聯邦學習“導演”金融界新篇章

聯邦學習“導演”金融界新篇章

歐洲金融界的困境

3月26日, Feedzai(致力於用AI解決金融欺詐問題的數據科學企業)的銀行解決方案副總裁 Andy Renshaw道出了現在歐洲金融界的困境:“It crosses borders but doesn’t have a passport. It’s meant to protect people but can make them angry. It’s competitive by nature but doesn’t want you to fail. What is it?”

在歐洲,PSD2(Revised Payment Services Directive)對支付服務和支付服務提供者(一般是一些金融機構,financial institutions ,FIs)進行監管,保證歐洲各地區的金融安全。基於此,PSD2也制定了很多的規定,SCA( Strong Customer Authentication)就是其中之一。Andy Renshaw指的困境就是由SCA這些制度造成的。

PSD2希望歐洲能夠在一個金融安全的環境下進行活動,於是制定了一條條的規定,但是這些繁雜的規定降低了讓歐洲的金融活動效率。金融服務提供者想要擺脫SCA的限制提高交易效率,就必須達到PSD2限制的欺詐率要求。下表就是相關的閾值規定如下:

聯邦學習“導演”金融界新篇章

在金融界這樣的領域上面的閾值設置是成熟的,但是想要在歐洲範圍內,讓單獨的金融服務提供方達到上述要求就比較困難了。

機器學習也許可以成為可靠幫手

金融活動中每個事務都有數百個數據點,稱為實體。實體包括時間、日期、地點、設備、卡片、無卡、發送者、接收者、商人、客戶年齡——這些可能性幾乎是無窮無盡的。當數據被清理和連接時,這意味著它不存在於孤立的系統中,機器學習在數據上提供可操作的洞察能力在歷史上是前所未有的。

健壯的機器學習技術使用規則和模型,並從事務中幾乎每個數據點或實體的歷史和實時配置文件中學習。當機器被提供的數據越多,它在學習欺詐模式方面就越好。隨著時間的推移,機器學會在不到一秒鐘的時間內準確地對交易進行評分,而無需客戶身份驗證(SCA)。

而在真正的交易過程中這樣的設想面臨著兩個顯著的問題。首先是數據的來源與處理問題。一定程度上,機器學習的數據量越大,其模型準確率越高。但是數據如何進行收集?在數據隱私安全被提到一個新高度後(多國相繼出臺數據隱私政策),如何確保數據隱私的情況下保證數據安全和有效?


聯邦學習“導演”金融界新篇章

其次就是面對實時交易的模型響應速度。數據量的增加確實會一定程度上帶來模型效果的提升,但同樣伴隨著模型訓練時間的延長。例如在面臨即時支付的場景中,每秒鐘進行的事務(transaction)數量都是驚人的,如何利用這麼驚人的數據量進行機器學習模型訓練,並且進行實時的事務判斷?

這兩個問題將傳統機器學習方式打入了神壇,那麼實時判斷金融欺詐真的是不可能的嗎?


聯邦學習讓機器學習進入新篇章

聯邦學習是近年來各大數據科技平臺的研究熱點。其特點是將個人數據保留在本地,並在和其他方(無論是服務器方還是對等的其他個人方)聯合建模時,通過加密的數據梯度傳輸完成模型訓練。

Federated learning (aka collaborative learning) is a machine learning technique that trains an algorithm across multiple decentralized edge devices or servers holding local data samples, without exchanging their data samples. This approach stands in contrast to traditional centralized machine learning techniques where all data samples are uploaded to one server, as well as to more classical decentralized approaches which assume that local data samples are identically distributed.

為什麼說聯邦學習可能解決上文提及的問題呢?

首先聯邦學習對數據的安全和隱私問題的處理幾近完美。個人數據在建模時仍然保留在數據擁有方本地,並不進行數據的傳輸,很好的保障了數據隱私性。而在訓練過程中進行同態加密,確保數據安全的同時,能夠很好的保證模型效果。

面對模型實時訓練的問題時,聯邦學習可以很好的利用分佈在數據擁有方的計算資源,將模型訓練的任務分佈在與數據同量級的用戶計算資源上。數據擁有方的本地計算結合服務器方計算,可以很好的完成模型實時訓練和實時監測的任務。

結語

數據已然成為這個時代的主角。而這個主角參演的最重要的劇本——金融,迫切的需要一位能夠充分發揮主角特點的導演。聯邦學習也許能成為最好的導演,導出最具時代特色的新篇章。


聯邦學習“導演”金融界新篇章

END


本文為聯邦學習原創文章,轉載請聯繫小編獲得授權

投稿或尋求報道:[email protected]


聯邦學習“導演”金融界新篇章

Federated Learning

長按上方二維碼

關注【聯邦學習】頭條號


分享到:


相關文章: