使用waterdrop 对接mpcsql模型直接给出结果部署到区块链,服务bi或者区块链浏览器。
使用waterdrop 对接训练联邦模型过程,把训练模型部署到区块链,服务预测服务或者用于买卖。启发于,机器学习训练过程其实和etl很相似,transform连接。
这种模式比较偏预言机场景,只是对结果和模型进行了简单验证,依赖外部各方的可信信任
进一步实现区块链上全局信任,需要使用更严格的验证模型,经过形式化验证的机器学习模型
训练集-----------学生的课本;学生 根据课本里的内容来掌握知识。
验证集------------作业,通过作业可以知道 不同学生学习情况、进步的速度快慢。
测试集-----------考试,考的题是平常都没有见过,考察学生举一反三的能力。
加强验证过程,拟引入形式化验证工具,做可验证计算。
可验证代表着确定性行为,与模型预测能力可能有矛盾,需要协调。
区块链强oltp,机器学习强olap。
如何融合,确定性与随机性的融合。
cleverhans对抗样本防护,对抗样本,对应的便是区块链里的作恶。
This is a blog by Ian Goodfellow and Nicolas Papernot about security and privacy in machine learning.