任务执行完成后，同时输出了鸢尾花品种分类模型的预测结果，在测试集 上准确率为 100%。 部署架构 PaddleDTX 主要由 被入侵，攻击者也无法恢复 原始数据； 敏感数据常用来做某些特定的分析和计算，在使用时不能泄露原始数据， 支持数据可用不可见； 敏感数据使用需要得到严格的授权或监管，以备后续审计。 因此，亟需一个去中心化存储系统解决敏感数据的隐私保护、安全使用和监管 审计问题。 特点和优势 XuperDB 具备高安全、高可用、可审计的特点： 高安全：数据加密分片存储，有权限的用户才能恢复原始数据，且可以抵 御存储节点串谋和单副本攻击；

UCI 机器学习数据库中的波士顿房屋信息数据。该数据集统计了波士顿郊区不动产 税、城镇人均犯罪率等共计 13 个特征指标和平均房价，我们通过机器学习找到特征指标和房价之间的关系， 进而预测该地区房价，这是一个典型线性回归计算案例。 以下是数据集中的字段含义, 特征变量为: • CRIM: 城镇人均犯罪率 • ZN: 住宅用地超过 25000 sq.ft. 的比例 • INDUS: 城镇非零售商用土地的比例 5. 计算模型的均方根误差 6. 计算预测的准确率 每个步骤对应的客户端命令详情参考 操作 Distributed AI 。 8.6 模型评估 通过预测任务，获得了模型的预测结果，我们将置信度设置为 0.5，通过计算预测值与真实值的分类准确率 来评估模型优劣。 预测任务执行完成后，同时输出了鸢尾花品种分类模型的预测结果，在测试集上准确率为 100%。 36 Chapter 8. 案例应用-逻辑回归算法测试 ，可以作为存储服务独立于 PaddleDTX 使用。 11.1 背景和目标 敏感数据存储、使用和监管方面存在如下问题： • 敏感数据需要分散存储，防止泄露，当单 IDC 被入侵，攻击者也无法恢复原始数据； • 敏感数据常用来做某些特定的分析和计算，在使用时不能泄露原始数据，支持数据可用不可见； • 敏感数据使用需要得到严格的授权或监管，以备后续审计。 因此，亟需一个去中心化存储系统解

本案例中我们使用了来自 UCI 机器学习数据库中的波士顿房屋信息数据。该 数据集统计了波士顿郊区不动产税、城镇人均犯罪率等共计13个特征指标和平 均房价，我们通过机器学习找到特征指标和房价之间的关系，进而预测该地区 房价，这是一个典型线性回归计算案例。 以下是数据集中的字段含义, 特征变量为: CRIM: 城镇人均犯罪率 ZN: 住宅用地超过 25000 sq.ft. 的比例 INDUS: 城镇非零售商用土地的比例 计算需求方下载预测结果 5. 计算模型的均方根误差 6. 计算预测的准确率 每个步骤对应的客户端命令详情参考 操作 Distributed AI 。 模型评估 通过预测任务，获得了模型的预测结果，我们将置信度设置为0.5，通过计算 预测值与真实值的分类准确率来评估模型优劣。 预测任务执行完成后，同时输出了鸢尾花品种分类模型的预测结果，在测试集 上准确率为 100%。 部署架构 PaddleDTX 主要由 被入侵，攻击者也无法恢复 原始数据； 敏感数据常用来做某些特定的分析和计算，在使用时不能泄露原始数据， 支持数据可用不可见； 敏感数据使用需要得到严格的授权或监管，以备后续审计。 因此，亟需一个去中心化存储系统解决敏感数据的隐私保护、安全使用和监管 审计问题。 特点和优势 XuperDB 具备高安全、高可用、可审计的特点： 高安全：数据加密分片存储，有权限的用户才能恢复原始数据，且可以抵 御存储节点串谋和单副本攻击；

UCI 机器学习数据库中的波士顿房屋信息数据。该数据集统计了波士顿郊区不动产 税、城镇人均犯罪率等共计 13 个特征指标和平均房价，我们通过机器学习找到特征指标和房价之间的关系， 进而预测该地区房价，这是一个典型线性回归计算案例。 以下是数据集中的字段含义, 特征变量为: • CRIM: 城镇人均犯罪率 • ZN: 住宅用地超过 25000 sq.ft. 的比例 • INDUS: 城镇非零售商用土地的比例 5. 计算模型的均方根误差 6. 计算预测的准确率 每个步骤对应的客户端命令详情参考 操作 Distributed AI 。 8.6 模型评估 通过预测任务，获得了模型的预测结果，我们将置信度设置为 0.5，通过计算预测值与真实值的分类准确率 来评估模型优劣。 预测任务执行完成后，同时输出了鸢尾花品种分类模型的预测结果，在测试集上准确率为 100%。 38 Chapter 8. 案例应用-逻辑回归算法测试 ，可以作为存储服务独立于 PaddleDTX 使用。 11.1 背景和目标 敏感数据存储、使用和监管方面存在如下问题： • 敏感数据需要分散存储，防止泄露，当单 IDC 被入侵，攻击者也无法恢复原始数据； • 敏感数据常用来做某些特定的分析和计算，在使用时不能泄露原始数据，支持数据可用不可见； • 敏感数据使用需要得到严格的授权或监管，以备后续审计。 因此，亟需一个去中心化存储系统解

