隨著長(zhǎng)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(shí)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(shí)聯(lián)邦技術(shù)”再次獲得國(guó)家專(zhuān)利授權(quán)。而這背后，同盾專(zhuān)利申請(qǐng)量正在畫(huà)出一個(gè)陡峭上升的曲線(xiàn)。

該專(zhuān)利旨在解決如何在不觸碰用戶(hù)隱私的基礎(chǔ)上，來(lái)更好實(shí)現(xiàn)用戶(hù)行為分析的目的。以最常用的金融場(chǎng)景來(lái)說(shuō)，當(dāng)用戶(hù)在手機(jī)端登陸一些銀行的app的時(shí)候，需要先輸入密碼，但是銀行無(wú)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(huì)大大增加安全性。但是，如果在傳統(tǒng)技術(shù)邏輯下，用戶(hù)行為特征會(huì)觸碰到用戶(hù)隱私的敏感神經(jīng)，金融機(jī)構(gòu)沒(méi)有辦法針對(duì)特定用戶(hù)收集到對(duì)應(yīng)的樣本，這個(gè)時(shí)候“面向行為分析的元知識(shí)聯(lián)邦技術(shù)”就可以派上用場(chǎng)了，它通過(guò)”元學(xué)習(xí)+知識(shí)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(shí)充分的流通起來(lái)。

當(dāng)前，隨著全社會(huì)信息化程度的不斷提升和5G移動(dòng)網(wǎng)絡(luò)的普及，人們?cè)S多的工作和生活方式都從線(xiàn)下搬到了線(xiàn)上，比如購(gòu)物、辦理銀行業(yè)務(wù)等。這樣勢(shì)必會(huì)引起人們對(duì)諸如個(gè)人敏感信息泄漏、銀行賬戶(hù)被盜等安全問(wèn)題的擔(dān)憂(yōu);而通過(guò)對(duì)用戶(hù)的行為進(jìn)行認(rèn)證可以很好的保障用戶(hù)的賬戶(hù)安全。

通常可以用來(lái)認(rèn)證的用戶(hù)行為包括：用戶(hù)敲擊鍵盤(pán)的行為、點(diǎn)擊鼠標(biāo)的行為、在移動(dòng)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(guò)一些機(jī)器學(xué)習(xí)（SVM、決策樹(shù)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(wèn)題來(lái)了：一是這需要用來(lái)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(mǎn)足;二是用戶(hù)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(wèn)題。

盡管我們處在大數(shù)據(jù)時(shí)代，但在具體現(xiàn)實(shí)場(chǎng)景中，對(duì)企業(yè)最有價(jià)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(shí)在整個(gè)過(guò)程中又保證數(shù)據(jù)的絕對(duì)安全，一直以來(lái)都是困擾行業(yè)已久的問(wèn)題。針對(duì)此，同盾推出了”面向行為分析的元知識(shí)聯(lián)邦“技術(shù)，創(chuàng)新性提出元學(xué)習(xí)+知識(shí)聯(lián)邦的模式。

具體來(lái)說(shuō)，通過(guò)元學(xué)習(xí)讓模型學(xué)到元知識(shí)來(lái)解決數(shù)據(jù)量小的問(wèn)題。通過(guò)知識(shí)聯(lián)邦來(lái)解決數(shù)據(jù)安全的問(wèn)題，同時(shí)在服務(wù)器端的知識(shí)匯聚以及反饋來(lái)進(jìn)一步提升認(rèn)證模型的效果。初始時(shí)服務(wù)器端會(huì)向各個(gè)客戶(hù)端發(fā)送一個(gè)基礎(chǔ)的行為認(rèn)證模型。每個(gè)客戶(hù)端根據(jù)自己所有的行為數(shù)據(jù)以及這個(gè)基礎(chǔ)模型通過(guò)元學(xué)習(xí)的方式得到對(duì)應(yīng)的行為元知識(shí)，對(duì)元知識(shí)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(gè)客戶(hù)端傳輸過(guò)來(lái)的元知識(shí)之后，對(duì)這些元知識(shí)進(jìn)行匯聚，并將匯聚后新的元知識(shí)再次加密后反饋給客戶(hù)端，客戶(hù)端根據(jù)匯聚后的元知識(shí)來(lái)更新本地模型。