金融圈的chatGPT重磅发布,第一作者名字是亮点
AI金融助手

金融圈的chatGPT重磅发布,第一作者名字是亮点

金融领域也掀起了人工智能的热潮,彭博社推出了专为金融界打造的大型语言模型(LLM)——BloombergGPT。 彭博社是一家主要从事金融数据的公司,旗下数据分析师在公司四十年的历史中积累了大量的金融文件,涵盖了多个主题,形成了广泛的金融数据档案。我们将这些数据整合到公共数据集中,创建了一个超过7000亿个标签的大型训练语料库。 根据彭博社最新发布的报告,BloombergGPT是迄今为止最大的特定领域数据集,并训练了专门用于金融领域的LLM,该模型参数达到500亿,表现远超现有模型,同时在通用场景上也表现出色。该模型依托彭博社的大量金融数据源,构建了一个3630亿个标签的数据集,支持金融行业内的各类任务。 通常来说,NLP领域的模型参数量和复杂程度成正相关,GPT-3.5模型的参数量为2000亿,GPT-3的参数量为1750亿。 实验结果表明,彭博社的混合训练方法极大地提升了模型在金融任务上的表现,而在通用场景下,模型的表现相当甚至优于现有模型。 比如,报告指出,在金融领域中的自然语言处理在通用模型中也很常见,但是,针对金融领域,这些任务执行时将面临挑战: 以情感分析为例,一个题为“某公司将裁员1万人”,在一般意义上表达了负面情感,但在金融情感方面,它有时可能被认为是积极的,因为它可能导致公司的股价或投资者信心增加 彭博社的结果已经通过论文发表,如下图。 有意思的是单从第一作者名字来判断,应该是华人学者(当然严谨的说,需要仔细考证)。结合之前报道关于openAI chatGPT团队众多华人参与者,可以看出华人的聪明才智,在大模型时代依然有所担当。
金融时报与OpenAI达成战略合作提升ChatGPT功能
AI金融助手

金融时报与OpenAI达成战略合作提升ChatGPT功能

原标题:金融时报与OpenAI达成战略合作提升ChatGPT功能 4月29日,金融时报宣布与人工智能研究与部署的领导者OpenAI建立战略合作伙伴关系并签署许可协议。此次合作旨在通过整合FT的新闻内容,增强ChatGPT的功能,提升模型的实用性,并共同开发面向读者的新AI产品和功能。 通过这一合作,ChatGPT的用户将能够在相关查询中看到选定的摘要、引用以及指向FT新闻内容的丰富链接。此外,FT在今年早些时候已成为ChatGPT企业版的客户,为其全体员工购买了使用权,确保其团队能够熟悉该技术,并从OpenAI的工具中获得创意和生产力提升。 FT集团首席执行官约翰·里丁表示:“这是一项在多个方面都具有重要意义的协议。它不仅体现了我们屡获殊荣的新闻工作的价值,还让我们能够及早洞察内容通过AI呈现的方式。我们一直是新闻媒体创新的领导者,引领了订阅模式和互动技术的发展,这次合作将帮助我们保持在人们获取和使用信息方式发展的前沿。” 里丁进一步补充说:“FT致力于人类新闻工作,我们拥有无与伦比的新闻编辑室,这项协议将扩大我们工作的影响力,同时加深我们对读者需求和兴趣的理解。除了对FT的益处之外,这对整个行业来说都是有广泛意义的。当然,AI平台支付出版商使用其材料的费用是正确的。OpenAI理解透明度、归属和补偿的重要性——这些对我们来说都是必不可少的。同时,确保这些产品包含可靠来源显然符合用户的利益。” OpenAI的首席运营官布拉德·莱特卡普对与金融时报不断发展的关系表示热情:“我们与FT的合作和持续对话是关于寻找创造性和高效的方式,让AI赋能新闻机构和记者,并丰富ChatGPT的体验,为全球数百万人带来实时的、世界级的新闻。” 里丁也表达了对未来合作成果的期待:“我们热衷于通过这次合作探索有关新闻来源和AI的实际成果。我们重视在人们以新方式发现内容时处于发展循环之内的机会。如同任何变革性技术一样,它有潜在的重大进步和主要挑战,但永远不可能回到过去。在这些产品形成过程中代表优质新闻,并设置适当的保护措施来保护FT的内容和品牌,对我们来说很重要。” “我们一直欢迎新技术和变革,并将继续以好奇心和警觉性在这一变革的新浪潮中前行。” 关注公众号“真智AI”,使用先进智能网站分享一手人工智能资讯和学习资料返回搜狐,查看更多 责任编辑:
AI新时代 金融新业态 中移金科携多款创新产品亮相2024移动算力网络大会
AI金融助手

