度小满杨青：AI防欺诈不应只是单点突破 要有“全链条”屏障

　　正所谓技术是一把双刃剑，人工智能在如火如荼发展过程中，利用AI技术造假、伪造等事件也是屡见不鲜。

　　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、深度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这样的深度伪造技术，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。

　　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。

　　征信报告还蕴藏着大量的关联信息。对此，图机器学习模型便成了较好的解决方案，可以很好地识别、表达、利用关联信息并获得所需的知识，方便解决违约风险存在传导性等隐患问题。

　　但在AI技术双刃剑的这场“攻防战”中，仅是上述的努力还是远远不够的。对此，杨青表示，度小满还将持续加码技术，继续深入布局图计算、RPA应用、多模态技术的落地应用；还将布局联邦学习，全面提升数据保障方面的能力；并且探索低代码技术，促进金融领域各项目的快速落实。

   【免责声明】本文仅代表第三方观点，不代表和讯网立场。投资者据此操作，风险请自担。