GRAM:金色观察|联邦学习是区块链隐私计算的目标吗?

区块链行业里有一个很垂直的赛道,技术攻坚很艰涩,这就是对数据进行隐私处理的隐私计算。

为什么呢?

一是因为对数据处理的产品复杂度,二是技术上还有很多很多问题存在。用区块链基础设施来做,太过于简陋,这个举例好像,一个人住进一个没装窗户却有一个窗口的屋子,只能先挂个帘子挡一下。没有装窗户的原因是因为,这个地区没有生产窗框、玻璃的企业,也没有会安装的师傅,只能先用纸糊上或者挂一个帘子,更厉害的,直接把窗户封上。

区块链隐私计算现在就是这种情况。

为了实现web3,未来隐私计算一定会解决数据隐私问题,而这种需求面临的目标是什么?也许是联邦学习。虽然这是一个人工智能领域的基础技术,但它定义了一种数据不离开所有者的数据处理方向。

金色晨讯 | 2月7日隔夜重要动态一览:21:00-7:00关键词:澳大利亚、韩国央行、Bakkt、以太坊2.0、孙宇晨、巴菲特

1. 美国SEC专员提议为加密项目提供3年安全期。

2. 澳大利亚将于2月7日发布国家区块链路线图。

3. 韩国央行官员:韩国拥有完备的电子支付系统,没有创建CBDC的迫切需求。

4. 洲际交易所公布2019Q4财报:确定Bakkt为关键增长举措之一。

5. 以太坊2.0或将于7月30日推出。

6. 孙宇晨已应邀与巴菲特共进晚餐 称将接受巴菲特建议和指导。

7. 美国空军将试验基于区块链的数据库。

8. DeFi应用程序中锁定的资金总额已接近10亿美元。

9.BTC现报9730美元,近24小时上涨0.85%,市值为1770.71亿美元。[2020/2/7]

我们为什么要做数据隐私,也是因为平台等中心化的角色会利用数据做一些分析利用,中心化角色也是利用数据进行深度学习,以汲取数据中的价值。

金色独家 俄罗斯意图用加密货币对抗美元霸权:金色财经独家分析,俄罗斯总统普京6月7日在与俄罗斯公众的年度现场问答会议上表示,俄罗斯不能有自己的加密货币,但必须研??究如何使用加密货币。同时,另一条消息宣称,俄罗斯政府与企业巨头合资开发区块链及物联网。从这里可以很清晰的看到俄罗斯对于加密货币以及区块链行业的态度。从历史上看,俄罗斯对于加密货币的态度一直有所反复,一开始是出于完全的无监管状态,特别是由于俄罗斯拥有丰富的电力资源,挖矿一度盛行,然而随着加密货币产业在俄罗斯的发展壮大,监管开始注意到这一产业,之后针对加密货币收益等开始制定税收政策,同时在俄罗斯境内禁止了Telegram,并且尝试对ICO进行沙盒监管,可以看出俄罗斯当局有意在引导加密货币和区块链产业走向更加规范化的道路。从普京的发言中也可以看出,作为一个新兴产业,加密货币及区块链行业拥有发展潜力,俄罗斯不愿意错过这趟风口。但同时俄罗斯也对加密货币存在担心,“不能有自己的加密货币”是为了规避加密货币可能导致的潜在性金融风险,“必须研??究如何使用加密货币”使人联想到之前俄罗斯一银行通过加密货币帮助委内瑞拉石油币发展,从一定程度上讲,加密货币能够绕开以美元为主导的布雷顿森林体系,委内瑞拉的石油币一方面是应对其国内严重的通胀问题,另一方面也是对传统“美元-石油”挂钩机制的挑战。“必须研??究如何使用加密货币”就是善于利用加密货币维护自身国家权益。另外,俄罗斯对于加密货币和区块链抱持不同的监管态度,区块链作为一种新潮技术将被鼓励开发应用到各行各业之中,然而加密货币则要采取更为审慎的态度,避免造成系统性金融风险。[2018/6/13]

可见,联邦学习或许是一种目标选择。

金色财经独家分析 俄罗斯封杀事件暴露出监管与去中心化和平共处仍需探索:俄罗斯政府对Telegram采取了更严厉的封禁措施。据俄罗斯当地媒体报道,俄罗斯电信监管机构已经封锁了超过200万个谷歌和亚马逊云服务下的IP地址。俄罗斯联邦安全局曾多次要求Telegram交出私钥,使得他们能够查看存储在用户之间加密聊天记录。但由于Telegram多次拒绝这一请求,俄罗斯国家电信监管机构最终发出通知,禁止在俄罗斯境内访问Telegram。金色财经独家分析,我们其实很难说Telegram严守数据的行为是有罪的,它的做法也是出于自身的本分与义务。但难道政府的监管就错了吗,亦不是,是政府监管与区块链技术的“去中心化”还未找到一个中间点来达到两者的平衡。或者说,两者和平的共生方式还处于探索阶段。[2018/4/18]