AI新时代 金融新业态 中移金科携多款创新产品亮相2024移动算力网络大会

原标题:AI新时代 金融新业态 中移金科携多款创新产品亮相2024移动算力网络大会 4月28日—29日,以“算力网络点亮AI新时代”为主题的2024中国移动算力网络大会在苏州举行。中移动金融科技有限公司(简称“中移金科”)紧扣大会主题携金融科技大数据、超级SIM、网络安全险、OnePay(企业钱包)等创新产品亮相展区。通过交互体验、智慧屏幕、模型演示等多样化形式,全面展示了中移金科在促进AI与算力网络深度融合,立足人工智能培育发展金融领域新质生产力的研究和应用成果。 数智金融新引擎 面向金融机构反电诈场景,中移金科打造金融科技大数据产品,针对金融机构在防范电诈活动时面临的缺乏端到端闭环防控手段、欺诈识别精准度较低和时效差的问题,基于运营商DPI数据及通信数据能力,在网络流及电信流识别风险账户及受诈人群,累计识别 1000 万+涉诈资源,助力金融机构完善反电诈防控手段,从被动防御向主动防控转变,切实保障人民群众利益。 网络安全保险新产品 为充分发挥“网络+安全”的天然优势,提供一体化全程可信安全防护,中国移动推出了“元信任”网络安全保险。据工作人员介绍,“元信任”是行业首个由运营商全流程主导的网络安全保险产品,具有更低的费率、更高的保额、更全面的保障体系等差异化优势,能够解决传统网络安全防护能力不足、风险量化能力弱等痛点,为客户提供一体化全程可信的网络安全保障。目前全国首个“元信任”网络安全保险已在江苏洋河集团落地,并联合福建移动在宁德时代项目完成“元信任”网络安全试点。 数智生活新升级 超级SIM互动展区重点演示了“北斗创新融合”业务以及“数字身份”、“数字人民币硬钱包”两大国家级应用和“电子学生证”等创新场景。 其中“北斗创新融合”项目是中移金科与北斗服务运营方中兵卫通公司深入合作,依托北斗+SIM技术创新打造的应用场景。中移金科基于多应用空发通道优势,建设面向北斗业务的远程控制平台,解决北斗服务线下管理痛点,同时基于制卡及卡空间管理优势,建设面向北斗双模卡的标准卡管平台,解决了规模化拓展的多卡商适配制约问题。面向C端大众服务,中移金科基于超级SIM可信安全载体优势,打造北斗安全应用能力,降低多终端适配难度及数据安全风险。 轻轻一碰,嘀的一声便轻松完成支付。展区现场,“SIM卡硬钱包”作为一种新的移动支付模式受到不少参展观众的欢迎。近期,中移金科携手苏州轨交、无锡公交成功打造公共交通出行场景下的SIM卡硬钱包通行标杆案例。此外基于中移金科首创的RTOS卡应用空发标准,超级SIM赋能电子学生证硬件设备,也吸引不少参展观众关注,正推动K12校园场景产品升级。 智慧生态新支付 本次大会上,中移金科还对外展示了支付一体化PaaS平台——OnePay(企业钱包),该产品基于AI、金融大数据、可信支付、超级SIM等技术优势,为商客、文旅等行业客户提供一体化支付、权益营销、终端适配及行业特色服务,满足e企收银(智慧商铺)、智慧食堂、智慧出行等多个应用场景。 目前智慧食堂产品已落地全国31个省份,累计服务超10000家单位食堂和300万用户,年交易额超15亿元。e企收银产品触达多元化支付应用场景,满足商户支付收款、运营管理、营销宣传、引流获客等日常经营需求,连接商铺超150万家。智慧出行产品现已接入全国336个城市公共交通,实现一卡行天下,用户可使用移动积分兑换出行金,为全国超千万用户提供便捷、优惠的移动出行服务。 以本届中国移动算力网络大会为契机,中移金科全面展现了“AI+金融”、赋能新质生产力等领域的数字化创新成果,同时也为金融科技产业创新提供宝贵的交流平台。面向未来,中移金科将继续致力于为用户提供更加便捷、安全、高效的金融服务,助力实体经济的繁荣发展,描绘数智生活新画卷。 运营商财经(官方微信公众号yyscjrd)—— 主流财经网站,一家全面覆盖科技、金融、证券、汽车、房产、食品、医药、日化、酒业及其他各种消费品网站。返回搜狐,查看更多 责任编辑:
报道 | 深信服安全GPT获金融大模型应用“十佳卓越奖”
AI金融助手

报道 | 深信服安全GPT获金融大模型应用“十佳卓越奖”

