同盾人工智能专家介绍说：“该发明底层采用知识联邦保障数据隐私安全，实现跨部门和地区的人群数据联邦共享，并在联邦共享的基础上进行联邦预测和联邦推理，让流行病学、社交活动和迁移行为等不同领域知识互通互联，进而可以深度挖掘潜在风险人群，精准预测疫情，帮助政府部门提前做好防控防范工作。”
具体来说，就是在人口大规模跨城市流动的背景下，精准预测病毒在城市中的演化轨迹。在复工复产之前，所有病毒传播学的模型几乎都是基于全社会“静止不动”，城市之间“互不联通”这一变量之上的。而随着城市之间的交通日渐恢复，传播的“静态模型”已不再适用，同盾全新专利正是为解决下一阶段疫情防控难点而生。
构建城市图网络 阻击城际间病毒流动
现有的疫情预测方法通常只根据单独一个城市的疫情数据，仅考虑城市内部的易感者(S)、潜伏者(E)、感染者(I)、康复者(R)之间的转换关系，建立单个城市的动力学模型，进而对单个城市的未来疫情发展作出预测。然而，现有的疫情预测方法没有考虑因城市之间的人员流动对病毒传播带来的影响，不符合在城际人口迁移活动发生的情况下疫情发展的实际情况。
因此，亟需一种疫情预测方法能预测人口迁移活动发生时的疫情发展，用作采取疫情防控手段的参考。为了克服现有技术的不足，本发明提供了一种基于人口迁移的疫情预测方法，其根据疫情数据和待预测城市之间的人口迁移数据，构建待预测区域的复合城市网络模型，进而实现在人口迁移活动的情况下，对待预测城市未来若干天疫情数据的准确预测。
本发明提出采用自主研发的潜伏期被治愈的SEIR模型(如图1所示)来模拟每个城市节点。同时，本发明利用图网络的思想，并将每一个城市(省份)看成一个节点，使用GNN网络模拟各个城市间人口流动的动态过程，构建复合城市网络模型，真实有效地模拟疾病在各个城市演化的过程，达到实时有效的预测疾病人数的效果。
(图1 潜伏期被治愈的SEIR模型)
模拟人群活动轨迹 知识联邦兼顾隐私保护
由于人群的社交活动和迁移行为对疫情影响变化非常大，在模拟人群迁徙和疾病演化的过程中，需要利用各种人群迁移数据，包括：运营商、社区、酒店、交通等部门的数据。如何能在保证用户隐私的前提下实现数据可用不可见也是本发明重要任务之一。
对于确诊患者的移动轨迹和疑似接触人群的确认，需要整合各个政府部门、机构之间以及互联网企业之间数据，这样的数据体量是海量且繁杂的，并且要保证各方数据的安全性。为了在保障数据隐私和安全的前提下，打破数据孤岛，实现跨部门的异构数据进行安全的多方建模，知识联邦是一种可行的方案。
同盾科技经长期积累，打造的知识联邦体系，使用多方安全计算、不经意传输以及同态加密等多种安全计算的协议，实现多方数据的安全建模，并且建模过程中仅仅是模型参数的传输，各方数据还在自己的私有域中，真正意义上实现了数据“可用不可见”，知识“共创可共享”。
对于跨部门的数据需要进行多方的安全建模，传统的联合建模思路是无法达到保护各方数据隐私的效果。本发明提出将知识联邦运用于复合城市网络模型的建立与求解，即多个参与方构共同构建基于异构数据的GNN网络，在保证数据安全情况下，实现多方信息的融合。
丰富人工智能“专利库” 入选2019年度杭州市专利示范企业名单
近日，2019年度杭州市专利示范企业名单公布。未来科技城共有八家企业获评杭州市专利示范企业，同盾控股有限公司作为科技城内明星企业上榜。
据了解，杭州市专利示范企业是为推进全市企业专利制度建设、提高企业自主知识产权的数量和质量、提升企业知识产权综合能力而树立的标杆。
截止到目前同盾已经成功获得多项重大专利授权，在创业前期同盾获取的专利主要分布在云风控平台、复杂网络、反欺诈和决策引擎等领域，而近两年来自然语言处理、图像识别、区块链、联邦学习等技术专利授权显著增多，这与同盾在人工智能、语音识别、自然语言处理方面的布局有重要关系。
同盾正在强化对核心技术的攻关和基础知识的研究，把每年营收的80%都投入到研发上，一项项专利入库，不仅为自身的发展起到自我驱动和自我赋能的作用，也丰富了国内人工智能“专利库”，未来同盾会持续在创新的道路上上下求索，为我国信息安全、自主可控，贡献一份力量。
