本篇文章1392字,读完约3分钟
最近,kdd x taic 2018大会在英国伦敦举行。腾讯云金融风险控制业务研发负责人李超博士应邀出席会议,并发表了题为“云安全、地下产业、反欺诈中的人工智能”的演讲。他指出,在云安全面临巨大挑战的背景下,金融业的网络黑生产日趋激烈。防御方的反欺诈技术也在不断升级,风险控制技术中深度学习的应用将使金融业的反欺诈系统具有更高的识别率和准确率。
Kdd国际数据挖掘会议是世界上数据挖掘领域的最高学术会议。会议上分享的主题是跨学科的,并且被广泛使用。出席会议的顶尖专家、学者和工程师来自统计学、机器学习、生物信息学、自然语言处理、高性能计算和许多其他领域。
李超在kdd x taic 2018大会上发表演讲
金融界风起云涌,网络黑生产的精细化趋势威胁着企业的安全
中国金融市场近年来发展迅速。特别是在互联网时代,金融业呈现出与不同情景深度融合的显著趋势。在巨大利益的驱使下,网络黑产品也迅速侵入金融业支付和消费的方方面面,给企业和用户带来巨大风险。
不仅如此,精细的劳动分工和黑色产品的成熟增长使得几乎每个企业都无法幸免。从数据窃取、包装、转售,到利用泄露的数据进行欺诈,每个环节都有非常有针对性的犯罪手段。然而,一旦平台的风险控制系统出现漏洞,黑色产品就会蜂拥而至,造成难以承受的损失。李超说,风险控制是金融业生存的关键。
腾讯云天宇反欺诈系统正在不断升级,深入学习和探索前沿的风险控制技术
目前,金融行业的反欺诈风险控制系统主要采用两种风险控制技术:记分卡模型和集成模型。记分卡模型使用逻辑回归算法对数据进行训练,具有快速的在线实时响应时间,但需要大量复杂的特征工程工作才能得到理想的结果。然而,集成模型使用迭代算法通过不断校正模型残差来实现更精确的预测,这通常比记分卡模型更精确。
李超在演讲中说,深度学习与其说是一种新算法,不如说是一种技术架构,它可以将许多传统的机器学习方法有机地结合成一个统一的系统,并且在添加模块时不需要频繁地适应新的算法库。这种灵活的体系结构可以根据具体场景的需要添加新的算法模块,更准确地学习大量多维数据之间的复杂关系。在金融行业风险控制场景中的应用可以提高黑产品识别率,使企业平台具有更有效的防御能力。
李超在讲话中以混合神经网络为例,说明了深度学习的框架和运行机制,即如何对数据进行逐层处理,进行风险预测。具体而言,混合神经网络将对数据的密集特征进行归一化,对数据的类别特征进行嵌入和交叉融合,并对编号特征和时间序列数据进行广义word2vec编码和多层rnn模型叠加处理。数据降维、特征相交和特征提取后逐层处理,数据通过级联函数运算形成深层神经网络,从而进行风险预测。
混合神经网络模型
腾讯云通过人工智能深度学习,将腾讯大数据的庞大数据库应用到金融反欺诈领域,推出了天宇反欺诈系统,该系统通过反欺诈、消息过滤、验证码、活动反刷等功能实现了开放性。,并为金融业(银行、证券、保险等)提供欺诈识别、金融级身份认证、防止恶意营销和防止“羊毛党”等服务。)。天宇反欺诈系统不仅可以达到90%以上的识别率,而且可以全方位描述欺诈行为。
此外,李超在讲话中透露,腾讯云将继续发挥其在图结构数据和混合神经网络研究方面的优势,不断增强模型的迁移学习和半监督学习能力,结合腾讯生态的海量数据优势及其20年的黑色生产对抗经验,帮助金融业不断提升风险控制能力。
来源:央视线
标题:腾讯云亮相KDD2018 学习催化天御反欺诈系统高识别率
地址:http://www.yangshinews.com/ysxw/32804.html