美国《破产法》改革的意义及其对中国的启示

本文对2005年美国破产法改革进行研究发现,改革以前的个人破产法对债务人更有利,它为债务人提供了逃避债务的方便通道,鼓励了消费者借款消费,并允许债务人在具有偿债能力的情况下通过一定手段申请破产。改革以后的破产法对债权人更有利。美国个人破产法改革能引导广大消费者理性消费,对那些过度借贷消费的行为进行惩罚,同时能更好地保护债权人的权益,因此有利于控制消费信贷市场风险,促进消费信贷市场健康发展,对我国消费信贷市场发展有重要的启示作用。

中国出口企业的生产率优势及其来源识别

出口企业的生产率优势既可能源于出口学习效应,也可能源于自我选择效应。本文利用工业企业数据库和海关贸易数据库的匹配数据,对中国出口企业的生产率优势及其来源进行了定量识别。研究发现,中国出口企业的生产率优势总体上来源于出口学习效应和自我选择效应,但是出口学习效应的贡献要明显高于自我选择效应;此外,生产率较高的出口企业从出口学习效应中获益相对更大。除外资及港澳台企业外,这一结论对于不同行业、不同技术水平、不同规模的企业均是稳健的。大量存在的加工贸易企业是导致外资及港澳台企业产生“出口-生产率悖论”的重要原因。

基于深度学习的云平台动态自适应任务调度

云计算环境下任务调度是优化云应用服务质量的热点研究问题,目前工业界和学术界重点关注任务调度策略。然而,现有方法依赖运维人员的系统实现知识或复杂的深度神经网络,需要较高计算资源,产生更高执行成本,难以适应动态变化的多样化任务类型。针对该问题,提出一种基于深度学习的云计算平台动态自适应任务调度策略。首先,从待处理任务、可用云资源及系统运行状态等三方面提取任务调度特征;其次,构建深度学习模型对特征编码,通过多头图注意力机制推理解码以预测策略的任务处理和调度执行成本;最后,根据调度收益从策略集中选择当前最优任务调度策略,同时基于迭代反馈机制计算损失函数以在线优化模型。建立虚拟化云计算服务器集群,实现典型的多种任务调度策略,模拟真实AI任务工作负载。实验结果表明,所提出策略与现有实验选取方法相比能够有效降低响应时间、执行成本及运行能耗。

基于无源物联网技术的安全支付研究

二维码支付场景中,犯罪分子和“黄牛党”利用漏洞进行飞码套现等违法行为,严重扰乱了金融秩序。本文将无源物联网技术引入二维码支付场景,提出了一种针对欺诈交易侦测的安全支付系统。首先,介绍了无源物联网标签、收款二维码、支付APP和安全认证平台等系统组成以及交互流程。其次,设计系统硬件和交互原理。最后,对系统进行安全性分析和实验测试。结果表明,该系统对飞码套现具有很好的侦测效果且具有较高用户体验度,能够依靠微光采集装置完成6台支付终端同时扫码支付情况下的自供能。本研究在助力打击远程飞码套现欺诈交易等领域具有重要的应用价值和广阔的市场前景。

基于特征相似度降采样的交易欺诈预测模型

在交易欺诈评估场景下,正负样本比例极其悬殊,需要对样本进行采样来解决样本不平衡。传统采样由于在采样过程中会丢失样本信息,导致模型预测的准确率不是很高。针对这类情况,提出一种基于特征相似度降采样方式的模型构建方法。该方法主要包括三个部分。(1)依据样本数据,构建有效的与欺诈相关的特征集。(2)通过引入样本差异度函数,在降采样时尽可能多地保留样本信息。(3)通过多个分类器进行融合输出欺诈概率。将该方法与其他常见采样方式进行比对,实验结果表明,该方法具有更好的评估结果。

基于层次分析法的数据库容器调度研究

数据库云平台中可以提供不同类型的数据库,这些不同类型的数据库对于资源的消耗差异非常大,在资源调度中如果采用统一的算法,那么会导致资源分配出现较大的不均衡,出现较大浪费。为此,采用层次分析的数学方法,根据不同类型数据库对宿主机资源需求重要程度赋值,运用现行代数矩阵向量的特征值和层次迭代方法,得到各个因素对方案层权重的占比,建立数据库云平台各产品资源权重评估模型。突破数据库云平台容器资源调度过程中传统单一指标计算和评价调度目标的局限,形成较全面和均衡的综合评估体系,可以有效提升数据库云平台中宿主机资源分配均衡性,实现最大程度地利用资源。