原标题:报道 | 深信服安全GPT获金融大模型应用“十佳卓越奖” 文 / 深信服科技 随着金融行业数字化、智能化转型步入深水区,金融机构面临的网络安全数据规模和复杂性不断增加,对金融机构威胁检测防御能力的要求越来越高,同时,在网络安全专业技术人员少,能力精力也存在瓶颈的前提下,金融机构如何对海量网络安全告警进行快速分析研判,定位真实攻击及高效响应处置?安全垂域大模型带来了新的思路。 为落实中国人民银行《金融科技发展规划(2022—2025 年)》,系统展现大模型在金融领域的优秀应用实践成果,由中关村西城园管委会、北京市西城区总工会、北京金融科技产业联盟、北京金融信息化研究所主办的“全球金融科技大会系列活动——大模型金融应用创新与实践大赛”面向行业进行成果征集。大赛经过前期的初审和终审,最终由行业知名专家评选出“大模型金融应用创新与实践大赛”十佳卓越奖,于4月28日举行了颁奖仪式。此次大赛充分展示了大模型在金融应用领域的创新实践成果,有效推动了大模型金融应用场景探索及生态建设,为数字金融和智慧金融的稳健发展提供了有力支持。 作为此次“大模型金融应用创新与实践大赛”十佳卓越奖中唯一一个网络安全垂直领域的大模型,深信服安全GPT针对金融机构在网络安全运营中遇到的挑战,提供了创新性的解决思路。 深信服安全 GPT 作为国内首个通过深度合成服务算法备案的安全大模型,可协助金融机构完成流量检测、事件解析、安全建议生成、安全事件处置等复杂工作,秒级闭环、百倍提效,从检测能力和安全运营工作上赋能组织,对抗外部强敌。 检测能力远超传统设备和通用大模型,大幅提升金融机构“威胁检测防御力” 金融机构信息系统复杂、网络边界分散、风险点位众多,风险暴露面大,对威胁检测防御能力要求高,传统检测引擎难以应对外部高对抗、高隐蔽的攻击手段。 深信服安全GPT可以作为检测引擎,赋能态势感知、端点安全等传统安全设备,具备对未知攻击的意图理解、异常判定、混淆还原能力,在流量威胁检测和主机侧钓鱼攻击检测上都取得突破性的效果。 流量威胁检出率高达95.7%,误报率低至4.3% 深信服通过知识蒸馏、模型量化、模型剪枝、Attention机制优化等,将安全GPT推理性能提升50倍,实现了在实际网络环境中,针对实时流量的实时检测。 安全GPT检测大模型能够发现混淆、编码类高绕过流量,并针对Web漏洞有良好检出效果,具有较强Web 0day漏洞检测能力,同时针对攻击成功研判具有较高准确率。 图1 安全GPT检测大模型能力架构 经过对3000w黑样本与2000w白样本的检测,对比传统引擎,安全GPT的检出率从45.6%提升至95.7%,误报率从21.4%下降到4.3%。在某部委实际测试中,25个高混淆数据包(可绕过传统引擎及通用大模型GPT-4),安全GPT检出率100%,覆盖Web通用攻击、通用组件漏洞攻击、混淆绕过攻击和国家级攻防演练出现过的0 day/N day漏洞。 钓鱼攻击检出率高达91.7%,远超传统解决方案 钓鱼攻击的难防在于,从技术角度看,钓鱼邮件与正常邮件无异,普通人难以识别,而高混淆和形式多变的钓鱼攻击也难以用规则进行定义。 安全GPT 基于对自然语言的泛化理解能力,能够对邮件和文件内容背后的意图进行综合评估和研判,就像聘请了一个懂攻防、懂技术、懂人情世故的防钓鱼“安全专家”实时防守一样,实现钓鱼事件的精准检测和处置。 图2 钓鱼邮件识别方法 通过对3万高对抗钓鱼邮件、100万白邮件检测,对比传统解决方案,安全GPT钓鱼攻击检出率从15.7%飞升至91.4%,误报率从0.15%降低至0.046%,效果超越传统方案数倍。 提效90%,金融行业的安全运营“新质生产力” 攻防长期处于不对等中,随着大模型的深入应用,攻击手段更加低成本化,非工作时间的攻击数量也持续上升,而网络安全技术人才的缺少,分析研判效率的难把控,让金融机构的安全运营工作面临着严峻挑战。 安全GPT通过自然语言对话的方式提供符合安全人员运营水平的差异化建议和运营路径,承载 80% 安全运营操作,将海量告警的分析处置过程压缩到数分钟内,赋能初级安全工程师在5分钟内对单一高级威胁进行闭环,将日常安全运营所花费的时间减少90%以上。 由于攻防的不对等,攻击者常在非工作时间进行攻击,安全GPT 2.0 智能驾驶提供7*24小时安全事件/告警自主值守,减少 92% 需多次手动的运营工作,平均威胁检测时间(MTTD)/平均威胁响应时间(MTTR)减少 85%,运营人员1人即可守护数万资产。 图3 深信服安全GPT运营大模型演进蓝图 截至目前,安全GPT已累计在130多家企业真实环境测试和应用,帮助金融、能源、政府机关等行业用户提升安全人员实际分析水平和处置效率。...
金融圈热词:GP、LP、VC、FOF、TOT是啥意思?
AI金融助手

金融圈热词:GP、LP、VC、FOF、TOT是啥意思?

