正所謂技術是一把雙刃劍，人工智能在如火如荼發展過程中，利用AI技術造假、偽造等事件也是屢見不鮮。
就在前不久，國內某大型銀行的人臉識別環節被詐騙分子攻破，詐騙團伙利用注入繞過、深度偽造等技術冒名頂替銀行卡持有者本人，從其銀行卡中盜取數十余萬元。
諸如DeepFake這樣的深度偽造技術，不僅對個人產生了影響和傷害，更是對各行各業帶來了潛移默化的安全隱患，尤其是隱私度較高的金融領域。
那么面對如此現狀，又該如何破解？
7月20日，在“北大光華-度小滿金融科技前沿技術研討會”上，度小滿技術委員會執行主席楊青介紹了前沿AI技術在金融領域的具體應用。
楊青認為，金融領域要做到AI防深偽，不僅僅是識別人臉的真假這么簡單。在AI科技與金融不斷深入融合的當下，獲客、風控等日常環節均在朝著智能化方向變化。因此，金融領域的AI防深偽，不應當只是針對DeepFake這種技術的單點突破，而是要守住整個鏈條、每個節點的安全，建立“全鏈條”屏障。
隨著人臉認證的普及應用，不法分子通過DeepFake這樣的技術來偽造人臉的詐騙也日益增多�！把垡娢幢貫閷崱�，這類虛假視頻肉眼往往無法識別，怎么防范這類新型風險？度小滿的防深偽技術，運用了千萬級樣本；從中提取了多域視覺特征：包含傅立葉頻譜特征、小波特征、和RGB空域特征等等，利用多特征融合共同輔助鑒偽。目前度小滿防深偽技術已經可以覆蓋各種深偽形式，比如靜態人像圖片活化和AI換臉等，千分之一誤報率下召回為90%以上。
反欺詐是金融風控審核的第一步，目的是排除“壞人”，對于通過這一步的“好人”，如何判斷他的信用，決定給多少授信額度呢？
央行征信報告是判斷個人信用的最重要依據，但征信報告存在大量的非結構化數據，許多具備潛在價值的數據并未能被充分挖掘。為此，度小滿利用NLP自然語言處理技術對它們進行分析和識別，再通過自監督預訓練模型，從而達到從文本中識別用戶風險的目的。
征信報告還蘊藏著大量的關聯信息。對此，圖機器學習模型便成了較好的解決方案，可以很好地識別、表達、利用關聯信息并獲得所需的知識，方便解決違約風險存在傳導性等隱患問題。
但在AI技術雙刃劍的這場“攻防戰”中，僅是上述的努力還是遠遠不夠的。對此，楊青表示，度小滿還將持續加碼技術，繼續深入布局圖計算、RPA應用、多模態技術的落地應用；還將布局聯邦學習，全面提升數據保障方面的能力；并且探索低代碼技術，促進金融領域各項目的快速落實。
【免責聲明】本文僅代表第三方觀點，不代表和訊網立場。投資者據此操作，風險請自擔。
最新評論