蛋播视频一区,无码鲁丝一区二区,精品 久久 五月天,国产老熟女,五月草草在线观看,中文日韩欧美,情色一区二区三区,欧美日韩亚洲激情在线,亚洲制服在线香蕉

近日，清華大學五道口金融學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，大幅領先于其他所有行業(yè)。

其次，金融機構的數(shù)據(jù)合規(guī)建設還處于成長階段。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，對于金融機構而言，有一個熟悉的過程。因此，我認為，過去幾年，是金融機構數(shù)據(jù)合規(guī)建設的成長階段，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注的問題。

二是自主創(chuàng)新磨合之痛。金融關鍵基礎設施的自主創(chuàng)新與自主可控建設工作，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，尤其是基于深度學習的模型，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)中學習模式來做出決策，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練數(shù)據(jù)不全面或存在偏見，模型可能會學習并復制這些偏見。例如，如果訓練數(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，模型算法的設計、結構或參數(shù)選擇也可能導致偏差決策。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，能夠有效應對這種開放、復雜、多變、海量的供需結構。

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)應用“解耦”。我認為，構建金融數(shù)據(jù)元件“中間態(tài)”，是有效破解金融數(shù)據(jù)確權、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，以及法規(guī)體系、技術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)流動方面的應用是值得認真研究和高度關注的。

二是加強相關人才培養(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提出了許多新挑戰(zhàn)，需要大量懂金融、懂AI、懂安全的復合型人才提供支持。然而，我國相關學科建設、社會培訓、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，人工智能相關崗位人才供不應求，在高薪崗位TOP20中，以ChatGPT研究員、算法、深度學習為代表的人工智能崗位擁有10席。清華大學五道口金融學院金融安全研究中心愿意與各政、產(chǎn)、學、研、用等相關單位開展廣泛的合作，積極開展金融智能相關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順的，需要在做好風險隔離的前提下，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，為金融強國建設貢獻積極的力量。

來源 |清華五道口