【GP、LP】 █ 普通合伙人(General Partner,GP) 大多数时候,GP,LP是同时存在的。而且他们主要存在在一些需要大额度资金投资的公司里,比如私募基金(PE,Private Equity),对冲基金(Hedge Fund),风险投资(Venture Capital)这些公司。你可以简单的理解为GP就是公司内部人员。话句话说,GP是那些进行投资决策以及公司内部管理的人。 举个例子:现在投资公司A共有GP1,GP2,GP3,GP4四个普通合伙人,他们共同拥有投资公司A的100%股份。因此投资公司A整体的盈利,分红亏损等都和他们直接相关。如果还不明白的话,举个简单例子,在创新工场当中,李开复先生则是一个经典的普通合伙人了。 █ 有限合伙人(Limited Partner,LP) 我们可以简单的理解为出资人。很多时候,一个项目需要投资上千万乃至数个亿的资金。(大多数投资公司,旗下都会有很多个不同的项目)而投资公司的GP们并没有如此多的金钱——或者他们为了分摊风险,因此不愿意将那么多的公司资金投资在一个项目上面。而这个世界上总有些人,他们有很多很多的现金,却没有好的投资方法——放在银行吃利息在金融界可是个纯粹的亏钱行为。于是乎,LP就此诞生了。 LP 出钱,GP 出力 LP会在经过一连串手续以后,把自己的钱交由GP去打理,而GP们则会将LP的钱拿去投资项目,从中获取利润,双方再对这个利润进行分成。这是现实生活中经典的“你(LP)出钱,我(GP)出力”的情况。 为了让大家能有一个更全面的了解,我接下来会讲述一些关于LP在整个过程中所需要做的事情。(由于我曾经在美国留学,大多数这方面的知识最早也是来自于美国学习,所以下面我会拿美国来和中国进行对比,让各位有个更全面地了解。) 在美国,绝大多数情况下,LP都有一个最低投资额度——这个数字一般是600万美金,中国的话我目前了解大多都是600万人民币。换句话说,如果你没办法一次性投资到600万的资金的话,别人连入场机会都没有。此外,为了避免一个LP注资过多,大多数公司也会有一个最高投资额度——常见的则是由1000万至2000万不等。但这个额度不是必然的,如果LP本身实力比较强大,甚至可以在投资过程中给与帮助的,数个亿的投资额度也是可以看得到的。 此外,一般LP的资金都会有一个锁定周期(Lock-UpPeriod),一般为一年至数年不等。为的是确保投资的持续性——换言之,如果你给公司投资了600万,你起码要一年以后才可以将钱取出来。 █ 那么GP是如何获取利润的呢? 在美国,公司普遍是遵循2/20收费结构(two andtwenty fee structure)——也就是2%的管理费(management fee)以及20%的额外收益费(outperformance fee)。(2/20结构在08金融风暴以后被一些公司打破了,但毕竟不是常规。而且打破结构的公司并没有做的特别优秀的案例)。 为了让大家能够更好地理解,下面我们又来案例分析: 假设LP1投资了600万去投资公司A,一年之后LP1额外收益了100万。那么LP1需要上缴给投资公司A的费用将会是: 600万*2%+100万*20%=32万。 即LP1最终可以获益68万,投资公司A则可以获益32万。顺带一提的是,不管赚钱还是亏钱,那2%的管理费都是非交不可得。而额外收益费则必须要赚钱了以后才会交付。 而在中国,目前来说并不是所有公司都有收2%的管理费用。但20%的额外收益费是基本一致的。(最低的我曾经听说过15%并且无2%管理费的,但资金规模并没有太大,估计勉强接近一个亿。) 【天使投资、VC、PE及IB】 为了让大家有个更加直观的了解,我将会顺便讲上Angel Investor以及IB,因为他们正好表示了投资者的四种阶段。 在解释这四个名词之前,我先将他们按照投资额度从小到大排序,他们分别是: 按照额度“从小到大”排列 1、天使投资(Angel) 2、风险投资(Venture Capital,VC) 3、私募基金(Private Equity,PE) 4、投资银行(Investment Banking,IB) 下面将会开始逐个进行介绍,但是接下来提到的资金额度只是一个大概的均值,不是一个绝对值,切勿以单纯的以投资额度去判定一家公司是什么天使还是风投或者其他。...
OpenAI 增强内容合作,签署使用《金融时报》资料库训练 AI 模型
AI金融助手