基于改进LVQ聚类的移动支付用户活跃度研究

移动支付App用户消费活跃度易受到大量内外部因素的影响,为了提升移动支付App用户分类的准确性、分析各类群体消费活跃度的影响因素,提出一种采用层次分析法进行特征加权和基于置信区间进行迭代终止条件优化的学习向量量化(LVQ)聚类算法。应用于某移动支付App用户群体划分及用户画像构建,同时与随机森林回归算法相结合,分析移动支付App日活跃用户数(DAU)指标的影响因素,以便指导该App下一阶段的运营推广策略。算法性能实验结果表明,改进算法的聚类性能和时间性能较改进前分别提升了22.8个百分点和14.5个百分点。

基于LSTM、Transformer和LightGBM的机构备付金预测方法

机构备付金是金融机构的重要指标之一,对于评估其稳定性和偿付能力具有重要意义。在第三方支付机构备付金集中存管的背景下,准确预测支付机构备付金的变动对于监管机构风险管理等方面具有重要价值。笔者提出了一种基于LSTM、Transformer和LightGBM的机构备付金预测模型。利用树模型针对表格数据的快速性和准确性,选取交易日志的关键特征;利用Transformer的全局上下文建模能力捕捉财务文件的局部特征;最后采用LSTM算法获取结合后的数据的长期依赖关系。实验结果表明:该模型在机构备付金方面的预测准确性优于ARMA算法、LSTM算法和时序预测Transformer模型。

基于多元日志分析的远程攻击检测方法

随着信息化的发展,远程攻击对网络安全构成了严重威胁。为提高远程攻击的检测能力,提出了一种基于多元日志分析的检测方法。该方法通过收集和整合多种来源的日志数据,利用数据挖掘和机器学习技术,对异常行为进行识别和分析。设计了一个分布式日志收集和处理系统,能够实时监控网络活动,并对潜在的攻击进行预警。实验结果表明,该方法在检测准确率和实时性方面具有显著优势,为网络安全防护提供了有效手段。

一种不同网络状态下主动选择最优付款码的支付方案设计

付款码支付作为当前移动支付的主流方式,发展迅猛,目前付款码支付主要是采用联机码在线支付的方式,无法在网络状态比较差的环境下生成付款码,影响用户支付体验。文章提出了一种脱机码支付方案,使得用户能够在离线状态生成脱机付款码进行离线支付;同时采用弱网络判断机制能够主动对当前网络状态进行评估,针对不同网络状态快速切换为最优的付款码支付方式,减少等待时间,保障支付安全,提升用户体验。

基于对比学习的深度聚类基线方法

聚类作为一种重要的无监督学习工具,在数据挖掘、图像处理等领域发挥着关键作用。研究提出了一种新的基于深度聚类的模型架构设计,包含对比实例生成网络、实例级对比学习网络和簇级对比学习网络。这种设计通过数据扩充和特征映射优化,实现了更有效的特征提取和聚类。在4个图像数据集上的实验表明,新模型在聚类准确率、归一化互信息和调整兰德指数等指标上表现优异,特别是在高维数据集上展现出卓越的性能。研究还证实了模型在不同改进方案下的灵活性和可用性,显示出其在深度聚类领域的前沿地位。

软件密集型系统的故障诊断技术研究

在软件密集型系统发生故障时缺乏系统、规范的诊断方法,严重影响软件密集型系统的质量。以大量研究为基础,提出基于软件黑匣子的集成软件故障诊断模型,利用UML的扩展机制,采用"4+1"视图模型方法构建模型的体系结构框架,在Visual C++6.0环境中开发了它的原型系统。最后给出两个验证的应用实例,证明该技术路线是行之有效的。

基于交易数据的信用评估方法

传统的信用评估模型,大多针对个人基本信息分析评估,忽略了交易维度的数据。针对这类情况,基于银行卡交易数据,提出一种基于交易数据的个人信用评分模型的方法。该方法主要包括三个部分:依据交易数据,提取有效的特征集;引入代价敏感随机向量,增强随机森林成员分类器的差异性;通过融合函数,输出信用评分。以互联网消费信贷场景作为研究对象,将该方法与经典算法进行比对。实验结果表明,该方法具有较好的评估结果。

