现代编程思想 命令式编程 Hongbo Zhang 1 函数式编程 到此为⽌，我们介绍的可以归类于函数式编程的范畴 对每⼀个输⼊，有着固定的输出 对于标识符，我们可以直接⽤它所对应的值进⾏替代⸺引⽤透明性 开发实⽤的程序，我们需要⼀些计算之外的�副作⽤� 进⾏输⼊输出 修改内存中的数据等 这些副作⽤可能导致多次执⾏的结果不⼀致 2 引⽤透明性 我们可以定义如下数据绑定和函数 引⽤透明性可以易于理解 3 命令 函数 print 允许我们输出⼀个字符串，例如 print("hello moonbit") ⽉兔中可以通过 init 代码块来定义初始化指令 可以简单理解为程序主⼊⼝ 1. fn init { 2. println("hello moonbit") // 函数名中的ln代表换⾏ 3. } 4 命令与副作⽤ 输出命令可能会破坏引⽤透明性 1. fn 4. println("hello moonbit") // <-- 我们⾸先执⾏命令，进⾏输出 5. 1 + 1 // <-- 之后，我们以表达式块最后的值作为表达式块的值 6. } 7. let z: Int = square(x) // 4, 输出⼀次 8. } 5 命令与副作⽤ 我们不⼀定可以放⼼替换，因此会增⼤程序理解难度 1. fn init { 2.

TPS。 核心优势 应用场景 接下来 了解 XuperChain 基本概念 了解 XuperChain 基本概念 XuperChain命令行操作 XuperChain合约开发详解 在 XuperChain 上开发智能合约 使用命令行管理合约 合约开发详解 高级合约开发 基于 XuperChain 搭建自己的区块链网络 XuperChain对等网络 XuperChain网络管理 使用预编译版 Mac OS Linux 命令行执行以下命令: # 下载预编译包 wget https://xuper.baidu.com/download/xuperchain-dawrin- amd64.tar.gz # 解压二进制文件 tar zxvf xuperchain-linux-amd64.tar.gz # 设置 PATH 变量， 方便在其他地方使用命令 export XCHAIN_ROOT=`pwd`/output # 启动节点进程 xchain 命令行执行以下命令: # 下载预编译包 wget https://xuper.baidu.com/download/xuperchain-linux- amd64.tar.gz # 解压二进制文件 tar zxvf xuperchain-linux-amd64.tar.gz # 设置 PATH 变量， 方便在其他地方使用命令 export XCHAIN_ROOT=`pwd`/output

TPS。 核心优势 应用场景 接下来 了解 XuperChain 基本概念 了解 XuperChain 基本概念 XuperChain命令行操作 XuperChain合约开发详解 在 XuperChain 上开发智能合约 使用命令行管理合约 合约开发详解 高级合约开发 基于 XuperChain 搭建自己的区块链网络 XuperChain对等网络 XuperChain网络管理 使用预编译版 Mac OS Linux 命令行执行以下命令: # 下载预编译包 wget https://xuper.baidu.com/download/xuperchain-dawrin- amd64.tar.gz # 解压二进制文件 tar zxvf xuperchain-linux-amd64.tar.gz # 设置 PATH 变量， 方便在其他地方使用命令 export XCHAIN_ROOT=`pwd`/output # 启动节点进程 xchain 命令行执行以下命令: # 下载预编译包 wget https://xuper.baidu.com/download/xuperchain-linux- amd64.tar.gz # 解压二进制文件 tar zxvf xuperchain-linux-amd64.tar.gz # 设置 PATH 变量， 方便在其他地方使用命令 export XCHAIN_ROOT=`pwd`/output

TPS。 核心优势 应用场景 接下来 了解 XuperChain 基本概念 了解 XuperChain 基本概念 XuperChain命令行操作 XuperChain合约开发详解 在 XuperChain 上开发智能合约 使用命令行管理合约 合约开发详解 高级合约开发 基于 XuperChain 搭建自己的区块链网络 XuperChain对等网络 XuperChain网络管理 使用预编译版 Mac OS Linux 命令行执行以下命令: # 下载预编译包 wget https://xuper.baidu.com/download/xuperchain-dawrin- amd64.tar.gz # 解压二进制文件 tar zxvf xuperchain-linux-amd64.tar.gz # 设置 PATH 变量， 方便在其他地方使用命令 export XCHAIN_ROOT=`pwd`/output # 启动节点进程 xchain 命令行执行以下命令: # 下载预编译包 wget https://xuper.baidu.com/download/xuperchain-linux- amd64.tar.gz # 解压二进制文件 tar zxvf xuperchain-linux-amd64.tar.gz # 设置 PATH 变量， 方便在其他地方使用命令 export XCHAIN_ROOT=`pwd`/output