OpenAI 增强内容合作,签署使用《金融时报》资料库训练 AI 模型

原标题:OpenAI 增强内容合作,签署使用《金融时报》资料库训练 AI 模型 IT之家 4 月 30 日消息,OpenAI 近日和英国新闻媒体《金融时报》签署协议,利用后者的资料库内容训练人工智能模型。OpenAI 此前已经与美联社等四家媒体达成了类似协议。 IT之家从双方协议中获悉,英国《金融时报》将其内容授权给 OpenAI,帮助后者开发生成式人工智能技术,可以创建接近于人类创作的文本、图像和代码等。 根据双方的合作内容,ChatGPT 用户能够看到精选的摘要、引述以及《金融时报》新闻的链接,此外可以就某条新闻展开聊天。 英国《金融时报》已成为 ChatGPT Enterprise 的客户,为所有《金融时报》员工购买访问权限,确保其团队能精通该技术,并能从 OpenAI 工具带来的创造力和生产力提升中受益。返回搜狐,查看更多 责任编辑:
大模型时代来临!事关AI x 金融的新风口……
AI金融助手

大模型时代来临!事关AI x 金融的新风口……

4月11日,由深圳市金融科技协会主办的湾区金科(FinTech)沙龙(第五十七期)——大模型专场在湾区金科城成功举办。活动人气火爆,吸引了协会会员单位代表、福田金科双园企业代表,以及来自全国各地的业内人士等逾2500人线上线下参加了活动。 沙龙现场 加拿大工程院和加拿大皇家学院院士、微众银行首席人工智能官、香港科技大学荣休教授杨强,平安银行金融科技部数据资产管理及研发中心技术总监沈剑平参加活动并发表主题演讲。 活动由深圳市金融科技协会联席会长廖亚滨主持 加拿大工程院和加拿大皇家学院院士、 微众银行首席人工智能官、 香港科技大学荣休教授杨强 杨强发表了题为“金融领域AI大模型和AGENT实践”的演讲。他指出,通用大模型存在产生幻觉、专业知识不足、数据隐私保护等不能被直接应用等问题,对此,AI Agent可通过知识库检索增强生成、大模型微调、构建联邦大模型等方式解决原生大模型的短板。基于大模型的通用能力,AI Agent可定制化的落地解决方案,和业务直接对接,这是大模型面向应用端发展的下一阶段。WeBank AI Agent是利用大型语言模型(LLM)作为核心计算引擎,利用联邦学习提升各自的AI模型效果,使其能够进行对话、执行任务、推理并展现一定程度的自主性。WeBank AI Agent可应用于客户服务、智能营销、风险管理、知识产权保护等场景。基于“可信联邦学习”的理论框架,微众银行提出“联邦迁移大模型”新范式FATE-LLM,解决数据隐私保护、合规使用私域数据等问题。 平安银行金融科技部数据资产管理及研发中心技术总监沈剑平 沈剑平以“平安银行大模型应用实践”为题,分享了平安银行在AI大模型领域的探索和实践经验。他表示,大模型的落地有三种特点:落地门槛低、应用价值高、科业融合要求高。平安银行变革行内智能化落地模式,通过构建四种不同的AIGC落地模式,推进“人人都是AI工程师”,支撑行内低成本智能化普及,加快应用探索步伐。此外,通过构建银行大模型建设体系,提升大模型的专业化与复用性,降低迭代成本。平安银行系统性推进在零售、对公、资金同业、风险运营等条线业务应用场景的试点探索,覆盖营销支持、服务运营、风险管控和员工辅助四大类场景领域,赋能业务降本增效业务价值显著。通过“大模型+小模型”或“大模型+传统AI”的方式,能够实现的场景日益增多。预估未来,AI原生应用及其背后的AI Agent体系,将推动全链条智能化,进而促进业务应用层面的深刻变革。 圆桌对话 在圆桌对话环节,北京海致科技集团总裁杨娟、金证优智CEO詹毅、海云安董事长谢朝海、魔数智擎创始人&董事长柴磊、星环科技金融行业助理副总裁兼解决方案总监张晓明、追一科技AI研发负责人刘杰等嘉宾围绕大模型在金融行业的应用与展望,展开深入对话和探讨交流,碰撞思想火花,深金科协联席会长廖亚滨主持了对话。各位嘉宾从各自领域出发,分享了大模型的价值体现、应用风险、落地案例等,对AI大模型在金融行业的应用场景进行了热烈探讨,为行业把握并适应AI发展潮流提供思路与方向。与会者们普遍认为,大模型技术将为金融领域带来革命性的变革,提高金融服务的智能化水平和效率,为金融行业的创新发展注入新的动力。 颁发专家证书 为了提升协会的专业性,加强协会及会员单位的风险管理能力,促进数字金融行业的稳健发展,会上,深金科协为融慧金科创始人、董事长王劲博士颁发深圳市金融科技协会首席风控官聘书。王劲博士是风险管理、计量模型和数据分析领域的卓越领导者,在美国密歇根州立大学获得物理学博士和金融工商管理硕士学位,是母校密歇根州立大学Eli Broad商学院特邀讲师,国际顾问委员会的成员。他现为融慧金科创始人,董事长,曾任百度集团副总裁,百度金融首席风险官,美国运通公司高级副总裁。他认为,大模型的出现给各行业都带来了变革式的影响,企业需要积极拥抱大模型带来的价值,同时也要警惕大模型带来的数据依赖、逻辑不通、不可解释性和不透明性、隐私保护等问题。 深金科协为融慧金科创始人、董事长 王劲博士(左)颁发深圳市金融科技协会首席风控官聘书
报道 | 安全垂域大模型×金融行业创新实践——深信服安全GPT获金融大模型应用“十佳卓越奖”
AI金融助手

