隨著長期不輟地在新興科技領域的潛心研發，科技創新要素正在同盾科技不斷落地，繼上月知識聯邦“抗疫技術”后，同盾科技人工智能研究院研發的“面向行為分析的元知識聯邦技術”再次獲得國家專利授權。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上，來更好實現用戶行為分析的目的。以最常用的金融場景來說，當用戶在手機端登陸一些銀行的app的時候，需要先輸入密碼，但是銀行無法確認是否為本人操作，如果加上行為認證的步驟，就基本可以檢驗成功，這會大大增加安全性。但是，如果在傳統技術邏輯下，用戶行為特征會觸碰到用戶隱私的敏感神經，金融機構沒有辦法針對特定用戶收集到對應的樣本，這個時候“面向行為分析的元知識聯邦技術”就可以派上用場了，它通過”元學習+知識聯邦“的模式，可以在保證敏感數據安全的前提下，打破數據孤島讓信息與知識充分的流通起來。

當前，隨著全社會信息化程度的不斷提升和5G移動網絡的普及，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、辦理銀行業務等。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憂;而通過對用戶的行為進行認證可以很好的保障用戶的賬戶安全。

通常可以用來認證的用戶行為包括：用戶敲擊鍵盤的行為、點擊鼠標的行為、在移動端的觸屏行為。現有行為認證方法通常是在服務器端通過一些機器學習（SVM、決策樹等）或者深度學習（CNN、全聯接網絡等）的方法進行模型訓練。

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

盡管我們處在大數據時代，但在具體現實場景中，對企業最有價值的那部分數據，小而分散才是常態。如何用小數據實現大智能，同時在整個過程中又保證數據的絕對安全，一直以來都是困擾行業已久的問題。針對此，同盾推出了”面向行為分析的元知識聯邦“技術，創新性提出元學習+知識聯邦的模式。

具體來說，通過元學習讓模型學到元知識來解決數據量小的問題。通過知識聯邦來解決數據安全的問題，同時在服務器端的知識匯聚以及反饋來進一步提升認證模型的效果。初始時服務器端會向各個客戶端發送一個基礎的行為認證模型。每個客戶端根據自己所有的行為數據以及這個基礎模型通過元學習的方式得到對應的行為元知識，對元知識進行加密，并傳輸給服務器端。服務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，客戶端根據匯聚后的元知識來更新本地模型。