先看定义:

金色财经现场报道 Exchange Union的市场总监:各交易之间价差大:金色财经前方记者实时报道,4月12日举办的第二届全球金融科技与区块链中国峰会2018上,Exchange Union的市场总监,Ryan Thoma在会上做了“下一代去中心化交易网络”的演讲,他表示,目前加密货币交易所行业存在以下痛点:缺乏流动性、业务本地化且交易所间相互分隔独立、交易对有限、各交易之间价差大、跨交易所交易效率低且费用高。[2018/4/12]

联邦学习在2016年由谷歌最先提出,原本用于解决安卓手机终端用户在本地更新模型的问题,其设计目标是在保障大数据交换时的信息安全、保护终端数据和个人数据隐私、保证合法合规的前提下,在多参与方或多计算结点之间开展高效率的机器学习。

再看框架:

两个数据拥有方的场景是联邦学习的标准统构架。该构架可扩展至包含多个数据拥有方的场景。假设企业A和B想联合训练一个机器学习模型,它们的业务系统分别拥有各自用户的相关数据。此外,企业B还拥有模型需要预测的标签数据。出于数据隐私保护和安全考虑,A和B无法直接进行数据交换,可使用联邦学习系统建立模型。

第一步:加密样本对齐。系统利用基于加密的用户样本对齐技术,在A和B不公开各自数据的前提下确认双方的共有用户,并且不暴露不互相重叠的用户,以便联合这些用户的特征进行建模。

第二步:加密模型训练。在确定共有用户群体后,就可以利用这些数据训练机器学习模型。为了保证训练过程中数据的保密性,需要借助第三方协作者C进行加密训练。过程中协作者C把公钥分发给A和B,用以对训练过程中需要交换的数据进行加密。A和B分别基于加密的梯度值进行计算,最后把结果汇总给C。C将结果解密,分别回传给A和B。

第三步:激励。联邦学习解决了不同机构加入联邦共同建模的问题,建立模型以后模型的效果会在实际应用中表现出来,可以记录在区块链上。提供数据多的机构所获得的模型效果会更好,模型效果取决于数据提供方对自己和他人的贡献。

这个过程里,

数据隔离,不会泄露到外部其他人,满足用户隐私保护和数据安全的需求;训练有效;参与者地位对等,公平合作。

这个时候看,区块链可以在数据所有权、联邦贡献度等部分起到决定性的作用。所以是不是一个非常完美的适合用区块链来做的模型。

但目前的隐私计算区块链还不能完全做到这些,主要问题在于:

1.对数据操作的颗粒度还不能完全去中心化到个人。

2.算力不够、存储不够。

3.只用智能合约无法执行庞大的复杂的过程。

4.缺少PaaS以及BaaS这样的中间层服务。

5.链上应用的隐私需求少。

在这些问题的影响下,确实没办法实现,也许有人会认为,比如链上混币,或者查不到交易详情的隐私币是不是就可以算是另一个方向的隐私了。

对,这是另一个方向的隐私需求,这个需求已经可以实现,只是联邦学习的路会更长远一些。

在联邦学习之前,为了防止交易数据明文、合约代码明文会带来更多的安全问题,具备隐私保护能力的链上环境,可以用黑箱的方式保护交易、保护合约,保护资产。这里面有tee、mpc、zksnark等方式。

这些对于一个复杂的数据训练网络来说,都是简陋的结构了。

以太坊是世界计算机,在以太坊出现之前,互联网先是活在机房里,现在机房构成的庞大算力组合成云,互联网活在云上,云是一个组合的没有硬件限制的世界计算机,只是没有去中心化结构。

在云服务中我们可以看到涉及隐私计算的相关服务已经上线很久,比如AWS的数据湖和数据仓,比如阿里云的datatrust以及腾讯在可信平台上的服务,都是向这个方向看齐。

最后,让我们看看在云服务的架构下形成的可信数据处理架构:

当云服务部分,被联盟链云服务中的区块链所取代或者被去中心化云服务平台取代时,web3就要成功了。

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。

金星链

[0:0ms0-1:48ms