蚂蚁-叶恺-安全风控AI超级工厂建设之路.pdf

《蚂蚁-叶恺-安全风控AI超级工厂建设之路.pdf》由会员分享，可在线阅读，更多相关《蚂蚁-叶恺-安全风控AI超级工厂建设之路.pdf（10页珍藏版）》请在三个皮匠报告上搜索。

1、安全风控AI“超级工厂”建设之路叶恺 大安全AI智能应用团队负责人个人简介2013年加入蚂蚁集团，先后在参与建设余额宝、营销、安全风控等多条业务线的核心系统架构设计及研发。在大规模分布式应用技术、风控异常检测、基于MLOps规范的AI工程基础技术等方面领域有超过数十年的沉淀及经验。目前担任蚂蚁大安全AI智能化应用团队负责人，带领团队致力于持续提升模型及风控策略研发、运营效能，推动安全领域的深度智能化进程。叶恺蚂蚁集团 蚂蚁集团大安全AI智能化应用团队负责人内容概述案例背景 随着算法模型在业务上的价值越来越大，算法在业务上的应用以较快的速度大面积铺开。然而，模型的生产方式仍偏作坊式，急需规模化的

2、统一平台，规范模型从研发到上线的全生命周期管理，从而使模型生产及服务得到规模化的效能提升。蚂蚁安全从2021年开始，开启了安全AI工程方向的技术建设。通过标准化定义模型研发流程，以及相关一系列平台的建设，大大提升模型研发过程中的自动化程度。同时，在模型的可信、效能评测、推理性能优化等方面，也通过工程化的方式持续提升。本次介绍，全面讲解安全AI工程平台的技术架构及技术要点，以及在安全业务上取得的阶段性成果。解决思路 安全AI工程平台，基于MLOps规范，定义平台对于样本、训练、测评、部署、推理，5个阶段的核心技术能力。通过串联5大核心能力，基于业界主流模型研发范式，沉淀模型研发自动化流程、统一模

3、型上线的质量规范、自动化模型推理性能优化。平台通过资金安全、内容安全等业务的验证，验证了AI生产规模化提升的可行性。成果 在蚂蚁安全风控领域，模型生产提效37%42%，推理性能提升2-3倍。首个工业级全数据AI安全检测平台蚁鉴，在世界人工智能大会上发布，被中国人工智能产业发展联盟定义为可信AI“标杆案例”。案例背景风险感知风险分析风险对抗专家分析风险分析应对目标应对方案散点报表防控水位批量风险风险水位重大舆情客户声音指标数据维度数据特征数据规则检测自动归因异常检测数据资产检测历史目标触达告警降噪告警推送/订阅告警分析+人工下探&分析智能感知智能研判智能研发智能分析自动化异动分析应对方案自动生成

4、目标自动定义策略优化策略研发策略部署策略测评人工执行样本资产特征资产策略&模型评测部署人工联动人工联动自动化联动自动化联动策略&模型研发安全AI工程架构XX业务平台XX业务平台XX业务平台安全AI工程SaaS-智能化风控服务智能感知|智能攻防|智能研发安全AI工程产品 AI智能化服务、模型&策略研发门户蚁鉴模型测评风控中台安全AI工程PaaS 智能超级工厂样本中心|研发中心|测评中心|发布中心|推理中心|计算中心数据基础设施技术底盘模型推理数据计算|仿真测试|特征服务|图计算样本标注|计算平台|隐私计算|BI|存储|中间件模型研发产品风险感知产品产品后端服务策略研发产品数据资产精品数据资产智能

5、感知接入检测推送研判重度依赖事件同步、异步事件防控覆盖不全依赖先验知识30+风险域，1万+特征混合风险漏过分析经验无沉淀adhoc sql、人工经验评估遗漏体系化缺失策略标签、rank标记噪音过多图计算graph processing异常检测anomaly detection特征挖掘feature generation感知统一数据模型账户设备行为环境接口日志交易记录流量数据风控事件手法聚类规模评估风险排序规则筛选人工AI+分析经验规则沉淀异常可解释半自动问答智能风险感知平台数据标准接入态势+明细检测风险推送人机交互分析智能研发 样本中心ID1特征1特征2特征3特征xxxID2ID3IDxxx.

6、特征1特征2特征3特征xxx.特征1特征2特征3特征xxx.特征1特征2特征3特征xxx.样本数量：亿级特征数量：万级核心问题样本1特征1特征2特征3.样本聚合：合并重复样本，减少回溯计算量任务3任务2任务1资源执行时间 字段限制任务构造：根据负载和字段限制，构造实际待执行的任务等待时间1.口径管控 样本资产沉淀2.计算任务提交 减少任务提交3.样本回溯 离线样本特征计算1.特征&样本的体系化管理2.特征支持离线回溯计算，且特征值与在线一致。3.耗时&资源问题。风控事件（离线数据）特征平台模型平台数据计算平台样本平