Documentation, 发 发 发布 布 布 v2.7.2 • 修复CachedStorage的一个死锁问题 • 修复开启Binlog情况下，极端情况下，从Binlog恢复出错的问题 • 修复特定情况下节点重启后Viewchange被拒，无法快速恢复视图的问题 兼 兼 兼容 容 容性 性 性 向 向 向前 前 前兼 兼 兼容 容 容，旧版本可以直接替换程序升级 兼 兼 兼容 容 容模 模 模式 式 式回 直 直接 接 接解 解 解析 析 析v1.x产 产 产生 生 生的 的 的历 历 历史 史 史区 区 区块 块 块数 数 数据 据 据 ，但可通过在 v2.0.0-rc1 的新链上执行历史交易的方式恢复旧数据 • 搭 搭 搭建 建 建2.0的 的 的新 新 新链 链 链 ：请参考 安装 • v2.0.0-rc1 Release Note 变 变 变更 更 更描 描 描述 述 述 架 架 架构 私的部分进行保护，以及在避免运作过程泄漏隐私，是一 个很重要的问题。 隐私保护首先是个管理问题，要求在构建系统开展业务时，把握“最小授权，明示同意的原则”，对数据 的收集、存储、应用、披露、删除、恢复全生命周期进行管理，建立日常管理和应急管理制度，在高敏 感业务场景设定监管角色，引入第三方检视和审计，从事先事中事后全环节进行管控。 在技术上，可以采用数据脱敏，业务隔离或者系统物理隔离等方式控制数据分发范围，同时也可以引入

修复raft共识下，非leader节点交易池中的交易不能被打包的问题 • 修复CachedStorage的一个死锁问题 • 修复开启Binlog情况下，极端情况下，从Binlog恢复出错的问题 • 修复特定情况下节点重启后Viewchange被拒，无法快速恢复视图的问题 兼 兼 兼容 容 容性 性 性 向 向 向前 前 前兼 兼 兼容 容 容，旧版本可以直接替换程序升级 兼 兼 兼容 容 容模 模 模式 式 式回 直 直接 接 接解 解 解析 析 析v1.x产 产 产生 生 生的 的 的历 历 历史 史 史区 区 区块 块 块数 数 数据 据 据 ，但可通过在 v2.0.0-rc1 的新链上执行历史交易的方式恢复旧数据 • 搭 搭 搭建 建 建2.0的 的 的新 新 新链 链 链 ：请参考 安装 • v2.0.0-rc1 Release Note 变 变 变更 更 更描 描 描述 述 述 架 架 架构 私的部分进行保护，以及在避免运作过程泄漏隐私，是一 个很重要的问题。 隐私保护首先是个管理问题，要求在构建系统开展业务时，把握“最小授权，明示同意的原则”，对数据 的收集、存储、应用、披露、删除、恢复全生命周期进行管理，建立日常管理和应急管理制度，在高敏 感业务场景设定监管角色，引入第三方检视和审计，从事先事中事后全环节进行管控。 在技术上，可以采用数据脱敏，业务隔离或者系统物理隔离等方式控制数据分发范围，同时也可以引入

修复raft共识下，非leader节点交易池中的交易不能被打包的问题 • 修复CachedStorage的一个死锁问题 • 修复开启Binlog情况下，极端情况下，从Binlog恢复出错的问题 • 修复特定情况下节点重启后Viewchange被拒，无法快速恢复视图的问题 兼 兼 兼容 容 容性 性 性 向 向 向前 前 前兼 兼 兼容 容 容，旧版本可以直接替换程序升级 兼 兼 兼容 容 容模 模 模式 式 式回 直 直接 接 接解 解 解析 析 析v1.x产 产 产生 生 生的 的 的历 历 历史 史 史区 区 区块 块 块数 数 数据 据 据 ，但可通过在 v2.0.0-rc1 的新链上执行历史交易的方式恢复旧数据 • 搭 搭 搭建 建 建2.0的 的 的新 新 新链 链 链 ：请参考 安装 • v2.0.0-rc1 Release Note 变 变 变更 更 更描 描 描述 述 述 架 架 架构 私的部分进行保护，以及在避免运作过程泄漏隐私，是一 个很重要的问题。 隐私保护首先是个管理问题，要求在构建系统开展业务时，把握“最小授权，明示同意的原则”，对数据 的收集、存储、应用、披露、删除、恢复全生命周期进行管理，建立日常管理和应急管理制度，在高敏 感业务场景设定监管角色，引入第三方检视和审计，从事先事中事后全环节进行管控。 在技术上，可以采用数据脱敏，业务隔离或者系统物理隔离等方式控制数据分发范围，同时也可以引入

