jessy-js

deepchain

该项目是文章《DeepChain: Auditable and Privacy-Preserving Deep Learning with Blockchain-based Incentive》（IEEE TDSC‘2019）的实现。

FedServing

此项目为论文《FedServing: A Federated Prediction Serving Framework Based on Incentive Mechanism》的验证项目。基于 intel SGX ，实现将各个不同模型的推测结果在可信硬件中使用 truth discovery 算法聚合计算出最终结果等功能。支持 label、rank、probs三种类型的推理结果的聚合。

mindspore

MindSpore is a new open source deep learning training/inference framework that could be used for mobile, edge and cloud scenarios.

PreeChain

pvCNN

该项目实现了隐私保护和可验证的卷积神经网络（CNN）测试，旨在使模型开发者能够在多个测试者提供的非公开数据上向用户证明CNN性能的真实性，同时保护模型和数据的隐私。

pvCNN

该项目实现了隐私保护和可验证的卷积神经网络（CNN）测试，旨在使模型开发者能够在多个测试者提供的非公开数据上向用户证明CNN性能的真实性，同时保护模型和数据的隐私。

jessy-js/deepchain

该项目是文章《DeepChain: Auditable and Privacy-Preserving Deep Learning with Blockchain-based Incentive》（IEEE TDSC‘2019）的实现。

jessy-js/FedServing

此项目为论文《FedServing: A Federated Prediction Serving Framework Based on Incentive Mechanism》的验证项目。基于 intel SGX ，实现将各个不同模型的推测结果在可信硬件中使用 truth discovery 算法聚合计算出最终结果等功能。支持 label、rank、probs三种类型的推理结果的聚合。

jessy-js/mindspore

MindSpore is a new open source deep learning training/inference framework that could be used for mobile, edge and cloud scenarios.

jessy-js/PreeChain

jessy-js/pvCNN

该项目实现了隐私保护和可验证的卷积神经网络（CNN）测试，旨在使模型开发者能够在多个测试者提供的非公开数据上向用户证明CNN性能的真实性，同时保护模型和数据的隐私。