报道 | 安全垂域大模型×金融行业创新实践——深信服安全GPT获金融大模型应用“十佳卓越奖”

文 / 深信服科技 随着金融行业数字化、智能化转型步入深水区,金融机构面临的网络安全数据规模和复杂性不断增加,对金融机构威胁检测防御能力的要求越来越高,同时,在网络安全专业技术人员少,能力精力也存在瓶颈的前提下,金融机构如何对海量网络安全告警进行快速分析研判,定位真实攻击及高效响应处置?安全垂域大模型带来了新的思路。 为落实中国人民银行《金融科技发展规划(2022—2025 年)》,系统展现大模型在金融领域的优秀应用实践成果,由中关村西城园管委会、北京市西城区总工会、北京金融科技产业联盟、北京金融信息化研究所主办的“全球金融科技大会系列活动——大模型金融应用创新与实践大赛”面向行业进行成果征集。大赛经过前期的初审和终审,最终由行业知名专家评选出“大模型金融应用创新与实践大赛”十佳卓越奖,于4月28日举行了颁奖仪式。此次大赛充分展示了大模型在金融应用领域的创新实践成果,有效推动了大模型金融应用场景探索及生态建设,为数字金融和智慧金融的稳健发展提供了有力支持。 作为此次“大模型金融应用创新与实践大赛”十佳卓越奖中唯一一个网络安全垂直领域的大模型,深信服安全GPT针对金融机构在网络安全运营中遇到的挑战,提供了创新性的解决思路。 深信服安全 GPT 作为国内首个通过深度合成服务算法备案的安全大模型,可协助金融机构完成流量检测、事件解析、安全建议生成、安全事件处置等复杂工作,秒级闭环、百倍提效,从检测能力和安全运营工作上赋能组织,对抗外部强敌。 检测能力远超传统设备和通用大模型,大幅提升金融机构“威胁检测防御力” 金融机构信息系统复杂、网络边界分散、风险点位众多,风险暴露面大,对威胁检测防御能力要求高,传统检测引擎难以应对外部高对抗、高隐蔽的攻击手段。 深信服安全GPT可以作为检测引擎,赋能态势感知、端点安全等传统安全设备,具备对未知攻击的意图理解、异常判定、混淆还原能力,在流量威胁检测和主机侧钓鱼攻击检测上都取得突破性的效果。 流量威胁检出率高达95.7%,误报率低至4.3% 深信服通过知识蒸馏、模型量化、模型剪枝、Attention机制优化等,将安全GPT推理性能提升50倍,实现了在实际网络环境中,针对实时流量的实时检测。 安全GPT检测大模型能够发现混淆、编码类高绕过流量,并针对Web漏洞有良好检出效果,具有较强Web 0day漏洞检测能力,同时针对攻击成功研判具有较高准确率。 图1 安全GPT检测大模型能力架构 经过对3000w黑样本与2000w白样本的检测,对比传统引擎,安全GPT的检出率从45.6%提升至95.7%,误报率从21.4%下降到4.3%。在某部委实际测试中,25个高混淆数据包(可绕过传统引擎及通用大模型GPT-4),安全GPT检出率100%,覆盖Web通用攻击、通用组件漏洞攻击、混淆绕过攻击和国家级攻防演练出现过的0 day/N day漏洞。 钓鱼攻击检出率高达91.7%,远超传统解决方案 钓鱼攻击的难防在于,从技术角度看,钓鱼邮件与正常邮件无异,普通人难以识别,而高混淆和形式多变的钓鱼攻击也难以用规则进行定义。 安全GPT 基于对自然语言的泛化理解能力,能够对邮件和文件内容背后的意图进行综合评估和研判,就像聘请了一个懂攻防、懂技术、懂人情世故的防钓鱼“安全专家”实时防守一样,实现钓鱼事件的精准检测和处置。 图2 钓鱼邮件识别方法 通过对3万高对抗钓鱼邮件、100万白邮件检测,对比传统解决方案,安全GPT钓鱼攻击检出率从15.7%飞升至91.4%,误报率从0.15%降低至0.046%,效果超越传统方案数倍。 提效90%,金融行业的安全运营“新质生产力” 攻防长期处于不对等中,随着大模型的深入应用,攻击手段更加低成本化,非工作时间的攻击数量也持续上升,而网络安全技术人才的缺少,分析研判效率的难把控,让金融机构的安全运营工作面临着严峻挑战。 安全GPT通过自然语言对话的方式提供符合安全人员运营水平的差异化建议和运营路径,承载 80% 安全运营操作,将海量告警的分析处置过程压缩到数分钟内,赋能初级安全工程师在5分钟内对单一高级威胁进行闭环,将日常安全运营所花费的时间减少90%以上。 由于攻防的不对等,攻击者常在非工作时间进行攻击,安全GPT 2.0 智能驾驶提供7*24小时安全事件/告警自主值守,减少 92% 需多次手动的运营工作,平均威胁检测时间(MTTD)/平均威胁响应时间(MTTR)减少 85%,运营人员1人即可守护数万资产。 图3 深信服安全GPT运营大模型演进蓝图 截至目前,安全GPT已累计在130多家企业真实环境测试和应用,帮助金融、能源、政府机关等行业用户提升安全人员实际分析水平和处置效率。 深信服认为,安全大模型仍拥有广阔的想象空间,除了检测大模型与运营大模型,未来会逐步孵化更多可应用于实际的场景,将会为金融行业的网络安全建设带来更多“领先一步”的效果与体验。
唯一入围的网安垂域大模型!深信服安全GPT获金融大模型应用「十佳卓越奖」
AI金融助手