TPS。 核心优势 应用场景 接下来 了解 XuperChain 基本概念 了解 XuperChain 基本概念 XuperChain命令行操作 XuperChain合约开发详解 在 XuperChain 上开发智能合约 使用命令行管理合约 合约开发详解 高级合约开发 基于 XuperChain 搭建自己的区块链网络 XuperChain对等网络 XuperChain网络管理 使用预编译版 Mac OS Linux 命令行执行以下命令: # 下载预编译包 wget https://xuper.baidu.com/download/xuperchain-dawrin- amd64.tar.gz # 解压二进制文件 tar zxvf xuperchain-linux-amd64.tar.gz # 设置 PATH 变量， 方便在其他地方使用命令 export XCHAIN_ROOT=`pwd`/output # 启动节点进程 xchain 命令行执行以下命令: # 下载预编译包 wget https://xuper.baidu.com/download/xuperchain-linux- amd64.tar.gz # 解压二进制文件 tar zxvf xuperchain-linux-amd64.tar.gz # 设置 PATH 变量， 方便在其他地方使用命令 export XCHAIN_ROOT=`pwd`/output

Node) 存储节点(Storage Node) 区块链节点(Blockchain Node) Distributed AI 服务组件 多方安全计算框架 可信联邦学习 接口与消息定义 配置说明 命令行工具 XuperDB 背景和目标 特点和优势 架构设计 功能介绍 如何使用 Crypto 数据隐私保护 机器学习算法 纵向联邦学习 团队 我们的团队 参与开发 参与开发&测试 参考文献 SMPC是一个支持多个学习过程并行运行的框架，会陆续集成更多纵向联邦学 习、横向联邦学习算法。 1.2 去中心化存储网络 数据持有节点将自己的隐私数据进行加密、切分、副本复制后分发到存储节 点，存储节点通过应答数据持有节点的挑战证明自己持有数据分片。通过这些 机制，实现了在不泄漏隐私的前提下充分且安全地利用存储资源。 训练样本和预测数据集往往是归属于不同机构的隐私数据。这些机构可以作为 数据持有节点加入到去中心化存储网络中，通过多方安全计算网络发挥数据的 数据持有节点加入到去中心化存储网络中，通过多方安全计算网络发挥数据的 最大价值。 1.3 区块链网络 训练任务和预测任务通过区块链网络广播到任务执行节点，后者继而执行训练 任务和预测任务。数据持有节点和存储节点在副本保持证明、健康状态监控过 程中，通过区块链网络实现信息交换。 目前，PaddleDTX底层采用的区块链框架是XuperChain。 基本概念 下面介绍一些PaddleDTX的相关概念，帮助您初步认识系统，了解其基本运行

com/download] 1.2. 编译XuperChain 使用git下载源码到本地 git clone https://github.com/xuperchain/xuperchain.git 执行命令 1 2 cd src/github.com/xuperchain/xuperchain make 在output目录得到产出xchain和xchain-cli 注解 可能需要配置go语言环境变量（$GOROOT xuper 目录，里面即是我们创建的链的账本等文件） 2.1.2. 启动服务 启动服务命令十分简单，还可以配合多种参数使用，详见命令行的 -h 输出 1 2 # 启动服务节点 nohup ./xchain & 2.1.3. 确认服务状态 按照默认配置，xchain服务会监听37101端口，可以使用如下命令查看xchain服 务的运行状态 1 2 # check服务运行状况 ./xchain-cli newkeys --output data/bob # 在bob目录下会看到文件address，publickey，privatekey生成 创建账号 2.2.2. 查询资源余额 对于普通账号，可使用如下命令查询账号资源余额，其中 -H 参数为xchain服 务的地址 1 ./xchain-cli account balance --keys data/keys -H 127.0.0.1:37101

