人工智能作为科技界最热门技术，让金融科技席卷全球，尽管国内金融科技发展较晚，但发展迅猛，支付宝和微信支付已深入中国每个角落，传统银行业也在积极拥抱金融科技，面向金融科技银行转型。与此同时，伴随金融科技银行转型越来越清晰，利用科技变革作为银行未来三到五年工作的重中之重。

       科技引领金融服务新模式，人工智能＋大数据应用在智能风控领域，实现秒贷服务，利用海量金融数据进行智能分析，提供决策参考；银行也在积极加大部署智能终端来代替传统柜台服务模式，利用AI、人脸识别、大数据等新技术支撑，使得产品、渠道和服务场景以更高效的自动化流程服务客户。

       IoT、AI和云计算与金融行业深度融合，把数据连接起来，通过数据来洞悉客户，感知客户需求，提升金融服务效率，并助力普惠金融发展。在金融科技大背景下，金融安全比以往任何时候都要艰巨，安全形势严峻，监管力度增强。
ABCD（AI/Blockchain/Cloud computing/Big Data）技术围绕数据的获取、存储、计算、挖掘和决策服务，金融科技企业使用这些技术来实现基于数据的业务服务，例如AI技术帮助用户自动识别卡证信息、帮助风控系统提取关键特征，大数据技术帮助实现了决策流程的自动化和高速化。

       从用户来看，技术的应用使得金融服务能够渗透到更广泛的群体，用户需求也被更好的洞察，服务更加便利化、及时化、个性化和智能化，用户获取金融服务的效率得到提升，用户和金融科技企业的距离被拉近。

       风控的本质是风险和收益的平衡，背后的关键是对金融产品与用户匹配的风险评估，给出合适的额度和定价。

       在复杂数据的使用，特别是多模态和时序数据挖掘上采用了深度学习来实现特征的自动提取；在模型算法上引入了集成学习和迁移学习，来充分利用弱数据和其他场景数据，同时自研的AutoML也帮助模型的快速开发和上线，在线学习的使用使得模型上线后能够自动迭代演进，对抗衰减。

       风控技术的应用有一个从基础架构、到算法再到领域能力的延伸。在基础架构层面，注重大数据平台的建设，从离线的到在线的，从批处理到流式计算，使得风控流程的字段、规则以及工作流得到精准实现和高性能服务。

       金融安全智慧超脑还具备金融基础安全能力，帮助行业合作伙伴补足金融安全基础建设能力，帮助他们进行数字化转型。在目前的实践应用中，腾讯安全 金融基础安全团队正在为腾讯云上所有客户提供DDoS防护，成功防御国内最高流量1.23T的攻击。在数据运营安全领域，能够通过AI精准定位数据安全隐患，落地案例包括长达2年的隐秘持续泄密事件，还能够使用AI过滤97%的数据异常操作告警。

       在网络安全防御方面，中行与腾讯公合作做的网御系统，是一个安全防控体系，结合了大数据、人的行为数据、人的时序的数据，也结合了其他数据标签，用多维的方法、体系化的手段来解决安全防控问题。在信用风险防控方面，中行利用腾讯提供的服务，中银E贷产品实现“秒贷”服务。

       科技引领金融服务新模式，在物联网高级顾问杨剑勇看来，人工智能＋大数据应用在智能风控领域，实现秒贷服务，众多机构都在利用人工智能技术进行创新服务。人工智能利用海量金融数据进行智能分析，提供决策参考。可以说，在大数据保驾护航之下，不仅可以在线申请贷款，且还能实现“秒”贷，使得消费信贷利用金融科技实现了升级。

       金融科技企业建立护城河，其实就是金融和科技两个方面，金融是指对金融业务的理解和经验，科技是指技术落地的能力，特别是技术赋能甚至是驱动业务的能力。

       比如运用知识图谱进行反欺诈，很多团伙、中介实际上是很大规模的一张网，需要从很多层关系中把坏人找出来，这里面有几个挑战：一个是数据量要很大；第二个是需要有标签；第三是需要有很强的工程能力，最后是需要很强的复杂网络算法技术。

       在一般传统数据库里，数据量不大的话，可能勉强可以看两层，但要同时看到三层五层，而且是大面积的、每个节点都算一遍的话，是搞不定的，所以是要有很强的工程能力。如果用开源图数据库，数据量到千万级就会崩掉。因此实际上真正的图数据库技术壁垒是很高的。

       传统的反欺诈方式依赖人工专家经验的总结，效率很低，而自主研发智能反欺诈系统，拥有可视化的关系网络，最多可拓展6层（不仅包含人和人，还包含人和设备），利用复杂网络技术建模，通过模型预测出哪些人可能是欺诈团伙，随后再人工跟进，确认他们是否是欺诈，最终实现了反欺诈的全覆盖，而且策略模型可以自动迭代。