隨著長期不輟地在新興科技領(lǐng)域的潛心研發(fā)，科技創(chuàng)新要素正在同盾科技不斷落地，繼上月知識聯(lián)邦“抗疫技術(shù)”后，同盾科技人工智能研究院研發(fā)的“面向行為分析的元知識聯(lián)邦技術(shù)”再次獲得國家專利授權(quán)。而這背后，同盾專利申請量正在畫出一個陡峭上升的曲線。

該專利旨在解決如何在不觸碰用戶隱私的基礎(chǔ)上，來更好實(shí)現(xiàn)用戶行為分析的目的。以最常用的金融場景來說，當(dāng)用戶在手機(jī)端登陸一些銀行的app的時候，需要先輸入密碼，但是銀行無法確認(rèn)是否為本人操作，如果加上行為認(rèn)證的步驟，就基本可以檢驗(yàn)成功，這會大大增加安全性。但是，如果在傳統(tǒng)技術(shù)邏輯下，用戶行為特征會觸碰到用戶隱私的敏感神經(jīng)，金融機(jī)構(gòu)沒有辦法針對特定用戶收集到對應(yīng)的樣本，這個時候“面向行為分析的元知識聯(lián)邦技術(shù)”就可以派上用場了，它通過”元學(xué)習(xí)+知識聯(lián)邦“的模式，可以在保證敏感數(shù)據(jù)安全的前提下，打破數(shù)據(jù)孤島讓信息與知識充分的流通起來。

當(dāng)前，隨著全社會信息化程度的不斷提升和5G移動網(wǎng)絡(luò)的普及，人們許多的工作和生活方式都從線下搬到了線上，比如購物、辦理銀行業(yè)務(wù)等。這樣勢必會引起人們對諸如個人敏感信息泄漏、銀行賬戶被盜等安全問題的擔(dān)憂;而通過對用戶的行為進(jìn)行認(rèn)證可以很好的保障用戶的賬戶安全。

通?？梢杂脕碚J(rèn)證的用戶行為包括：用戶敲擊鍵盤的行為、點(diǎn)擊鼠標(biāo)的行為、在移動端的觸屏行為?，F(xiàn)有行為認(rèn)證方法通常是在服務(wù)器端通過一些機(jī)器學(xué)習(xí)（SVM、決策樹等）或者深度學(xué)習(xí)（CNN、全聯(lián)接網(wǎng)絡(luò)等）的方法進(jìn)行模型訓(xùn)練。

那么問題來了：一是這需要用來訓(xùn)練模型的行為數(shù)據(jù)量比較大，通常情況下比較難以滿足;二是用戶行為數(shù)據(jù)是敏感數(shù)據(jù)，如果需要上傳到服務(wù)器端將存在數(shù)據(jù)安全問題。

盡管我們處在大數(shù)據(jù)時代，但在具體現(xiàn)實(shí)場景中，對企業(yè)最有價值的那部分?jǐn)?shù)據(jù)，小而分散才是常態(tài)。如何用小數(shù)據(jù)實(shí)現(xiàn)大智能，同時在整個過程中又保證數(shù)據(jù)的絕對安全，一直以來都是困擾行業(yè)已久的問題。針對此，同盾推出了”面向行為分析的元知識聯(lián)邦“技術(shù)，創(chuàng)新性提出元學(xué)習(xí)+知識聯(lián)邦的模式。

具體來說，通過元學(xué)習(xí)讓模型學(xué)到元知識來解決數(shù)據(jù)量小的問題。通過知識聯(lián)邦來解決數(shù)據(jù)安全的問題，同時在服務(wù)器端的知識匯聚以及反饋來進(jìn)一步提升認(rèn)證模型的效果。初始時服務(wù)器端會向各個客戶端發(fā)送一個基礎(chǔ)的行為認(rèn)證模型。每個客戶端根據(jù)自己所有的行為數(shù)據(jù)以及這個基礎(chǔ)模型通過元學(xué)習(xí)的方式得到對應(yīng)的行為元知識，對元知識進(jìn)行加密，并傳輸給服務(wù)器端。服務(wù)器端在收到了各個客戶端傳輸過來的元知識之后，對這些元知識進(jìn)行匯聚，并將匯聚后新的元知識再次加密后反饋給客戶端，客戶端根據(jù)匯聚后的元知識來更新本地模型。