人工智能等技术在金融行业的广泛应用，推动行业蓬勃发展的同时，也带了更多潜在风险，给行业带来了巨大的挑战。以金融领域应用十分普遍的人脸识别技术来说，就有不法分子通过技术漏洞实施诈骗、盗刷等犯罪行为。面对 伪造技术带来的风险，日前在“北大光华-度小满金融科技前沿技术研讨会”上，度小满技术委员会执行主席杨青认为应该建立“全链条”屏障来进行防范。
伪造冲击金融领域，金融业应守住全链条安全
就在前不久，国内某大型银行的人脸识别环节被诈骗分子攻破，诈骗团伙利用注入绕过、 伪造等技术冒名顶替银行卡持有者本人，从其银行卡中盗取数十余万元。诸如DeepFake这样的 伪造技术，不仅对个人产生了影响和伤害，更是对各行各业带来了潜移默化的安全隐患，尤其是隐私度较高的金融领域。那么面对如此现状，又该如何破解?
7月20日，在“北大光华-度小满金融科技前沿技术研讨会”上，度小满技术委员会执行主席杨青介绍了前沿AI技术在金融领域的具体应用。杨青认为，金融领域要做到AI防深伪，不仅仅是识别人脸的真假这么简单。在AI科技与金融不断深入融合的当下，获客、风控等日常环节均在朝着智能化方向变化。因此，金融领域的AI防深伪，不应当只是针对DeepFake这种技术的单点突破，而是要守住整个链条、每个节点的安全，建立“全链条”屏障。
度小满运用前沿技术防范 伪造技术危害
随着人脸认证的普及应用，不法分子通过DeepFake这样的技术来伪造人脸的诈骗也日益增多。“眼见未必为实”，这类虚假视频肉眼往往无法识别，怎么防范这类新型风险?度小满的防深伪技术，运用了千万级样本;从中提取了多域视觉特征：包含傅立叶频谱特征、小波特征、和RGB空域特征等等，利用多特征融合共同辅助鉴伪。目前度小满防深伪技术已经可以覆盖各种深伪形式，比如静态人像图片活化和AI换脸等，千分之一误报率下召回为90%以上。
反欺诈是金融风控审核的第一步，目的是排除“坏人”，对于通过这一步的“好人”，如何判断他的信用，决定给多少授信额度呢?央行征信报告是判断个人信用的最重要依据，但征信报告存在大量的非结构化数据，许多具备潜在价值的数据并未能被充分挖掘。为此，度小满利用NLP自然语言处理技术对它们进行分析和识别，再通过自监督预训练模型，从而达到从文本中识别用户风险的目的。
在AI技术双刃剑的这场“攻防战”中，仅有上述的努力还是远远不够的。当前，度小满在 学习、知识图谱、情感计算等人工智能细分领域均已布局许久，并取得了不错的成果。同时，在智能风控体系建设方面，度小满也有着深厚的技术积累和广泛的市场应用。在此基础上，度小满还将持续加大技术和风控投入，提高数据安全保障水平，全面筑牢数据安全屏障。
（免责声明：本网站内容主要来自原创、合作伙伴供稿和第三方自媒体作者投稿，凡在本网站出现的信息，均仅供参考。本网站将尽力确保所提供信息的准确性及可靠性，但不保证有关资料的准确性及可靠性，读者在使用前请进一步核实，并对任何自主决定的行为负责。本网站对有关资料所引致的错误、不确或遗漏，概不负任何法律责任。
任何单位或个人认为本网站中的网页或链接内容可能涉嫌侵犯其知识产权或存在不实内容时，应及时向本网站提出书面权利通知或不实情况说明，并提供身份证明、权属证明及详细侵权或不实情况证明。本网站在收到上述法律文件后，将会依法尽快联系相关文章源头核实，沟通删除相关内容或断开相关链接。 ）
