随着数据安全法的出台，数据隐衷越来越受到重视，分布式隐衷模型也变得越来越风行。
近期，在由深度学习技术及利用国家工程钻研核心主办、百度飞桨承办的 WAVE SUMMIT 2022 深度学习开发者峰会上，百度超级链技术负责人荆博重点介绍了如何应用链桨 PaddleDTX 打造基于区块链的分布式机器学习网络。
链桨 PaddleDTX 是百度超级链与飞桨联合推出的首款产业级可信分布式 AI 开源产品，致力于促成分布式隐衷模型技术的倒退。链桨基于百度自主研发的 XuperChain、去中心化存储、可信计算、分布式机器学习等核心技术，实现从数据采集、存储、计算到流通全流程的平安可信，保障分布式 AI 的训练过程全程可追溯、可审计。
链桨 PaddleDTX 是如何实现分布式机器学习网络全流程可信的呢？
在数据层面，链桨应用去中心化存储来作为可信数据解决方案。首先，为每一份数据别离定制多正本、多节点策略，以联合加密分片正本放弃证实，链桨领有两种原创的存储放弃证实机制，别离是工夫优先的变种梅克尔树算法和空间优先的基于椭圆曲线双线性映射的正本放弃证实算法，使其能够保障数据无篡改且存储方无奈串谋单正本攻打，从而保证数据的真实性；其次，链桨依据正本放弃证实挑战胜利比例，与无效心跳频率对存储节点衰弱度进行评估，并依据节点衰弱度主动迁徙数据，同时依据节点稳定性、历史体现与可用资源综合判断，动静调整散发策略。
在算法层面，链桨通过在预测和训练过程中联合应用 KMS+TEE，来确保数据隐衷及模型的公正可审计。在非 TEE 环境中，咱们部署 KMS 的公钥局部，并应用变种 ECDH 对数据进行加密，加密数据在 TEE 环境中的另一部分 KMS 实现解密，并传递给计算逻辑程序，最终产生计算结果与对应的度量报告，并将报告存储于区块链网络，区块链网络会通过调用去中心化预言机网络来核实计算环境的真实性，从而保障算法的可信。
最初，链桨应用 DID 分布式可信数字身份来作为可信算力的解决方案。DID 是基于区块链技术的分布式数字身份，具备可验证性、自我主权等特色。链桨框架正在集成百度 DID，从而反对用户通过 DID 对隐衷数据进行自主管制，对可信算力进行自主验证，从而实现数据的存储平安可验证、共享可追溯、算力应用可管控等指标。
数据、算法、算力是人工智能的三大因素。基于区块链技术构建的分布式机器学习网络为可信数据、可信算法和可信算力提供基础设施保障，目前这一计划已使用到多个金融机构、工业互联网平台的建设之中，硕果颇丰。将来，链桨 PaddleDTX 将持续赋能产业，推动区块链 +AI 走向规模化利用，全面助力实体经济倒退。