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。
本文转自极客公园,如需转载请至极客公园官网申请授权。