亚洲欧美中文日韩在线v日本,亚洲精品永久在线观看,亚洲av日韩av永久无码色欲,亚洲成a人片777777,亚洲人成网站在线播放942

近日，清華大學(xué)五道口金融學(xué)院金融安全研究中心主任周道許出席第七屆中國金融科技創(chuàng)新大會，并作題為“對金融智能化發(fā)展的思考”的演講。部分內(nèi)容如下。

一、金融智能化的三個痛點

一是金融數(shù)據(jù)流動之痛。數(shù)據(jù)是人工智能發(fā)展的血液，但數(shù)據(jù)安全問題將會是促進金融數(shù)據(jù)流動和金融行業(yè)智能化的長期挑戰(zhàn)。

首先，金融數(shù)據(jù)是黑客們的最愛。金融數(shù)據(jù)已成為網(wǎng)絡(luò)攻擊的首選目標，數(shù)據(jù)的泄露、竊取、篡改等事件頻繁發(fā)生。根據(jù)威瑞森（Verizon）發(fā)布的《2023年數(shù)據(jù)泄漏調(diào)查報告》，74%的金融和保險行業(yè)數(shù)據(jù)泄露事件涉及個人數(shù)據(jù)泄露，大幅領(lǐng)先于其他所有行業(yè)。

其次，金融機構(gòu)的數(shù)據(jù)合規(guī)建設(shè)還處于成長階段。近年來，監(jiān)管部門開出的數(shù)據(jù)罰單不斷增加。據(jù)畢馬威統(tǒng)計，2023年第三季度，金融監(jiān)管總局、人民銀行向銀行、保險公司、證券公司等金融機構(gòu)共開出數(shù)據(jù)罰單425張，罰款金額為76.9億元，涉及266家法人；2023年第三季度罰單數(shù)量較上一季度環(huán)比上漲40.3%，較去年同期同比上漲32.4%，罰單數(shù)量整體呈上升態(tài)勢。出現(xiàn)這一情況，其中一個重要的原因是“數(shù)據(jù)”不管是對于金融行業(yè)也好，還是對于其他行業(yè)也好，依然是一個“年輕”的生產(chǎn)要素，對于金融機構(gòu)而言，有一個熟悉的過程。因此，我認為，過去幾年，是金融機構(gòu)數(shù)據(jù)合規(guī)建設(shè)的成長階段，還需要一定的時間走向成熟。

第三，數(shù)據(jù)跨境流動日益頻繁，合規(guī)隱患和數(shù)據(jù)安全挑戰(zhàn)也會隨之增加。隨著《數(shù)據(jù)出境安全評估辦法》《個人信息跨境處理活動安全認證規(guī)范》《個人信息出境標準合同辦法》以及《規(guī)范和促進數(shù)據(jù)跨境流動規(guī)定（征求意見稿）》相繼發(fā)布，數(shù)據(jù)跨境規(guī)范管理的框架已見雛形。但怎樣做到讓金融數(shù)據(jù)在跨境流動的過程中，“既高效合規(guī)，又安全可靠”會是一個需要高度關(guān)注的問題。

二是自主創(chuàng)新磨合之痛。金融關(guān)鍵基礎(chǔ)設(shè)施的自主創(chuàng)新與自主可控建設(shè)工作，是一個新舊系統(tǒng)交替的過程，需要較長時間的磨合才能達到人機交互的逐漸和諧。我們要清醒地認識到，這種系統(tǒng)更迭的“短痛”是為了“長期的安全和穩(wěn)定”，這是一項具有重要歷史使命的工作。

三是人工智能安全之痛。大模型是人工智能發(fā)展的大腦，模型安全因此成為金融行業(yè)發(fā)展人工智能面臨的關(guān)鍵挑戰(zhàn)。主要體現(xiàn)在兩個方面。一方面：人工智能模型的可解釋性和透明度較差。人工智能大模型，尤其是基于深度學(xué)習(xí)的模型，經(jīng)常被描述為“黑箱”模型，因為它們的內(nèi)部運算邏輯和決策過程往往不透明。這些模型通過從大量數(shù)據(jù)中學(xué)習(xí)模式來做出決策，但它們的確切決策過程可能難以解釋。在金融行業(yè)，這種缺乏透明度和可解釋性可能會導(dǎo)致監(jiān)管合規(guī)性問題，尤其是在需要向客戶或監(jiān)管機構(gòu)解釋決策過程的情況下。

