区块链与机器学习整合随想

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。

http://www.cleverhans.io/

This is a blog by Ian Goodfellow and Nicolas Papernot about security and privacy in machine learning.