同盾“知识联邦”论文被国际权威会议收录

近日，第十一届IEEE知识图谱国际会议“The 11th IEEE International Conference on Knowledge Graph （ICKG 2020）”顺利召开，大会吸引了来自中国、美国、荷兰等多个国家与地区的100多位学者参与。ICKG涵盖了知识图谱的各个研究方向，是专注于知识图谱领域的国际权威会议。

同盾科技人工智能研究院所著论文“知识联邦（KF）：面向隐私保护的层次化统一的人工智能框架”被本次大会收录。

目前，随着对数据隐私和安全日益严格的保护和管控，基于数据中心化的传统机器学习面临着巨大的挑战，使得人工智能（AI）在许多关键任务和数据敏感的如金融、政务和医疗场景下越发难以为继。

与此同时，海量的数据分散在各个行业、组织和不同系统之中，数据孤岛现象严重，客观造成了“只见树木，不见森林”的局限性。如果沿着现有的以中心化为主要特征的技术路径走下去，也只是在各自的孤岛上纵向深挖。

要想打破数据孤岛，显然更需要横向上的连接，让孤岛之间连片成网。

时代在呼唤新的技术理念。

为了解决传统机器学习和深度学习应用中涉及多方的数据安全和隐私问题，同盾人工智能研究院提出了一个统一化、层次化知识联邦（KF）框架及其参考实现iBond平台。利用安全的多方计算、学习、共享和推理，知识联邦将多个学科领域连接起来，例如密码学、机器学习、深度学习、联邦学习、大数据等人工智能技术。

同盾知识联邦包括四个层次的联邦：（1）信息层：底层的数据统计和计算，满足简单查询、搜索和简化操作的要求；（2）模型层：支持训练、学习和推理；（3） 认知层：能够在不同层次的抽象和语境中表现抽象特征（4）知识层：融合了知识发现、表示和推理。

通过统一的框架，同盾知识联邦实现了从数据驱动到知识驱动的跃迁，满足了生产环境中从低级到高级的知识共享、计算和学习（发现、表示和推理）的全面需求，涵盖金融、医疗、保险、市场营销和政府等涉及敏感数据的应用场景。

iBond平台已经部署在生产环境中，并在为许多商业客户服务。人工智能研究院正在进行的工作集中在深入评估贡献模型、攻击模型（例如，对抗性样本、毒数据）以及在安全数据交易和学习过程中促进监管和仲裁的监管模型。预计在不久的将来，知识联邦将在保护数据安全和隐私的同时，打破机构之间的障碍，建立一个可以自由创造和共享知识的示范市场。这项工作还要求社区联合起来建立一个知识联邦，以推动保护隐私的人工智能生态系统的最佳实践和设计。

来源为金融界财经频道的作品，均为版权作品，未经书面授权禁止任何媒体转载，否则视为侵权！