修复raft共识下，非leader节点交易池中的交易不能被打包的问题 • 修复CachedStorage的一个死锁问题 • 修复开启Binlog情况下，极端情况下，从Binlog恢复出错的问题 • 修复特定情况下节点重启后Viewchange被拒，无法快速恢复视图的问题 兼 兼 兼容 容 容性 性 性 向 向 向前 前 前兼 兼 兼容 容 容，旧版本可以直接替换程序升级 兼 兼 兼容 容 容模 模 模式 式 式回 直 直接 接 接解 解 解析 析 析v1.x产 产 产生 生 生的 的 的历 历 历史 史 史区 区 区块 块 块数 数 数据 据 据 ，但可通过在 v2.0.0-rc1 的新链上执行历史交易的方式恢复旧数据 20 Chapter 2. 版 版 版本 本 本信 信 信息 息 息 FISCO BCOS Documentation, 发 发 发布 布 布 v2.7.2 • 搭 搭 搭建 建 建2 私的部分进行保护，以及在避免运作过程泄漏隐私，是一 个很重要的问题。 隐私保护首先是个管理问题，要求在构建系统开展业务时，把握“最小授权，明示同意的原则”，对数据 的收集、存储、应用、披露、删除、恢复全生命周期进行管理，建立日常管理和应急管理制度，在高敏 感业务场景设定监管角色，引入第三方检视和审计，从事先事中事后全环节进行管控。 在技术上，可以采用数据脱敏，业务隔离或者系统物理隔离等方式控制数据分发范围，同时也可以引入

修复raft共识下，非leader节点交易池中的交易不能被打包的问题 • 修复CachedStorage的一个死锁问题 • 修复开启Binlog情况下，极端情况下，从Binlog恢复出错的问题 • 修复特定情况下节点重启后Viewchange被拒，无法快速恢复视图的问题 兼 兼 兼容 容 容性 性 性 向 向 向前 前 前兼 兼 兼容 容 容，旧版本可以直接替换程序升级 兼 兼 兼容 容 容模 模 模式 式 式回 直 直接 接 接解 解 解析 析 析v1.x产 产 产生 生 生的 的 的历 历 历史 史 史区 区 区块 块 块数 数 数据 据 据 ，但可通过在 v2.0.0-rc1 的新链上执行历史交易的方式恢复旧数据 • 搭 搭 搭建 建 建2.0的 的 的新 新 新链 链 链 ：请参考 安装 • v2.0.0-rc1 Release Note 变 变 变更 更 更描 描 描述 述 述 架 架 架构 私的部分进行保护，以及在避免运作过程泄漏隐私，是一 个很重要的问题。 隐私保护首先是个管理问题，要求在构建系统开展业务时，把握“最小授权，明示同意的原则”，对数据 的收集、存储、应用、披露、删除、恢复全生命周期进行管理，建立日常管理和应急管理制度，在高敏 感业务场景设定监管角色，引入第三方检视和审计，从事先事中事后全环节进行管控。 在技术上，可以采用数据脱敏，业务隔离或者系统物理隔离等方式控制数据分发范围，同时也可以引入

修复raft共识下，非leader节点交易池中的交易不能被打包的问题 • 修复CachedStorage的一个死锁问题 • 修复开启Binlog情况下，极端情况下，从Binlog恢复出错的问题 • 修复特定情况下节点重启后Viewchange被拒，无法快速恢复视图的问题 兼 兼 兼容 容 容性 性 性 向 向 向前 前 前兼 兼 兼容 容 容，旧版本可以直接替换程序升级 兼 兼 兼容 容 容模 模 模式 式 式回 直 直接 接 接解 解 解析 析 析v1.x产 产 产生 生 生的 的 的历 历 历史 史 史区 区 区块 块 块数 数 数据 据 据 ，但可通过在 v2.0.0-rc1 的新链上执行历史交易的方式恢复旧数据 • 搭 搭 搭建 建 建2.0的 的 的新 新 新链 链 链 ：请参考 安装 • v2.0.0-rc1 Release Note 变 变 变更 更 更描 描 描述 述 述 架 架 架构 私的部分进行保护，以及在避免运作过程泄漏隐私，是一 个很重要的问题。 隐私保护首先是个管理问题，要求在构建系统开展业务时，把握“最小授权，明示同意的原则”，对数据 的收集、存储、应用、披露、删除、恢复全生命周期进行管理，建立日常管理和应急管理制度，在高敏 感业务场景设定监管角色，引入第三方检视和审计，从事先事中事后全环节进行管控。 在技术上，可以采用数据脱敏，业务隔离或者系统物理隔离等方式控制数据分发范围，同时也可以引入