生成式对抗网络在金融数据中的应用

数据作为国家基础性战略资源和关键生产要素,是经济社会发展的基础资源和创新引擎。金融行业作为数据的密集型和科技驱动型行业,实现数据资产的优化配置,是促进产业升级的关键因素。但金融数据普遍存在数据分布不均衡、数据信息不对称以及“数据孤岛”等问题,导致数据无法充分发挥其价值。为了克服这些挑战,金融机构积极采用各种生成模型合成高度逼真的数据,以打破数据壁垒和垄断,成为未来金融业发展的趋势和方向。生成式对抗网络(generative adversarial network,GAN)是最流行的模型之一,在各个领域都有不俗的表现。其在金融表格数据生成、金融时间序列生成以及金融欺诈检测等方面也展现出广泛的应用潜力。文章介绍了GAN模型相较其他生成模型在金融领域的优势;对自2014年生成式对抗网络被提出以来的可被应用于金融领域的GAN模型进行整理,并对各模型的原理进行介绍;探讨GAN模型在生成金融表格数据、生成金融时间序列、金融欺诈检测等金融数据领域中的应用实践;最后结合中国的实际情况,分析了GAN在未来面临的挑战及发展方向。

金融数据安全治理智能化技术与实践

在“十四五”新时期,金融业数字化从多点突破迈入深化和高质量发展新阶段,加强金融数据安全治理、保护金融数据安全,已经成为国家经济安全发展的客观需要和必然要求。以数据治理措施为基础工具,以敏感数据为核心关注点,以保障金融数据全生命周期安全为目标的金融数据安全治理是实现金融机构数据流通、激活数据价值、促进金融数据要素市场化配置的有效措施。随着新一代信息技术在金融领域的广泛应用,金融数据安全治理的方式也正和大数据、人工智能、云计算、区块链等技术紧密结合,从传统的数据安全治理方式转变为智能化治理,驱动金融数据安全治理加速向自动化、智能化、高效化、精准化方向演进。介绍了金融数据安全治理的内涵、治理对象和治理体系;阐述了金融数据安全治理向智能化发展的核心理念和关键支撑技术,并描绘了治理智能化的发展路线。结合金融数据安全治理需求和智能化技术特点,从数据分级、数据溯源、内容管控、隐私保护和数据孪生等方面说明了金融数据安全治理智能化技术实践的关键方向,并举例介绍了银行、证券和保险业当前的治理智能化应用实践。为推动我国新时期金融数据安全治理规范化和智能化发展,实现持续金融机构和行业的健康发展,提出了相应的政策建议。