国内信贷市场的“大”数据往往具有高维、稀疏、异构等特点，这对有效风控带来了很高的挑战。为此，360 数科充分利用 AI 技术对个人与小微客户进行关系挖掘，构建了个人-企业双中心的大规模金融关系图谱。该图谱目前有亿级个人节点、数十亿级个人边关系，数百万级企业节点、千万级企业-个人-企业边关系，可用于解决异常检测、团案欺诈分析、信用评估、精准营销等各类金融风控难题。此外，为了更好地利用金融关系图谱、打破数据孤岛，360数科以合规为基础，自研了基于联邦学习、差分隐私等主流技术的隐私计算平台，让“大数据”交互产生价值的同时，确保了风控手段的有效性，进而更好的服务自身业务，赋能行业健康发展。本议题将为你分享 360 数科方面的人工智能实践，希望对你有所启发。

演讲提纲：

1. 背景介绍
2. 金融关系图谱
3. 实时反欺诈
4. 精准投放
5. 隐私计算框架及场景结合应用案例

你将获得：

• 了解 360 数科业界风控表现背后的技术逻辑
• 了解关于隐私计算的新思路和新尝试

随着大数据的进一步发展，重视数据隐私和安全已经成为了世界性的趋势。同时，大多数行业数据呈现数据孤岛现象。如何在满足用户隐私保护、数据安全和政府法规的前提下, 进行跨组织间数据合作是困扰人工智能从业者的一大难题。而“联邦学习”将成为解决这一行业性难题的关键技术。

本议题将会分享联邦学习核心技术和全球最活跃的工业级联邦学习开源生态（FATE）建设经验。

演讲提纲：

1. 当前国内大数据行业发展和挑战
2. 联邦学习核心算法设计
3. 联邦学习开源项目 FATE 一揽子解决方案
4. 联邦学习商业化落地思考

你将获得：

• 了解最前沿大数据安全合作解决方案
• 了解工业级别开源项目建设经验
• 了解一项前沿隐私计算技术商业化思考

银行已经做的客户细分还只是粗分，缺乏对一线人员的战术支撑。人工智能这么火，但不知道怎么用到金融行业中去。 我们通过已获专利的“结构引力成像”创新技术，在银行最重要的业务数据和深度学习算法之间的鸿沟上架起桥梁，融合了相关分析、斥力模型、空间投影、插值平滑等算法，然后利用自动编码器和密度聚类实现图像级的客户微细分，分箱编码在保证精度的同时，将处理效率提高数百倍。 通过将客户微细分图像特征引入已有产品响应预测模型，将前 10% 名单的命中率提高了 20%～40%。

本次分享将为你架起结构化数据和深度学习算法之间的桥梁，希望对你有所启发。

演讲提纲：

1. 问题背景：深度学习和银行应用之间的鸿沟
2. 结构引力成像：结构化数据的离散化、图像化、特征化、状态化
3. 把握客户的变化趋势：从有限状态到状态转移概率网络
4. 模型优化：使用图像特征和提升度来优化现有模型

你将获得：

• 直接借鉴演讲中的应用案例，实现结构化数据和深度学习算法的融合创新
• 对现有分析模型进行优化提升，带来业务价值
• 开拓思路，发现融合不同技术的合理路径