分层的文本信息隐藏研究

针对文本载体冗余度小的问题,提出一种在文本中分层隐藏信息的技术,建立了一个由待藏信息表示层、待藏信息加密层、载体内容层、载体内码层和载体版式层五个层次组成的隐藏模型。待藏信息表示层将待藏信息编码成不可读的符号序列,待藏信息加密层则对这些不可读符号序列进一步加密。载体内容层在句法、语义和语用上对前一层的输出进行嵌入隐藏,载体内码层和载体版式层分别通过选择载体文字自身的机器编码标准及版式来隐藏信息。每层有控制信息和数据信息作为参数,各层各司其职,高度独立。根据不同的隐藏要求,可以选择跳过某层,直接进入下层。介绍了各层的隐藏技术和方法,并在微软的W ord文本中实现了该5层隐藏模型。

金融骨干网的SRv6 Policy研究与应用

金融骨干网作为金融机构网络基础平台的重要组成部分,在当前国家推进数据中心云化及IPv6的大背景下,金融骨干网技术架构也必然需要优化演进。基于此,研究探索了SRv6 Policy在金融骨干网中的应用。首先针对金融骨干网现状,分析了传统方案存在的问题;随后阐述了SRv6 Policy技术优势及实现原理机制;最后对SRv6 Policy在金融骨干网中的应用及部署方案进行了研究探索,并结合金融机构对骨干网中业务流量的管理策略,针对拥塞避免、路径规划的场景研究给出了可选的智能调优方案,进一步增强了金融骨干网稳定性及流量传输保障能力,初步验证了SRv6 Policy在金融骨干网中应用的可行性。

网络支付安全的账户管理对策——基于国内外银行个人账户管理的实证分析

网络支付的安全主要是银行账户信息及账户资金的安全问题,银行账户是网络支付的源头,本文分析了国内外银行账户构造的不同,指出我国银行个人结算账户最突出的隐患在于兼具储蓄和支付功能,并据此从账户管理角度对网络支付安全提出了建议。

一种针对统一流程引擎的安全设计模型

以企业级IT架构为着眼点,对基于SOA的统一流程引擎的安全问题进行研究。对网络、服务、应用等多个层面的安全问题全面分析,提出了NSA模型。该模型实现了多层次的安全防御架构,能与企业级IT架构能够很好的结合。通过在金融系统的统一流程引擎建设中的实践,对模型进行了验证,并在模型中引入改良的智能神经网络结构,优化入侵检测的效能。

以移动互联网推动普惠金融发展

面对着我国广大农村地区金融服务长期缺位的困局,传统的金融行业已经难以满足推广普惠金融的需求,而通过发展移动互联网金融可以充分地发挥移动互联网产业的技术优势,构建"支付—理财—融资—综合服务"一体化系统将有可能成为未来推广普惠金融的有效途径。

基于深度学习的云计算系统异常检测方法

在云计算服务中,异常检测是防止意外系统停机,并确保终端用户服务可靠性的关键技术。虽然操作控制台日志记录了云计算系统的运行时状态信息,但现有的云计算系统管理技术主要在出现问题后分析原因,而不能提前检测异常。因此,文中提出了一种基于深度学习的云计算系统异常检测方法。首先,提取日志模式,使用聚类将相似格式和内容的日志聚集为模式组;然后,将每个模式作为单词,将离散模式集作为文档,从而降低日志维度,得到低维度特征空间;最后,使用递归神经网络,即长短时记忆,处理训练过程中标记数据的"稀缺性",捕获跨序列的依赖性,获得系统状态的鲁棒异常信号。使用Web系统日志进行实验的结果表明,与现有方法比较在检测复杂异常时具有更高的检测准确性。

基于大数据的智能风险防控平台设计与实现

金融安全是国家安全的重要组成部分,防范化解金融风险是金融工作的根本性任务。为帮助商业银行加快打造适应数字经济时代发展需要的风险防控平台,本文基于大数据应用的关键技术,提出了一种“五层两域”智能风险防控平台总体框架;纵向包含风险数据层、特征计算层、风险模型层、决策引擎层、业务接入层,各层之间松耦合、无状态、可扩展;横向则划分为生产部署域、业务运营域,可最大程度兼顾系统运行的稳定性与业务应用的灵活度。该设计有助于商业银行实现风险数据的统一治理和统一管理,在保证风险防控平台高效稳定运行的同时,又能在风险防控运营、数据分析、模型设计、规则调整等方面为风险防控业务人员提供充足的支撑。以某金融机构部署的智能风险防控平台为例,阐述了该平台的应用情况及实际成效,并对智能风险防控平台的应用发展提出建议。