首页
学习
活动
专区
工具
TVP
发布
精选内容/技术社群/优惠产品,尽在小程序
立即前往
  • 您找到你想要的搜索结果了吗?
    是的
    没有找到

    对话腾讯安全杨勇:产业互联网带来哪些新的安全挑战

    在 2019 腾讯安全国际技术峰会上,腾讯安全平台部负责人、腾讯安全学院副院长杨勇向TechWeb等表示,产业互联网的发展给安全问题带来很多新的挑战,具体表现在三个方面。 第一,攻击面扩大,比如腾讯安全科恩实验室最新研究的汽车安全问题,实际上就是产业互联网带来的,是互联网跟汽车行业出行安全的结合。 第二,跨界,如果要解决安全问题,现在需要更多不同领域知识的结合。 第三,产业攻击场景的出现,现在攻击场景越来越产业化,比如,之前的攻击是你有一段代码,操作系统有一个漏洞,然后我把这个漏洞研究好我黑进去了,然

    03

    从技术迭代到实践应用,一文看透AI中台演进之路

    “AI平台”这个概念,也是最近两年才逐渐流行起来。在2015年之前,与AI平台概念比较相近的是数据建模工具,如比较著名的SAS跟SPSS等。2016年以来,伴随AlphaGO引领着AI概念的广泛传播,AI平台逐步在国内流行起来。国外在定义AI的概念时,主要根据其两大用途进行划分,一是通过机器学习的能力进行数据分析,一般称之为机器学习平台(Machine Learning Platform)或者数据科学平台(Data Science Platform),另外则是通过NLP或者CV接口提供通用AI识别能力,通常称之为AI智能接口。而国内在定义AI平台时,最初只是将“通过云端方式提供深度学习算法或者深度学习模型”称为AI平台。随着深度学习热度的褪去,这个市场由于没有足够的落地场景而冷却,AI平台也随之将数据科学平台的能力与深度学习算法能力逐步结合起来。2018年以来,数据中台及AI平台的概念逐渐兴起,也有不少人将AI平台的概念融入中台,称之为AI中台。

    03

    互联网金融这么火,安全问题如何破?

    在“互联网+”大潮中,互联网金融可谓是百花齐放,银行、支付、保险、股市、基金、小贷、征信、理财、记账,每一个细分领域都在与互联网发生化学反应。互联网俨然已成为金融行业的兴奋剂,激活了基金、股市、贷款诸多金融业务。它让基金大卖,它让2015年的股票屡现“牛市”,它让闲散资金与借贷需求精准匹配……但魅力无穷的互联网金融却难掩短板:安全。 不再面对面,安全成互联网金融的根本 互联网给金融生活带来了诸多方便:转账再也不用去银行排队,日常生活越来越少用到现金,可以像买菜一样方便地购买基金,前段时间股市暴热全民开户,都

    07

    腾讯安全天御助力打造“零接触银行” ,狙击春节“撸口子”大军

    随着金融行业信贷业务的不断拓展,以贷款平台为长期饭票和生活来源的“撸口子”大军也愈加壮大。而网贷平台的蓬勃发展更是让一群伺机而动者有了更多可趁之机,成为困扰银行、金融机构的重要业务风险痛点。 近日,某银行遭受了一波“撸口子”大军的悄然攻击,再次拷问了该金融系统在防御薄弱节点的业务风控安全能力与防线。腾讯安全天御基于在金融科技领域的技术优势和领先经验,构建腾讯T-Sec 天御-星云风控平台,通过对当前进件量、通过率、授信成功及提款客户情况等维度的分析研判,有效地拦截了“撸口子”大军的攻击,获得了客户的认可

    02

    【应用】揭秘互联网金融的大数据风控

    大数据能够进行数据变现的商业模式目前就是两个,一个是精准营销,典型的场景是商品推荐和精准广告投放,另外一个是大数据风控,典型的场景是互联网金融的大数据风控。 金融的本质是风险管理,风控是所有金融业务的核心。典型的金融借贷业务例如抵押贷款、消费贷款、P2P、供应链金融、以及票据融资都需要数据风控识别欺诈用户及评估用户信用等级。 传统金融的风控主要利用了信用属性强大的金融数据,一般采用20个纬度左右的数据,利用评分来识别客户的还款能力和还款意愿。信用相关程度强的数据纬度为十个左右,包含年龄、职业、收入、学历

