近日，中國證監會北京監管局、北京市地方金融監督管理局公布了首批納入資本市場金融科技創新試點項目。試點名錄項目普遍運用了新一代信息技術手段，覆蓋了客戶服務、業務輔助、合規科技、監管科技、信息技術基礎設施等各個領域，著眼于解決長期制約證券期貨行業發展的痛點難點問題。天云數據的“基于人工智能的單賬戶配資異常交易監測系統”從眾多申報項目中脫穎而出、位列三甲，成為“證監會版”監管沙盒項目之一。
場外配資的嚴峻形勢行業痛點如何拔除
挑戰一：人工智能是一次表達能力的升級
原來傘型配資在同一個實體賬戶上同時有多個配資者進行交易，非常容易抽象的刻畫行為。但到了單賬戶配資階段同一個實體賬戶上同時只有一個配資者進行交易，大量實體賬戶被使用，隱蔽性越來越強，如何快速捕捉交易風格的快速切換？
深度學習通過組合底層特征形成更加抽象的高層表示屬性類別或特征，以發現數據的分布特征表示。與人工規則構成的方法相比，利用大數據來學習特征，更能夠客戶數據豐富的內在信息。
挑戰二：隱私計算可以實現在數據不動的前提下完成數據價值流動
交易數據和用戶身份數據屬于券商的隱私數據，在充分競爭的市場環境之內，交易雙方是不會交換核心資產的。那么如何在數據不互通的前提下完成數據價值流動，實現科技監管？
挑戰三：云原生可以實現全市場要素的聯動
科技監管又如何借助云原生來形成一個全市場要素的聯動，從交易所到頭部券商和中小券商，能否協同形成市場對異常交易行為的閉環治理？
人工智能廠商是隱私計算的最大驅動者
互聯網沒有普及之前，我們是通過應用系統生產數據。這一波信息浪潮是以信息化為中心，面向應用和流程。數據作為副產品被自然排放出來，所以核心技術是以數據安全為主導，例如數據安全技術、防火墻、堡壘機等。
互聯網普及之后，我們是通過人的行為生產數據，每天瀏覽各種網站鏈接都在生成數據，包括日志文件、XML文檔、JSON文檔、Email等。各個應用的運營者、消費者和執行者，跨在不同的產業的位置上。個體的數據所有權的使用權和訪問權開始分置和剝離，這迫使隱私計算開始成為主要的技術。
在數據驅動業務替代流程驅動業務的時候，隱私計算作為對數據安全技術的覆蓋，它更強調的是在“數據不出門，可用不可見”的情況下，最大化利用行業跨機構數據價值，充分發揮數據價值。
隱私計算提供的是數據價值流動一個樞紐的技術環節，它是面向數據消費。傳統的數據消費者是決策者是領導，數據消費需要做管理駕駛艙、儀表盤、報表、大屏等顯性的表達方式，領導根據這些數據分析結果進行宏觀決策。而到了行為生產數據，像打車軟件動態規劃算法、電子商務網站上的以概率統計的算法，比如推薦引擎、貝葉斯網絡，由先驗決定后驗數據的方法，這些算法代替了可視化技術。所以面向新一代的數據消費，人工智能廠商是隱私計算的最大驅動者。
AI+隱私計算改變異常交易智查系統痛點
傳統異常交易智查系統檢測存在成本高、效率低、更新慢等問題，難以實現多樣復雜的篩選規則。傳統檢測時人工根據分析和經驗建立一系列篩選條件，針對異常交易賬戶進行手工排查。存在以下幾個主要問題：
以手工為主，存在成本高、效率低、更新慢等缺點。
篩選規則由監管人員主觀決定，缺乏客觀依據。
異常交易賬戶行為模式不斷發生變化，篩選規則難以及時做出調整。
篩選規則有限，難以實現多樣復雜的篩選規則。
如何加強配資活動的監測力度，通過技術手段在合規范圍內實現數據交換和價值流動，天云數據展開“單賬戶配資異常交易監測系統”探索實踐工作。在原有具備傘形配資識別能力的智查系統之上，結合人工智能創新，開發具備單賬戶配資識別能力的新系統。
新一代異常交易智查系統智能檢測方，利用信息化、系統化，大數據，人工智能等技術歸集原本零散的知識經驗，進行系統運行。確保處理效率，并做到處理情況可審計、可檢驗。
聯邦學習
保障數據安全跨機構利用行業數據
通過聯邦學習構建一個隱私保護機器學習系統，使得擁有數據的多方能夠聯合訓練一個或多個模型，并且任意一方的數據不會泄露給其他參與者。
AI建模