唯一入围的网安垂域大模型!深信服安全GPT获金融大模型应用「十佳卓越奖」

原标题:唯一入围的网安垂域大模型!深信服安全GPT获金融大模型应用「十佳卓越奖」 4月28日,由中关村西城园管委会、北京市西城区总工会、北京金融科技产业联盟和北京金融信息化研究所主办,清华大学人工智能研究院支持,全球金融科技大会系列活动「大模型金融应用创新与实践大赛」颁奖仪式圆满举办,深信服安全GPT入选十佳卓越奖! 作为此次「大模型金融应用创新与实践大赛」十佳卓越奖中唯一一个网络安全垂直领域的大模型,深信服安全GPT针对金融机构在网络安全运营中遇到的挑战,提供了创新性的解决思路。 此次大赛收到了来自39家机构的68份应用实践报告,经过前期初赛评审,共有25项应用实践入围终审。经过中国工程院院士柴洪峰、北京金融科技产业联盟理事长/工商银行首席技术官吕仲涛、中国金融电子化集团副总经理潘润红、中国银行业协会系统服务部主任赵成刚、深圳证券交易所人工智能专家杨振新、中科院计算机网络信息中心副研究员苟甜、百川智能联合创始人洪涛、中关村天使百人会理事长肖庆平共8名专家的最终评审,深信服安全GPT与工商银行、农业银行、建设银行、邮储银行、国泰君安、蚂蚁和百度等头部银行与知名机构共同入围十佳卓越奖! 深信服安全GPT作为国内首个通过深度合成服务算法备案的安全大模型,可协助金融机构完成流量检测、事件解析、安全建议生成、安全事件处置等复杂工作,秒级闭环、百倍提效,从检测能力和安全运营工作上赋能组织,对抗外部强敌。 检测能力远超传统设备和通用大模型, 大幅提升金融机构「威胁检测防御力」 金融机构信息系统复杂、网络边界分散、风险点位众多,风险暴露面大,对威胁检测防御能力要求高,传统检测引擎难以应对外部高对抗、高隐蔽的攻击手段。 深信服安全GPT可以作为检测引擎,赋能态势感知、端点安全等传统安全设备,具备对未知攻击的意图理解、异常判定、混淆还原能力,在流量威胁检测和主机侧钓鱼攻击检测上都取得突破性的效果。 流量威胁检出率高达95.7%, 误报率低至4.3% 深信服通过知识蒸馏、模型量化、模型剪枝、Attention机制优化等,将安全GPT推理性能提升50倍,实现了在实际网络环境中,针对实时流量的实时检测。 安全GPT检测大模型能够发现混淆、编码类高绕过流量,并针对Web漏洞有良好检出效果,具有较强Web 0day漏洞检测能力,同时针对攻击成功研判具有较高准确率。 安全GPT检测大模型能力架构 经过3000w黑样本与2000w白样本检测,对比传统引擎,安全GPT的检出率从45.6%提升至95.7%,误报率从21.4%下降到4.3%。在某部委实际测试中,25个高混淆数据包(可绕过传统引擎及通用大模型GPT-4),安全GPT检出率100%,覆盖Web通用攻击、通用组件漏洞攻击、混淆绕过攻击和国家级攻防演练出现过的0 day/N day漏洞。 钓鱼攻击检出率高达91.7%, 远超传统解决方案 钓鱼攻击的难防在于,从技术角度看,钓鱼邮件与正常邮件无异,普通人难以识别,而高混淆和形式多变的钓鱼攻击也难以用规则进行定义。 安全GPT基于对自然语言的泛化理解能力,能够对邮件和文件内容背后的意图进行综合评估和研判,就像聘请了一个懂攻防、懂技术、懂人情世故的防钓鱼“安全专家”实时防守一样,实现钓鱼事件的精准检测和处置。 钓鱼邮件识别方法 通过3万高对抗钓鱼邮件、100万白邮件检测,对比传统解决方案,安全GPT钓鱼攻击检出率从15.7%飞升至91.4%,误报率从0.15%降低至0.046%,效果超越传统方案数倍。 提效90%, 金融行业的安全运营「新质生产力」 随着金融行业数字化转型步入深水区,银行面临的网络安全数据规模和复杂性不断增加,在网络安全专业技术人员少,能力精力也存在瓶颈的前提下,如何对海量网络安全告警进行快速分析研判,定位真实攻击及高效响应处置?安全GPT给出了新的答案。 安全GPT通过自然语言对话的方式提供符合安全人员运营水平的差异化建议和运营路径,承载 80%安全运营操作,将海量告警的分析处置过程压缩到数分钟内,赋能初级安全工程师在5分钟内对单一高级威胁进行闭环,将日常安全运营所花费的时间减少90%以上。 由于攻防的不对等,攻击者常在非工作时间进行攻击,安全GPT2.0智能驾驶提供7*24小时安全事件/告警自主值守,减少92%需多次手动的运营工作,平均威胁检测时间(MTTD)/平均威胁响应时间(MTTR)减少85%,运营人员1人即可守护数万资产。 深信服安全GPT运营大模型演进蓝图 截至目前,安全GPT已累计在130多家企业真实环境测试和应用,帮助金融、能源、政府机关等行业用户提升安全人员实际分析水平和处置效率。 「大模型金融应用创新与实践大赛」充分展示了大模型在金融应用领域的创新实践成果,有效推动了大模型金融应用场景探索及生态建设,为数字金融和智慧金融的稳健发展提供了有力支持。 深信服认为,安全大模型仍拥有广阔的想象空间,除了检测大模型与运营大模型,未来会逐步孵化更多可应用于实际的场景,将会为金融行业的网络安全建设带来更多“领先一步”的效果与体验。 扫码免费咨询 深信服安全GPT返回搜狐,查看更多 责任编辑:
生成式AI在金融业 有望迎来规模化应用
AI金融助手

