中国工程院院士:网络交易中骗子的骗术会不断更新不过监管者

如何防控网上支付风险?尤其是在“双十一”高峰期,电子支付平台不仅要处理每秒50万笔以上的洪流,还需要保证安全。更难快速识别出隐藏在交易背后、盗取他人账户的“黑手”。

对此,中国工程院院士姜昌军在日前举办的“上海人工智能大讲堂”接受澎湃新闻记者专访时表示,网络交易骗子的花样繁多,而且会不断出现。更新了,但如果监管者能够关注他们 遵循正常用户的正常行为,可以不断地掌握这个规则并识别异常。

Jiang Changjun will be elected as an academician of the Department of Information and Electronic Engineering in 2021. Jiang Changjun has long been committed to the research of network financial security and is a leader in this field in my country. 开创了并发系统行为理论,攻克了交易风险防控瞬时准确识别的重大技术难题,主持建立了我国首个网络交易风险防控体系、制度和标准神经网络bp算法程序c语言实现,成功应用于网络经济、数字治理等领域。姜昌军现任同济大学特聘教授。

如今,中国互联网交易规模巨大,中国市场已成为全球最大的数字支付市场。互联网金融对国民经济发展具有重要意义,使得网络交易风险防控成为国家金融安全的重要组成部分。近年来,金融诈骗、跨境洗钱、贸易逃税等有组织的、大规模的地下诈骗行业已经形成。据不完全统计,2020年,我国金融诈骗案件约160万起,涉案金额4687亿元。网络欺诈是对网络金融安全的严重威胁。

在庞大的交易流量中,如何“快速准确”识别恶意交易?

“一方面,困难在于以往的风控是基于身份认证的,难以识别身份盗用和交易欺诈;另一方面,交易欺诈呈现出高隐蔽性和多变性的趋势。 . . , 网上交易中的跨行业联合欺诈处理难度大, 缺乏普遍性和系统性。” 江长军说道。

在上海人工智能大讲堂,姜昌军从如何解决网上交易高并发、高时效、高识别三个特点的角度,介绍了建立我国首个互联网交易风控系统的全过程。姜昌军表示,核心思想是“以同化异”。

首先是网络交易的高并发。“我们现在看到的网络交易系统具有多用户并发访问、多服务并发操作、多进程并发处理等特点,可以概括为网络并发系统行为,”姜昌军说。并行计算机是一种基于顺序计算的经典计算机模型方法。它构建了一个类似构建块的并行实时过程。很难分析网络并发的系统行为。有必要建立一个新的并发系统行为理论。

姜昌军表示,通过分析并发系统行为的一些属性,包括行为相关性、一致相关性和受控相关性,可以为后续的并发调度和行为认证建立理论基础。

姜昌军为网络并发系统的行为分析奠定了理论基础,填补了经典乔姆斯基层次不能描述系统并发行为和能级的空白。具体来说,他提出了并发语言识别器的PN机模型和并发语言生成器的向量语法,开创了网络并发系统的PN机理论,构建了描述并发系统行为能力的层次谱系,阐明了并发系统的交互和协作。并发系统。行为相关性。

同时,互联网交易流量巨大,瞬间增加。对此,姜昌军提出了“静态制动”策略,即用静态业务横切分解来指导动态数据的实时并发计算。在此基础上,将数据流服务网络解耦,分解成最小的不可分解子网,提高实现并发性。此外,在优化并发系统的计算环境方面,通过建立一系列双匹配BM算法和一些时间约束下的调度算法,动态优化配置,达到“高效率”。

姜昌军发现网络并发系统数据传输能力的性能极限,提出了一种非均衡网络流量优化计算方法,采用计算任务全局定位的树形编码方式,突破了均衡过程造成的长平衡问题。由原始网络计算方法的本地负载转移。、效率低、算法收敛慢等瓶颈,实现互联网上大规模、不平衡、短期突发等流量计算。

除了解决网络交易在高并发、高时效方面的安全问题外,还有从用户的直接行为分析中获得的网络交易行为认证。

在网上交易中,传统的交易认证采用单域管控的身份认证方式,即通过网络安全身份信息、银行账户数字密码等方式进行认证,但这些信息很容易被非法骗取。诈骗手段多变,诈骗隐蔽性增强,以及团伙的跨域犯罪,使得这种手段的有效性受到了限制。

如何适应变化而不改变?