深度學習建模高效識別單賬戶配資行為模式
首創、原創的采用深度學習孿生神經網絡模型，建模識別、監測賬戶的使用一致性，找出潛在配資行為。該系統將深度學習技術應用到該場景當中，具備對數據的自適應性能，能夠高效識別異常交易。采用聯邦學習技術，實現“數據不出門，可用不可見”，在保障數據安全情況下，最大化利用行業跨機構數據價值，充分發揮行業云的行業價值。
（孿生神經網絡算法原理示意圖）
云原生
云端SaaS服務輕量級部署安全保障
通過行業云SaaS服務和聯邦學習技術，監測系統從點到面、橫縱結合。通過聯邦學習技術將券商各自提供的特征數據進行融合并優化配資分析模型，同時行業券商也可以接受新技術不斷優化帶來的高效分析服務。打破券商之間的數據壁壘和風控孤島現狀，降低了高風控能力的技術門檻，快速有效提升全行業風控合規能力，將風控合規能力輸出給全行業。
天云數據在國內一流大型綜合類券商智查系統的技術創新實踐：應用神經網絡技術：在定性成果上，完成風險監測操作指引、風險控制指標動態監控系統管理指引、異常交易行為管理指引。在定量成果上，通過對該券商200多萬資金賬戶進行判定，發現高度疑似配資賬戶170個。
天云數據建設數據資產平臺打造數字化產業明星級數件產品
通過行業云SaaS服務和聯邦學習技術，監測系統從點到面、橫縱結合。通過聯邦學習技術將券商各自提供的特征數據進行融合并優化配資分析模型，同時行業券商也可以接受新技術不斷優化帶來的高效分析服務。打破券商之間的數據壁壘和風控孤島現狀，降低了高風控能力的技術門檻，快速有效提升全行業風控合規能力，將風控合規能力輸出給全行業。
天云數據在國內一流大型綜合類券商智查系統的技術創新實踐：應用神經網絡技術：在定性成果上，完成風險監測操作指引、風險控制指標動態監控系統管理指引、異常交易行為管理指引。在定量成果上，通過對該券商200多萬資金賬戶進行判定，發現高度疑似配資賬戶170個。
天云數據數據資產平臺建設分三層結構：貼源層、標注層和知識層。貼源層：核心梳理優勢數據資產，面向重點行業數據建立無損數據湖；標注層:面向人工智能的樣本庫和標注平臺建設；知識層: 提供數據資產計算封裝和發布服務，打造標桿數件產品。這核心有四個關鍵內容，領域知識包ES、常識知識knowledge Graph、元數據網絡Metadata和AI特征庫FE。
01領域知識包
借助低代碼決策引擎專家系統，快速沉淀能源交通軍事等專業領域知識包，借助容器k8S封裝/發布/訂閱專業知識包。
02常識網絡
基于知識本體建立復雜網絡，借助知識圖譜推理服務建立已有知識推理的常識庫。
03元數據網絡
面向IT多元異構數據融合，自動采集登記IT信息系統數據產品。類似互聯網DNS解析網絡地址，但沒有解析信息資產本身。DNS對應工商系統的組織機構編碼，元數據網絡對應描述工商企業經營信息。元數據網絡可以跨越數據標準快速融合和上架數據資產。
04特征庫
面向AI模型的特征工程庫，沉淀領域數據衍生知識描述。
數據資產平臺不同于數據湖、大數據資源等信息存儲類型數據中心建設，而是存算一體的數據資產建設，面向數據產品登記上市定價流通的技術支撐營運平臺。數據資源的抽象封裝和使用，不同于大數據采集、加工處理、分析的傳統數據處理流程，數據消費端不僅是報表管理駕駛艙等數據可視化，而是面向人工智能算法訓練，構建新一代數件產品的DaaS基礎設施。
天云數據建設全球領先的數據資產平臺，發布對前沿科技發展創新有關鍵價值的數據產品，面向產業和行業提供數據資源服務的發布推理訂閱，打造數字化產業領域內明星級數件產品(Dataware)。
首批金融科技創新試點，天云數據隱私計算出現在資本市場名錄，說明天云數據的全行業布局和聯動推廣得到了市場權威機構的肯定。在行業頭部券商主導的全行業動作里，天云數據能在51個行業優質項目之中脫穎而出，印證了天云數據行業規模化落地的能力。
未來，天云數據會深耕新一代信息技術，積極探索大數據和人工智能等新型技術手段，為數智產業發展提供安全技術保障。