金融科技是技术驱动的金融创新 ， 旨在运用现代科技成果改造或创新金融产品、经营模式、业务流程等 ， 推动金融发展提质增效 。 在新一轮科技革命和产业变革的背景下 ， 人工智能技术为未来金融科技发展提供无限可能 。
人工智能应用技术框架
作为实现人工智能的重要实现方法 ， 机器学习被广泛应用于人工智能领域 。 机器学习最基本的做法 ， 是使用算法来解析数据、从中学习 ， 然后对真实世界中的事件做出决策和预测 。 传统的算法包括决策树、聚类、贝叶斯分类、支持向量机、EM、Adaboost等 。 从学习方法上来分 ， 机器学习算法可以分为监督学习（如分类问题）、无监督学习（如聚类问题）、半监督学习、集成学习、深度学习和强化学习 。 而深度学习是机器学习的子类 ， 它是用于建立、模拟人脑进行分析学习的神经网络 ， 并模仿人脑的机制来解释数据的一种机器学习技术 。
随着机器学习、深度学习等方法与系统的持续创新与演进 ， 诸如图像识别、语音识别、自然语言翻译等人工智能技术广泛应用到智能客服、智能投顾、智能投研、智能营销、金融风险防控等金融场景下 。
文章图片
【防范|防范AI潜在风险 CFCA人工智能算法金融应用评估显真章】人工智能存在的安全问题
由于机器学习和深度学习的工作原理极为复杂 ， 导致了人工智能算法通常缺乏可解释性 。 人工智能系统受到闪避攻击、药饵攻击、对抗样本攻击、物理攻击、黑盒攻击、后门攻击、窃取攻击等恶意攻击事件层出不穷 ， 增加了金融交易风险和数据泄露风险 。 因此人工智能技术应用到金融领域 ， 其安全性变得前所未有的重要 。
文章图片
如何规避人工智能技术的安全风险
2021年3月 ， 中国人民银行正式发布《人工智能算法金融应用评价规范》(JR/T 0221-2021） ， 为金融机构加强人工智能算法应用风险管理提供指引 。 该规范规定开展人工智能算法金融应用评价的金融机构、算法厂商、第三方安全评估机构应符合此规范要求 。 在进行人工智能算法金融应用评估时 ， 评估工作应从安全性、可解释性、精准性和性能方面 ， 通过查阅资料、查看系统、访谈人员、系统测试、攻击测试、算法测试、查看算法等方式开展 。
文章图片
中国金融认证中心（CFCA）立足于金融行业 ， 目前可提供符合《人工智能算法金融应用评价规范》(JR/T 0221-2021）要求的人工智能算法金融应用评估服务 ， 和您共同守护金融领域安全防线 。
推荐阅读
- 风险|筑牢安全线 打造防护堤 中国移动为5G业务发展保驾护航
- 安全风险|网络安全行业应提升数字安全认知
- 近亲繁殖|我国东北虎种群增长迅速 但近交风险不容忽视
- 虚拟世界|周鸿祎：元宇宙最大的风险是数字安全
- 影响|我国东北虎种群增长迅速 但近交风险不容忽视
- 风险|筛选风险词、用实体类型推断限售商品，阿里安全夺冠知识图谱大赛
- 防范|申报阶段就造假，如何防范学术不端前移？
- 福利|【文末福利】元宇宙真的是人间天堂吗？元宇宙时代的5大风险
- 人工智能|观察丨瑞莱智慧唐家渝：AI安全风险背后原理何如，怎样应对
- 安全风险|她为危险化学品补充安全“身份证”