“无所事事”:从不断变化的行为数据中解决不变的行为纹理

对于“应对一切变化保持不变”的实现,姜昌军的思路是从变化的行为数据中获取不变的行为纹理。

这也是国际上较早提出的网上交易风险防控行为的认证方式,但当时普遍采用欺诈后的汇总规则,缺乏统一设计,规则间缺乏一致性,效率低,准确性差,并且无法应对无休止的骗局。方法。

姜昌军带领团队找到了一条新路,提出了行为认证的基础,即“人的行为识别”。他提出,“在现实生活中,每个人的行为和习惯都会体现在他们的言行中。在互联网上也是如此。任何一个小行为都会留下‘痕迹’,比如使用的设备、时间的长短、频率……久而久之就会形成一种习惯,这种习惯就像指纹一样难以复制,比密码还要复杂,通过对这些“痕迹”的深入分析,可以瞬间准确识别在线交易支付的用户。”

“以行为识人”通过整合普通消费者的资金链、消费方式、消费时间、消费地点等多要素、碎片化的信息,完成消费模式的建模,并与骗子转移的异常分散规律进行对比一次性资金分析以识别欺诈行为。该方法应用于当时的在线交易平台后,交易识别率从44%提高到96.91%。

目前,该成果已应用于全球最大的第三方支付平台支付宝,服务于全球200多个国家和地区的9亿多实名支付宝用户。“Paypal的赔付率是1.9‰,也就是你赚1000元,你就赔1.9元,我们是5‰。”蒋昌军说。

姜昌军团队还与工商银行、上海自贸区等单位建立合作关系,通过工商银行、自贸区企业行为风险防控技术等产品对金融系统进行安全监控管理.

此时,我们可以考虑一个更宏观的问题。AI如何在场景中实际实施才能有效?

姜昌军告诉澎湃新闻,“人工智能的发展是一个长期的过程,深度学习确实解决了一些问题,但我们不能指望它一下子解决所有的问题。它还没有达到这个水平。如果期望“太高了,时间长了,反而会适得其反。从我的经验来看,还是要找出问题,找出对策,扎扎实实的解决问题。”

人工智能的未来:植根真实场景,突破基础研究短板

“目前,我国在智能交通、互联网金融、智慧医疗等领域已经取得初步应用成果。国内互联网企业也规划了人工智能蓝图,比如百度的自动驾驶、阿里的城市大脑智能交通、腾讯的医疗阅读、视频和医疗图像数据处理、科大讯飞的语音识别;以寒武纪、科大讯飞、商汤科技为代表的初创企业不断创新技术;海康威视在全球智能安防企业中排名第一。这些都是我国实际取得的成绩人工智能行业。” 江长君曾经说过。

姜昌军还指出,我国人工智能产业尚未形成具有影响力的生态系统和产业链。与美欧相比,更注重应用落地,但基础理论和原创算法开发薄弱,缺乏突破,共性技术平台和智能芯片的标志性研究成果开发也相对薄弱。

“从我国人工智能的发展来看,我们非常重视应用,但基础研究仍然存在不足。人工智能领域的主要理论和技术大多来自西方国家。基础科学研究需要大量的资源和投入周期,长期、高不确定性和高风险,短期内难以取得成果,但只有长期投入和耐心,才能实现真正持久的创新和持续技术发展。” 江长军又说。

值得注意的是,蒋昌军对澎湃新闻说,“对数据的理解很重要”。深度学习依赖于大量的馈送数据,所以要判断它是否合适,仅仅考虑模型和算法是不够的。“我觉得让AI发挥作用的一个很好的切入点是对大数据有一些理论和分析方法。如果你对大数据的结构特征、边界特征和条件特征有结论,那么你自然会知道大数据的形状。对数据有深入的了解后,在设计算法时可以更好的适应和接近数据,取得更好的效果。目前有图,函数逼近理论,随机分析,等等,但他们仍然缺乏。”

那么你如何看待人工智能的未来?

蒋昌军曾表示,传统AI关注从感知到认知的过程,实现从逻辑到计算的持续改进;而当前的人工智能则是从弱智到强智,从闭环到开环,从确定到不确定系统。

他进一步解释说,“目前的神经网络模型大多侧重于数据的计算层面。事实上,一台先进的智能机器应该具备环境感知和逻辑推理的能力。将人工智能演算和计算结合起来,结合基于规则的计算。”系统的推理能力和神经网络的学习能力可以构建更强大的AI模型,推理能力还可以帮助减少神经网络学习新事物所需的数据量,这样的交互和融合将是当前AI从弱到强的主要突破口。”

姜昌军认为,在类脑认知模型的构建中,当前脉冲神经网络的神经元以电脉冲的形式编码信息,更接近于真实神经元的信息编码方式,能够很好地编码时间信息。但由于脉冲训练缺乏高效的学习方法,需要大量的计算能力,与深度网络等模型在性能上仍有一定差距。“未来,两类模型仍需不断从脑科学中吸取养分,不断融合,开发出性能更好、效率更高的新一代神经网络模型。”

当被问及学会和研究机构在未来人工智能发展中的作用时,姜昌军告诉澎湃新闻神经网络bp算法程序c语言实现,无论是学会还是研究机构,本质上都是在赋能企业。要做好这件事,就必须深入到具体问题上。例如,只有真正了解交易过程的场景、规律、业务特点,才能解决问题。

姜昌军曾谈起自己的30年科研经历,“回顾30年的科研,我深感基础创新是解决科技难题的法宝。在当今时代,科学的发展科技日新月异,面对科技创新的挑战,我们要更加重视基础创新,要不断回顾该领域的发展历史,梳理演进脉络,认清基础创新。高起点,开阔思路,勇于创新,严谨求实,着力解决难题。”

© 版权声明
THE END
喜欢就支持一下吧
点赞0
分享
评论 抢沙发

请登录后发表评论