预测任务以预测数据的目标值为目标。 任务由计算需求节点发布到区块链网络，由数据持有节点确认数据使用权，由任务执行节点最终执行。 2.4 算法 PaddleDTX 中的算法，一般指的是经过分布式改造的机器学习算法，即联邦学习算法。 目前开源了纵向联邦学习算法，包括多元线性回归和多元逻辑回归。 2.5 训练样本和预测数据集 PaddleDTX 中的训练样本和预测数据集都是以文件的形式存储于中心化存储网络，在发布训练任务或者预测 的模型进行计算，再汇总 得到最终结果。 4 Chapter 2. 基本概念 PaddleDTX Documentation 2.7 模型评估 PaddleDTX 中的模型评估同样经过分布式改造。如果用户指定执行模型评估，并设置评估方式和参数，任务 执行节点本地实例化评估器，评估器会划分训练样本、创建并运行训练任务、创建并运行预测任务，最后计 算评估指标。任务执行节点各自持有部分训练集 6 Chapter 2. 基本概念 CHAPTER3 正在进行中 我们即将支持的主要功能如下: 1. 支持更多的机器学习算法和对应的分布式改造，主要包括神经网络、决策树等； 2. 支持横向联邦学习算法，计划先对多元线性回归和多元逻辑回归进行改造； 3. 优化目前使用的加法同态算法 Paillier 的性能； 4. 去中心化存储服务支持负载均衡策略，根据存储节点剩余资源和以往表现情况，在文件分发时找到最

预测任务以预测数据的目标值为目标。 任务由计算需求节点发布到区块链网络，由数据持有节点确认数据使用权，由任务执行节点最终执行。 2.4 算法 PaddleDTX 中的算法，一般指的是经过分布式改造的机器学习算法，即联邦学习算法。 目前开源了纵向联邦学习算法，包括多元线性回归和多元逻辑回归。 2.5 训练样本和预测数据集 PaddleDTX 中的训练样本和预测数据集都是以文件的形式存储于中心化存储网络，在发布训练任务或者预测 4 Chapter 2. 基本概念 CHAPTER3 正在进行中 我们即将支持的主要功能如下: 1. 支持更多的机器学习算法和对应的分布式改造，主要包括神经网络、决策树等； 2. 支持横向联邦学习算法，计划先对多元线性回归和多元逻辑回归进行改造； 3. 提供联邦学习训练参数的评估能力，通过交叉验证等方式评估训练参数的优劣； 4. 优化目前使用的加法同态算法 Paillier 的性能； 的使用方法详见接口使用部分 。 44 Chapter 11. XuperDB CHAPTER12 Crypto PaddleDTX 的 crypto 模块实现了若干机器学习算法和对应的分布式改造，为分布式计算网络提供了算法支撑。 目前开源了纵向联邦学习算法，包括多元线性回归和多元逻辑回归。同时支持秘密分享、不经意传输、加法 同态加密、隐私求交等联邦学习依赖的工具。 12.1 数据隐私保护

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。 任务由计算需求节点发布到区块链网络，由数据持有节点确认数据使用权，由 任务执行节点最终执行。 算法 PaddleDTX中的算法，一般指的是经过分布式改造的机器学习算法，即联邦学 习算法。 目前开源了纵向联邦学习算法，包括多元线性回归和多元逻辑回归。 训练样本和预测数据集 PaddleDTX中的训练样本和预测数据集都是以文件的形式存储于中心化存储网 PaddleDTX中的模型，以“分片”的形式存储在参与训练的任务执行节点的本 地，在预测时，任务执行节点使用各自的模型进行计算，再汇总得到最终结 果。 模型评估 PaddleDTX中的模型评估同样经过分布式改造。如果用户指定执行模型评估， 并设置评估方式和参数，任务执行节点本地实例化评估器，评估器会划分训练 样本、创建并运行训练任务、创建并运行预测任务，最后计算评估指标。任务 执行节点各自持有部分训练集和 以获取每个阶段模型的评估结果，以此判断是否停止训练；当训练任务结束 时，可获得一系列评估指标，展示训练效果变化趋势。 正在进行中 我们即将支持的主要功能如下: 1. 支持更多的机器学习算法和对应的分布式改造，主要包括神经网络、决策 树等； 2. 支持横向联邦学习算法，计划先对多元线性回归和多元逻辑回归进行改 造； 3. 优化目前使用的加法同态算法Paillier的性能； 4. 去中心化存储服务