是一个支持多个学习过程并行运行的框架，会陆续集成更多纵向联邦学习、横向联邦学习算法。 1.2.2 1.2 去中心化存储网络 数据持有节点将自己的隐私数据进行加密、切分、副本复制后分发到存储节点，存储节点通过应答数据持有 节点的挑战证明自己持有数据分片。通过这些机制，实现了在不泄漏隐私的前提下充分且安全地利用存储资 源。 训练样本和预测数据集往往是归属于不同机构的隐私数据。这些机构可以作为数据持有节点加入到去中心化 存储网络 存储网络中，通过多方安全计算网络发挥数据的最大价值。 1.2.3 1.3 区块链网络 训练任务和预测任务通过区块链网络广播到任务执行节点，后者继而执行训练任务和预测任务。数据持有节 点和存储节点在副本保持证明、健康状态监控过程中，通过区块链网络实现信息交换。 目前，PaddleDTX 底层采用的区块链框架是 XuperChain。 2 Chapter 1. 系统介绍 CHAPTER2 基本概念 Documentation 2.2 智能合约 智能合约，是运行在区块链上，旨在以信息化方式传播、验证或执行合同的计算机协议 [9] 。PaddleDTX 中 的任务广播、节点的去中心化治理、副本保持证明机制都基于智能合约。 2.3 任务 任务，是您使用 PaddleDTX 时用到的最基本概念。 PaddleDTX 中有两类任务： • 训练任务以通过训练得到模型为目标； • 预测任务以预测数据的目标值为目标。

存储节点(Storage Node) 区块链节点(Blockchain Node) Distributed AI 服务组件 多方安全计算框架 可信联邦学习 模型评估 动态模型评估 接口与消息定义 配置说明 命令行工具 XuperDB 背景和目标 特点和优势 架构设计 功能介绍 如何使用 Crypto 数据隐私保护 机器学习算法 纵向联邦学习 团队 我们的团队 参与开发 参与开发&测试 参考文献 SMPC是一个支持多个学习过程并行运行的框架，会陆续集成更多纵向联邦学 习、横向联邦学习算法。 1.2 去中心化存储网络 数据持有节点将自己的隐私数据进行加密、切分、副本复制后分发到存储节 点，存储节点通过应答数据持有节点的挑战证明自己持有数据分片。通过这些 机制，实现了在不泄漏隐私的前提下充分且安全地利用存储资源。 训练样本和预测数据集往往是归属于不同机构的隐私数据。这些机构可以作为 数据持有节点加入到去中心化存储网络中，通过多方安全计算网络发挥数据的 数据持有节点加入到去中心化存储网络中，通过多方安全计算网络发挥数据的 最大价值。 1.3 区块链网络 训练任务和预测任务通过区块链网络广播到任务执行节点，后者继而执行训练 任务和预测任务。数据持有节点和存储节点在副本保持证明、健康状态监控过 程中，通过区块链网络实现信息交换。 目前，PaddleDTX底层采用的区块链框架是XuperChain。 基本概念 下面介绍一些PaddleDTX的相关概念，帮助您初步认识系统，了解其基本运行

是一个支持多个学习过程并行运行的框架，会陆续集成更多纵向联邦学习、横向联邦学习算法。 1.2.2 1.2 去中心化存储网络 数据持有节点将自己的隐私数据进行加密、切分、副本复制后分发到存储节点，存储节点通过应答数据持有 节点的挑战证明自己持有数据分片。通过这些机制，实现了在不泄漏隐私的前提下充分且安全地利用存储资 源。 训练样本和预测数据集往往是归属于不同机构的隐私数据。这些机构可以作为数据持有节点加入到去中心化 存储网络 存储网络中，通过多方安全计算网络发挥数据的最大价值。 1.2.3 1.3 区块链网络 训练任务和预测任务通过区块链网络广播到任务执行节点，后者继而执行训练任务和预测任务。数据持有节 点和存储节点在副本保持证明、健康状态监控过程中，通过区块链网络实现信息交换。 目前，PaddleDTX 底层采用的区块链框架是 XuperChain。 2 Chapter 1. 系统介绍 CHAPTER2 基本概念 Documentation 2.2 智能合约 智能合约，是运行在区块链上，旨在以信息化方式传播、验证或执行合同的计算机协议 [9] 。PaddleDTX 中 的任务广播、节点的去中心化治理、副本保持证明机制都基于智能合约。 2.3 任务 任务，是您使用 PaddleDTX 时用到的最基本概念。 PaddleDTX 中有两类任务： • 训练任务以通过训练得到模型为目标； • 预测任务以预测数据的目标值为目标。