另一方面：人工智能模型可能會出現(xiàn)數(shù)據(jù)和算法偏見。如果人工智能模型的訓(xùn)練數(shù)據(jù)不全面或存在偏見，模型可能會學(xué)習(xí)并復(fù)制這些偏見。例如，如果訓(xùn)練數(shù)據(jù)在性別、種族、地理位置等方面存在偏差，模型可能會對這些特定群體做出不公平或不準確的決策。即使數(shù)據(jù)沒有明顯偏差，模型算法的設(shè)計、結(jié)構(gòu)或參數(shù)選擇也可能導(dǎo)致偏差決策。某些算法可能在處理特定類型的數(shù)據(jù)時表現(xiàn)出固有的偏差。

二、金融智能化的三點建議

一是用好數(shù)據(jù)元件，加速金融數(shù)據(jù)流動。金融數(shù)據(jù)要素流動是金融業(yè)智能化發(fā)展的關(guān)鍵步驟。而高價值的數(shù)據(jù)要素流動需要在數(shù)據(jù)脫敏的同時最大化地保留數(shù)據(jù)的價值。怎樣做到既脫敏，又最大化保留數(shù)據(jù)原有價值？這是金融數(shù)據(jù)流動需要解決的首要問題。構(gòu)建金融數(shù)據(jù)“中間態(tài)”成為打通金融數(shù)據(jù)要素市場化實現(xiàn)路徑的破題之道。為實現(xiàn)金融數(shù)據(jù)要素市場化的高效配置，讓數(shù)據(jù)“供需兩端”真正貫通，新的運行模式必須遵從金融數(shù)據(jù)自身的特點和規(guī)律，能夠有效應(yīng)對這種開放、復(fù)雜、多變、海量的供需結(jié)構(gòu)。

以數(shù)據(jù)元件作為數(shù)據(jù)“中間態(tài)”，成為數(shù)據(jù)要素市場流通交易的新形態(tài)。中國電子把數(shù)據(jù) “中間態(tài)”定義為“數(shù)據(jù)元件”，指通過對數(shù)據(jù)脫敏處理后，根據(jù)需要由若干字段形成的數(shù)據(jù)集或由數(shù)據(jù)的關(guān)聯(lián)字段通過建模形成的數(shù)據(jù)特征。采用可控制、可計量、可定價的數(shù)據(jù)元件作為連接數(shù)據(jù)供需兩端的“中間態(tài)”，實現(xiàn)原始數(shù)據(jù)與數(shù)據(jù)應(yīng)用“解耦”。我認為，構(gòu)建金融數(shù)據(jù)元件“中間態(tài)”，是有效破解金融數(shù)據(jù)確權(quán)、計量、定價和安全難題的重要探索。從實現(xiàn)路徑來講，需要完整的組織架構(gòu)，以及法規(guī)體系、技術(shù)體系和流通體系的保障和支撐?！皵?shù)據(jù)元件”在金融數(shù)據(jù)流動方面的應(yīng)用是值得認真研究和高度關(guān)注的。

二是加強相關(guān)人才培養(yǎng)。金融行業(yè)的智能化發(fā)展在人工智能模型搭建、算力硬件資源部署、數(shù)據(jù)安全治理、金融科技合規(guī)使用等方面對金融機構(gòu)提出了許多新挑戰(zhàn)，需要大量懂金融、懂AI、懂安全的復(fù)合型人才提供支持。然而，我國相關(guān)學(xué)科建設(shè)、社會培訓(xùn)、人才供給明顯無法跟上金融智能化發(fā)展和金融科技創(chuàng)新的腳步。脈脈高聘發(fā)布的《2023年度人才遷徙報告》顯示，人工智能相關(guān)崗位人才供不應(yīng)求，在高薪崗位TOP20中，以ChatGPT研究員、算法、深度學(xué)習(xí)為代表的人工智能崗位擁有10席。清華大學(xué)五道口金融學(xué)院金融安全研究中心愿意與各政、產(chǎn)、學(xué)、研、用等相關(guān)單位開展廣泛的合作，積極開展金融智能相關(guān)教材編寫和人才培養(yǎng)合作。

三是建立適當?shù)娜蒎e機制。金融智能化創(chuàng)新發(fā)展的過程是很難做到一帆風(fēng)順的，需要在做好風(fēng)險隔離的前提下，鼓勵創(chuàng)新、大膽試錯。因此需要建立一定的容錯機制，讓更多的創(chuàng)新涌現(xiàn)，積極探索金融智能化高質(zhì)量發(fā)展的多元化和多層次發(fā)展路徑，為金融強國建設(shè)貢獻積極的力量。

來源 |清華五道口