同盾創新融合知識聯邦與知識圖譜技術，助力提升決策智能

近年來，人工智能正從“感知智能”走向“認知智能”，在這一發展過程中，數據和知識是兩個重要的關鍵元素，處理大數據和處理多重知識，形成了人工智能發展的兩個核心技術。其中，隱私計算能保障數據在流通與融合過程中的“可用不可見”，知識圖譜則提供了一種更好地組織、管理和理解互聯網海量信息的能力。隱私計算與知識圖譜的技術融合，正成為推動“認知智能”發展的重要驅動力之一，同盾科技面向下一代人工智能，持續加大技術創新，探索基于知識聯邦的知識推理，助力提升多個領域的決策效率。

同盾科技人工智能研究院算法專家Doris表示，人工智能從感知階段發展到認知階段，機器除了具備模仿人的視覺、聽覺、觸覺等感知能力之外，還需要具備認知能力，模擬人的思維方式和知識結構進行思考，因此需要一個強大的底層知識網絡作為支撐，知識圖譜正是支撐機器實現認知智能的重要基石。

“知識圖譜通過使用各種圖模型，從圖特征數據以及關系結構中挖掘出有價值的信息，相比傳統深度學習方法，圖學習建模相對能利用更多的關系信息，從而得到更優的模型效果，同時更具有可解釋性。”

但是，目前知識圖譜的應用大都是基于單一完整圖譜的理想狀態進行設計，然而在實際應用場景中，構成知識圖譜的知識往往散落在不同的機構或個人手中，形成一個個數據孤島。如果僅基于自身數據構建來構建圖譜，由于數據量原因，推理準確率存在瓶頸。同時，出于自身利益和數據合規性的考慮，各機構難以直接通過數據共享的形式，將數據集中起來形成完整的知識圖譜，進而進行推理。

Doris介紹，同盾在隱私計算領域圍繞自主研發的知識聯邦理論框架，構建了一整套技術產品體系。這種情形下，同盾知識聯邦技術可以有效賦能“知識圖譜”，使其發揮更大的效用，具體的方案如下：

· 知識抽象表示：各個機構組織，在日常運營過程中會產生各種各樣的知識，組合構建為知識圖譜。通過圖神經網絡算法，可以把圖節點特征及相關結構信息，抽象表示為低維向量。見上圖左半部分；

· 知識聯邦融合：各個參與方依據自身知識，經過知識編碼，形成對相同實體的各自低維向量表示。第三方接收各參與方抽象知識，進行聯邦融合，得到綜合后的向量表示。第三方獲取的抽象知識不包含敏感數據，也不可反推出各個參與方的圖譜原貌。見上圖右半部分。

· 知識聯邦推理：根據任務不同，可以選擇不同的推理方式。對于節點分類任務，得到綜合后的向量表示，可直接激活函數得到最終的節點類別。

“同盾把各參與方連接起來形成知識聯邦，協同進行知識推理，從而彌補現有隱私計算技術對于非結構化數據的處理能力的不足；同時，在訓練與推理中，只傳輸抽象后的知識表示向量，保證各參與方數據安全及隱私”，Doris表示。經實驗驗證，知識聯邦+知識圖譜推理方法協同，分類準確率遠超單節點準確率，接近集中化分類準確率。

據悉，同盾的這一技術創新——“基于知識聯邦和圖網絡的推理方法、系統、設備及介質”，已獲得國家知識產權局頒發的發明專利授權，并在多領域得到應用。

以金融反洗錢為例，金融機構需要挖掘出客戶之間的關聯信息和推導資金軌跡關系，判斷關聯賬戶之間是否存在交易鏈路的閉環。知識圖譜技術可以顯示出已知關系，揭示隱藏的聯系、網絡和集群，有效地建立資金流動軌跡和參與洗錢活動的實體關系網絡；但對于金融機構而言，有限的關聯數據會導致關聯關系往往在關鍵的節點斷開，從而無法最大化圖的知識反饋，很多閉環信息也就無從挖掘，效果難以滿足要求。

而同盾人工智能研究院提出的解決方案，則可以在保護數據隱私安全基礎上，利用多方圖網絡數據完成協同建模，通過提升圖數據的節點邊關系結構，金融機構能夠分配更多的時間和資源來審查更高的風險警報，大幅降低了反洗錢的挖掘時間和成本投入，并且通過快速實時的風險提示，在確保審核質量的前提下，降低遺漏高風險行為的風險。

隨著技術的不斷突破，數據與知識雙驅動已成為AI發展的重要趨勢，作為深耕決策智能領域的AI企業，同盾以人工智能研究院為載體，持續加大研發投入。目前，同盾面向下一代可信AI平臺已提出了完整的理論體系，并成為國內首家在隱私計算領域構建系統產品架構和完整生態體系的企業，通過隱私計算和知識圖譜協同的這一技術創新，同盾也將為可信AI的發展提供更多解決方案，為提升金融風險管理、業務安全、智慧政務等多領域的數字化做出貢獻。