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。 任务由计算需求节点发布到区块链网络，由数据持有节点确认数据使用权，由 任务执行节点最终执行。 算法 PaddleDTX中的算法，一般指的是经过分布式改造的机器学习算法，即联邦学 习算法。 目前开源了纵向联邦学习算法，包括多元线性回归和多元逻辑回归。 训练样本和预测数据集 PaddleDTX中的训练样本和预测数据集都是以文件的形式存储于中心化存储网 存储在参与训练的任务执行节点的本 地，在预测时，任务执行节点使用各自的模型进行计算，再汇总得到最终结 果。 正在进行中 我们即将支持的主要功能如下: 1. 支持更多的机器学习算法和对应的分布式改造，主要包括神经网络、决策 树等； 2. 支持横向联邦学习算法，计划先对多元线性回归和多元逻辑回归进行改 造； 3. 提供联邦学习训练参数的评估能力，通过交叉验证等方式评估训练参数的 优劣； 的基础上，各需求 方便捷的使用数据。 如何使用 XuperDB 的使用方法详见 接口使用部分 。 Crypto PaddleDTX 的 crypto 模块实现了若干机器学习算法和对应的分布式改造，为分 布式计算网络提供了算法支撑。 目前开源了纵向联邦学习算法，包括多元线性回归和多元逻辑回归。同时支持 秘密分享、不经意传输、加法同态加密、隐私求交等联邦学习依赖的工具。 数据隐私保护 随

开发者 部署。详情请参考这里。 注解 build_chain.sh脚本为了简单易用，启动docker使用了 --network=host 网络 模式，实际使用中用户可能需要根据自己的网络场景定制改造。 源码编译 注解 FISCO BCOS支持x86_64和aarch64（ARM）架构的Linux和macOS编译 源码编译适合于有丰富开发经验的用户，编译过程中需要下载依赖库， 请保持网络畅 分布式存储架构设计 FISCO BCOS 2.0使用教程： 分布式存储体验 并行计算：支持块内交易并行执行 区块链性能腾飞：基于DAG的并行交易执行引擎 让木桶没有短板，FISCO BCOS全面推进并行化改造 FISCO BCOS可并行合约开发框架（附实操教程） FISCO BCOS中交易的一生 FISCO BCOS中交易池及其优化策略 FISCO BCOS 2.0原理解析篇1： 群组 架构的设计 作者：陈宇杰｜FISCO 从列表到DAG，PTE赋予了FISCO BCOS新的进化。更高的TPS会将FISCO BCOS带至更加广阔的舞台。予以长袖，FISCO BCOS必能善舞！ 让木桶没有短板，FISCO BCOS全面 推进并行化改造 作者：李陈希｜FISCO BCOS 核心开发者 背景 PTE（Parallel Transaction Executor，一种基于DAG模型的并行交易执行器） 的引入，使FISCO BCOS

开发者 部署。详情请参考这里。 注解 build_chain.sh脚本为了简单易用，启动docker使用了 --network=host 网络 模式，实际使用中用户可能需要根据自己的网络场景定制改造。 源码编译 注解 FISCO BCOS支持x86_64和aarch64（ARM）架构的Linux和macOS编译 源码编译适合于有丰富开发经验的用户，编译过程中需要下载依赖库， 请保持网络畅 分布式存储架构设计 FISCO BCOS 2.0使用教程： 分布式存储体验 并行计算：支持块内交易并行执行 区块链性能腾飞：基于DAG的并行交易执行引擎 让木桶没有短板，FISCO BCOS全面推进并行化改造 FISCO BCOS可并行合约开发框架（附实操教程） FISCO BCOS中交易的一生 FISCO BCOS中交易池及其优化策略 FISCO BCOS 2.0原理解析篇1： 群组 架构的设计 作者：陈宇杰｜FISCO 从列表到DAG，PTE赋予了FISCO BCOS新的进化。更高的TPS会将FISCO BCOS带至更加广阔的舞台。予以长袖，FISCO BCOS必能善舞！ 让木桶没有短板，FISCO BCOS全面 推进并行化改造 作者：李陈希｜FISCO BCOS 核心开发者 背景 PTE（Parallel Transaction Executor，一种基于DAG模型的并行交易执行器） 的引入，使FISCO BCOS

开发者 部署。详情请参考这里。 注解 build_chain.sh脚本为了简单易用，启动docker使用了 --network=host 网络 模式，实际使用中用户可能需要根据自己的网络场景定制改造。 源码编译 注解 FISCO BCOS支持x86_64和aarch64（ARM）架构的Linux和macOS编译 源码编译适合于有丰富开发经验的用户，编译过程中需要下载依赖库， 请保持网络畅 分布式存储架构设计 FISCO BCOS 2.0使用教程： 分布式存储体验 并行计算：支持块内交易并行执行 区块链性能腾飞：基于DAG的并行交易执行引擎 让木桶没有短板，FISCO BCOS全面推进并行化改造 FISCO BCOS可并行合约开发框架（附实操教程） FISCO BCOS中交易的一生 FISCO BCOS中交易池及其优化策略 FISCO BCOS 2.0原理解析篇1： 群组 架构的设计 作者：陈宇杰｜FISCO 从列表到DAG，PTE赋予了FISCO BCOS新的进化。更高的TPS会将FISCO BCOS带至更加广阔的舞台。予以长袖，FISCO BCOS必能善舞！ 让木桶没有短板，FISCO BCOS全面 推进并行化改造 作者：李陈希｜FISCO BCOS 核心开发者 背景 PTE（Parallel Transaction Executor，一种基于DAG模型的并行交易执行器） 的引入，使FISCO BCOS

