同盾AI技术再获国家发明专利授权
近日,同盾科技人工智能研究院研发的“基于知识联邦和图网络的推理方法、系统、设备及介质”获得国家知识产权局颁发的发明专利授权。这也是继不久前“基于XGBoost的跨样本联邦学习”获得国家发明专利授权后,同盾AI技术在自主可控、安全可信的道路上再下一城。
该发明专利旨在解决在保护数据隐私安全前提下,将分布在不同机构与参与方中的图数据进行协作的问题。同盾人工智能研究院创新性提出联邦图协同解决方案及平台产品,如图1所示,各参与方可基于历史数据各自构建知识图谱,通过本地图神经网络抽象节点特征及图结构信息为低维向量,在多个参与方间进行交叉融合,协同进行如节点分类等目标任务。
图是连接数据网络结构的一种常用表示形式。目前已被广泛应用在多个领域,如社会系统、生态系统、生物网络、金融交易网络、知识图谱和信息系统。伴随人工智能技术的不断渗透发展,图学习越来越受到行业各界的关注。图学习旨在通过使用各种图模型,从图特征数据以及关系结构中挖掘出有价值的信息,相比传统深度学习方法,图学习建模相对能利用更多的关系信息,从而得到更优的模型效果,同时更具有可解释性。
然而,当下业内的图学习方法主要是针对集中式学习场景设计的,即集中式图数据存储和集中式模型训练。在大多数行业中,图数据是以孤岛的形式存在,即分布在不同的组织或机构中。数据无法互联互通使得图数据难以聚合构建,从而无法实现基于图数据的知识共享协同。
同盾科技人工智能研究院提出的解决方案,可以在保护数据隐私安全基础上,利用多方图网络数据完成协同建模。在多种数据集上,进行图节点分类任务实验,联邦分类准确率都高于单个参与方,接近集中化图谱建模结果。
目前,同盾在人工智能领域已先后获得“基于人口迁移的疫情预测方法、装置、电子设备及介质”“面向行为分析的元知识联邦技术”“基于XGBoost的跨样本联邦学习、测试方法、系统、设备和介质”等多项与联邦学习技术相关的国家专利授权。未来,同盾将增强持续创新能力,强化对核心技术的攻关和基础知识的研究,力争在人工智能“专利库”中持续输出科技力量。
618黑产狙击:小盾安全捕捉“狂欢中的骗局”
前沿 | 打破信息孤岛,联邦学习如何落地
干货 | 用户增长双核心之模型篇