当AI遇上金融科技，揭秘360金融背后的技术原理与架构

当AI遇上金融科技，揭秘360金融背后的技术原理与架构

推荐 2019-12-04 17:42:59

随着互联网技术在金融领域中的应用与融合，金融科技不断出现在人们的视野中、生活中。然而，面对金融科技与新技术的发展，广大金融从业者、科技从业者，在把握企业合规和业务发展之间平衡的过程中，却难免会遇到一些新的风险挑战。

在跨系统的结构中，技术人应当怎样应对 AI 带来的更大风险点？“爆款”数据中台将对业务产生怎样的价值？针对金融应用领域中的数据孤岛问题将如何解决？在监管方面的“信息安全”顾虑又该如何消除？

在「360 金融 AI 之夜：科技与金融的融汇探索之旅」的晚场活动上，360 金融技术副总裁姜涛、360金融首席数据科学家沈赟博士、360 集团云平台部高级技术总监王哲、360 大数据中心技术总监徐皓一同给出了 360 金融的破局策略。随后在 Lean Coffee 环节，六位来自 360 金融的技术专家与开发者们就金融科技领域的 5 个技术主题，进行了深度的探讨与交流。

360 金融技术布局

基于"互联网+金融"的时代背景，360 金融结合自身实践经验，对传统金融业务所面临的四大问题与挑战进行了总结：

业务门槛高。从线上获客到新业务开发，线上流量与线下获客的成本越来越高，增速也越来越慢；

客户体验差。传统的金融业务的流程复杂、周期较长、覆盖面较小等原因，都会造成客户体验较差的结果；

劳动力密集。传统金融领域是劳动力密集的行业，其需要许多地推以及网点人员，自动化程度较低，效率也不高；

人力成本高。现如今的人力成本正逐年提高，传统金融从业人员的待遇期望也逐步提升。

由此看来，传统金融业的数字化转型蓄势待发，而金融科技也将成为传统金融业转型升级的重要推动力和未来发展的发力点。那么，360 在金融科技上有哪些技术沉淀和布局？在「360 金融 AI 之夜」晚场活动上，360 金融技术副总裁姜涛完整阐述了 360 金融的五大技术布局，分别为：人工智能、数据中台、区块链、金融云和联邦学习。

在人工智能方面，通过在 360 金融 AI 算法平台、算法库进行训练，用户可提炼出了真正适用于不同业务场景的各种模型，如营销模型、反欺诈模型、信用评分模型、贷前额度模型、贷中调整模型等，覆盖了金融业务的全生命周期。值得注意的是，能在全流程、全生命周期中引入人工智能的企业，其实在业界中并不多见，360 金融就是其中一个。

在数据中台方面。360 金融当前已具备数据资产协作共享能力、数字资产规划治理能力、数据服务能力与业务价值探索分析能力。其中 360 金融 不仅可以使用主题域归档与联合建模的形式与兄弟部门共享数据，还可使用BI服务制作报表，进行可视化的展示，并通过提供API的服务给业务方以及合作方进行使用。此外， 360 金融还公布了数据中台的未来规划，将继续在联邦学习、迁移学习等领域深入AI化，并通过自建→共建→开放共赢探索的路径，持续丰富产品服务形式多元化。

提及 360 金融在区块链的积累，更多的是依托于 360 集团从 2017 年就开始的区块链研究投入，尤其是在区块链安全方面的研究，360 集团走得较为靠前。在 2018 年，360 集团在 EOS 真实上线的时候发现的一个越界漏洞，在全球引起了不小的轰动。目前，360 金融的 QBaaS 能够为政企区块链应用落地提供底层技术支持。不仅如此，360 金融还在区块链安全研究与隐私保护领域不断探索，让区块链技术在金融领域更好地实现落地。

在金融云方面，由于金融的特殊性，特别是银行机构对合规私有化部署的要求，使得金融云需要更为灵活的部署方式。360 金融的公有云、私有云部署方式，可以把用户的系统部署到他们自己机房中去。此外，用户在进行部署时也可使用混合部署的方式，比如说把涉及敏感数据的服务部署到客户机房中，其余对弹性要求更高的服务则部署至公有云上，以更好地应对灵活弹性的业务需求。

在联邦学习方面，360 金融会把本地初始模型部署在客户端，基于部署好的模型进行最终结果与中间结果的计算，将计算结果加密上传到云端服务器，融合多个用户的计算结果后，进行保存，最后基于计算结果迭代更新已有模型，进行服务决策。姜涛指出，对于金融行业而言，了解用户一直是行业刚需，而现如今用户数据隐私监管要求越发严格，在这样的大背景下，360金融也将不断探索联邦学习法，结合区块链研发智能合约，解决互信问题。

360 金融在云计算上的探索与落地