13.4. 关键技术 14. 超级链监管机制 14.1. 监管机制概述 14.2. 监管机制使用说明 15. 多盘散列 15.1. 背景 15.2. LevelDB数据模型分析 15.3. 核心改造点 15.4. 使用方式 15.5. 扩容问题 15.6. 实验 16. 平行链与群组 16.1. 背景 16.2. 术语 16.3. 架构 16.4. 设计思路 17. 超级链跨链技术 17 e直接Dump产生，其他Level的SST文件 由其上一层的文件和本层文件归并产生；SST文件在归并过程中顺序写生 成，生成后仅可能在之后的归并中被删除，而不会有任何的修改操作。 15.3. 核心改造点 Leveldb的数据主要是存储在SST(Sorted String Table)文件中，写放大的产生就 是由于compact的时候需要顺序读取Level-N中的sst文件，写出到Level-N+1的 中维护一个Cache； 17. 超级链跨链技术 17.1. 背景 近年来，随着区块链行业的蓬勃发展，产生了很多区块链系统，这些系统底层 协议各不相同。并且随着区块链被被纳入新基建的范畴， 如火如荼的区块链 改造运动更加活跃，正在形成一个个新的数据孤岛无论这些孤岛是基于相同的 底层系统还是不同的底层系统，其数据互通都非常困困难，因此，迫切需要一 个解决方案能够系统地解决多链之间融合的问题，从而实现不同链之间地价值

14.4. 关键技术 15. 超级链监管机制 15.1. 监管机制概述 15.2. 监管机制使用说明 16. 多盘散列 16.1. 背景 16.2. LevelDB数据模型分析 16.3. 核心改造点 16.4. 使用方式 16.5. 扩容问题 16.6. 实验 17. 平行链与群组 17.1. 背景 17.2. 术语 17.3. 架构 17.4. 设计思路 18. 超级链跨链技术 18 e直接Dump产生，其他Level的SST文件 由其上一层的文件和本层文件归并产生；SST文件在归并过程中顺序写生 成，生成后仅可能在之后的归并中被删除，而不会有任何的修改操作。 16.3. 核心改造点 Leveldb的数据主要是存储在SST(Sorted String Table)文件中，写放大的产生就 是由于compact的时候需要顺序读取Level-N中的sst文件，写出到Level-N+1的 中维护一个Cache； 18. 超级链跨链技术 18.1. 背景 近年来，随着区块链行业的蓬勃发展，产生了很多区块链系统，这些系统底层 协议各不相同。并且随着区块链被被纳入新基建的范畴， 如火如荼的区块链 改造运动更加活跃，正在形成一个个新的数据孤岛无论这些孤岛是基于相同的 底层系统还是不同的底层系统，其数据互通都非常困困难，因此，迫切需要一 个解决方案能够系统地解决多链之间融合的问题，从而实现不同链之间地价值

14.4. 关键技术 15. 超级链监管机制 15.1. 监管机制概述 15.2. 监管机制使用说明 16. 多盘散列 16.1. 背景 16.2. LevelDB数据模型分析 16.3. 核心改造点 16.4. 使用方式 16.5. 扩容问题 16.6. 实验 17. 平行链与群组 17.1. 背景 17.2. 术语 17.3. 架构 17.4. 设计思路 18. 超级链跨链技术 18 e直接Dump产生，其他Level的SST文件 由其上一层的文件和本层文件归并产生；SST文件在归并过程中顺序写生 成，生成后仅可能在之后的归并中被删除，而不会有任何的修改操作。 16.3. 核心改造点 Leveldb的数据主要是存储在SST(Sorted String Table)文件中，写放大的产生就 是由于compact的时候需要顺序读取Level-N中的sst文件，写出到Level-N+1的 中维护一个Cache； 18. 超级链跨链技术 18.1. 背景 近年来，随着区块链行业的蓬勃发展，产生了很多区块链系统，这些系统底层 协议各不相同。并且随着区块链被被纳入新基建的范畴， 如火如荼的区块链 改造运动更加活跃，正在形成一个个新的数据孤岛无论这些孤岛是基于相同的 底层系统还是不同的底层系统，其数据互通都非常困困难，因此，迫切需要一 个解决方案能够系统地解决多链之间融合的问题，从而实现不同链之间地价值