    04

    【钱塘号专栏】揭秘互联网金融的大数据风控

    大数据能够进行数据变现的商业模式目前就是两个,一个是精准营销,典型的场景是商品推荐和精准广告投放,另外一个是大数据风控,典型的场景是互联网金融的大数据风控。 金融的本质是风险管理,风控是所有金融业务的核心。典型的金融借贷业务例如抵押贷款、消费贷款、P2P、供应链金融、以及票据融资都需要数据风控识别欺诈用户及评估用户信用等级。 传统金融的风控主要利用了信用属性强大的金融数据,一般采用20个纬度左右的数据,利用评分来识别客户的还款能力和还款意愿。信用相关程度强的数据纬度为十个左右,包含年龄、职业、收入、学历、工

    07

    量化派基于Hadoop、Spark、Storm的大数据风控架构

    量化派是一家金融大数据公司,为金融机构提供数据服务和技术支持,也通过旗下产品“信用钱包”帮助个人用户展示经济财务等状况,撮合金融机构为用户提供最优质的贷款服务。金融的本质是风险和流动性,但是目前中国对于个人方面的征信行业发展落后于欧美国家,个人消费金融的需求没有得到很好的满足。按照央行最新数据,目前央行征信中心的数据覆盖人口达到8亿人[1],但其中有实际征信记录的只有3亿人左右,有5亿人在征信系统中只是一个身份证号码。此外,我国还有5亿人跟银行从来没有信贷交易关系,这5亿人对金融部门来说是陌生人。这样算下来

    03

    信贷风控模型搭建及核心风控模式分类

    一、当前风控模式现状 近年来,信用风险管理发展呈现出数据化、模型化、系统化、自动化和智能化的特点。传统的人工专家经验正逐步被模型与算法替代。 因此,科技较为领先的金融服务公司会选择采用模型方式完成对借款人的自动评估与审批。目前,对于信贷审核来说主要基于的风控模式为IPC、信贷工厂、大数据三种,每一种都有自己不同的侧重点。 二、最核心的风控模式分类 1.IPC模式 IPC模式起源于德国邮储银行,该模式重视实地调查和信息验证,主要通过对客户经理调查走访、信息交叉验证等方面。需要对客户经理进行至少2个月以上的专业技术培训,提升客户经理辨别虚假信息能力和编制财务报表的技能,从而防范信用风险。 IPC公司信贷技术的核心,是评估客户偿还贷款的能力。主要包括三个部分:一是考察借款人偿还贷款的能力,二是衡量借款人偿还贷款的意愿,三是银行内部操作风险的控制。每个部分,IPC都进行了针对性的设计。 这种模式主要运用于数据缺失、不具备财务管理环境、银行流水不完整,信用记录空白等的小微企业,其中,信贷员负责整个过程,从接受客户的申请到信用检查、现场信用、风险评估再到匹配贷款、付款催收和逾期付款。对信贷员的专业技能要求较高,信贷员对贷款全流程把关,一定程度上确保了项目的真实性。但又因为是以信贷员为核心,以信贷员的判断为依据,有一定的操作风险与道德风险。 2.信贷工厂模式 信贷工厂模式是新加坡淡马锡控股公司(Temasek Holdings)为解决小微企业信贷流程的弊端,推出了一种改善小微企业信贷流程的“信贷工厂”模式,“信贷工厂”意指银行像工厂标准化制造产品一样对信贷进行批量处理。 具体而言,就是银行对中小企业贷款的设计、申报、审批、发放、风控等业务按照“流水线”作业方式进行批量操作。在信贷工厂模式下,信贷审批发放首先要做到标准化,每个流程都有确定的人员分工,如客户经理、审批人员和贷后监督人员专业化分工。并且为了监控风险采用产业链调查方法,从不同角度对借贷企业进行交叉印证。 信贷工厂模式的特点是效率高,可以进行量化审核。过程之间环环相扣,对每个环节都有专人把控具体的把控。正因为这样,意味着需要消耗大量的人力成本,每个流程都需要对口的人员做支撑。 3.大数据模式 大数据风控模式是指通过对海量的、多样化的、实时的、有价值的数据进行采集、整理、分析和挖掘,并运用大数据技术重新设计征信评价模型算法,多维度刻画信用主体的“画像”,向信息使用者呈现信用主体的违约率和信用状况。 大数据模式是基于互联网的兴起,该模式利用互联网数据的连通性,对触及到的风险的数据进行筛选,大大减少了人工审核的时间成本,同时也保证了数据结果的真实性。 三、P2P公司个人信贷评分卡模型 我们先讨论下如何从实际业务出发,以怎样的开发流程才能建立一个有效、有用、有价值的模型,希望读后能给你一定的启发。

    01
    领券