生成式AI在金融业 有望迎来规模化应用

生成式AI(人工智能)正席卷金融业,并释放出新的生产力。日前发布的《2024年金融业生成式人工智能应用报告》(下称“报告”)指出,生成式AI技术在金融业中的应用尚处于技术探索和试点应用的并行期,预计1至2年内,首批大模型增强的金融机构会进入成熟应用期,3年后将会带动金融业生成式AI的规模化应用。 报告由清华大学经济管理学院、度小满、《麻省理工科技评论》中国、清华大学经济管理学院动态竞争与创新战略研究中心联合编写。报告认为,生成式AI赋能银行数字化转型,以前所未有的方式重塑全球金融业的格局。报告指出,生成式AI有望给金融业带来3万亿规模的增量商业价值,并可能将彻底改变交易的进行、投资的管理和风险的评估方式。 报告同时指出,生成式AI技术在金融业中的应用尚处于技术探索和试点应用的并行期,预计1至2年内,首批大模型增强的金融机构会进入成熟应用期,3年后将会带动金融业生成式AI的规模化应用。 回顾2023年,大型科技公司、各类创业公司和科研机构迅速入场,投入了海量资源,推动了大模型能力和应用的快速演进。在行业大模型层面,度小满、蚂蚁集团等金融科技公司先后发布了金融大模型。据度小满CTO许冬亮介绍,2023年5月,度小满开源了国内首个千亿级金融大模型“轩辕”,并获得了上百家金融机构申请试用。目前,大模型技术已经应用在度小满各个业务场景,从营销、客服、风控、办公到研发,均已初见成效。 与此同时,我国银行业正在积极拥抱大模型。例如,工商银行在国内同业率先实现百亿级基础大模型在知识运营助手、金融市场投研助手等多个场景应用;北京银行发布了AIB平台,打造运营助手、客服助手等7个问答机器人,同时推出“北银投顾 GPT”。 “开拓落地应用场景,不断提高客户采用率和大模型利用率,更好发挥大模型的潜在价值,将会是2024年生成式AI突破发展的重要内容。”报告主要负责人、清华大学经济管理学院副院长李纪珍表示。(记者 张莫) 来源: 经济参考报