金融安全防护技术的创新不断。
生成式人工智能技术爆发以来，各大金融机构均在积极探索金融大模型建设与 赋能。根据国有四大行2024半年报，中国工商银行的千亿级大模型已在金融 市场、信贷风控、网络金融等业务场景落地应用；中国农业银行正持续完善AI 软硬件支撑体系，推动AI+应用场景落地；中国银行在试点代码辅助等大模型 应用；中国建设银行则强调持续推进金融大模型建设及应用，包括全面赋能行 内业务、提升文生图输出质量等。当前，金融大模型的建设方式主要为：基础 大模型底座以大厂的开源模型为主；平台层由部分金融科技企业提供平台化服 务，且以数据治理类服务为主，代表案例有大模型+RAG增强检索平台、 DataOps+AIGC数据开发平台等；应用层则是大部分金融科技企业选择发力的 主阵地，持续助力金融机构等探索AI+、Agent等应用模式，代表案例有智能 投顾、风控、反洗钱、防欺诈等。
不过，在推动大模型实际落地方面，行业整体仍面临诸多挑战。除了老生常谈 的模型“幻觉”、数据安全问题外，大模型搭建成本过高、相关风险计量问题、 数据溯源问题等也是相关企业担忧的核心问题。而在监管端，金融业一贯要求 强监管和防风险，结合《生成式人工智能服务管理暂行办法》等出台，金融业 在应用人工智能方面也应当更加规范有序。 尽管挑战重重，但持续探索“AI+”应用已成为行业共识，呈现出传统AI与生 成式AI相辅相成的趋势。在技术底座方面，大小模型相互协同是主流技术路线； 在业务场景方面，生成式AI更适合信息归集、分析、生成等非决策场景，在直 接对客场景方面还需审慎评估其风险；传统AI则更适合复杂的流程控制、风险 管理和策略决策类场景。相关企业在充分分析场景需求基础上，确定应用开发 模式，并适配恰当的模型类型和参数量级，将是实现成本效益最大化的可行举 措。
自国家数据局组建以来，数据要素市场化建设正稳步推进。2024年11月23日， 国家数据局印发了《可信数据空间发展行动计划（2024—2028年）》，明确 提出到2028年，我国将建成100个以上可信数据空间，形成一批数据空间解决 方案和最佳实践。具体包括企业、行业、城市、个人、跨境五类可信数据空间 的建设和应用推广，还特别提及要大力培育金融保险行业可信数据空间，为优 化金融业的数据流通基础设施提供了坚实的政策支持，大数据、区块链、物联 网等领域的金融科技企业有望迎来更广阔的市场空间。
值得注意的是，公共数据对于金融业提质创新极其重要。例如，征信数据作为 公共数据的重要组成部分，对金融风险控制和信用评估起着关键作用；金融服 务和产品的创新，常常需要整合利用工商、税务、公安、海关、环保、社保、 医疗、司法等多个公共部门的数据资源。此外，金融具有服务实体经济的属性， 金融与其他行业之间的可信数据空间构建同样值得关注。例如，在汽车智能化 背景下，基于自动驾驶和驾驶责任追溯等算法，车路交通数据正以更为可信、 高效的方式流入金融领域，有利于金融业创新保险产品以实现各方价值。在能 源领域，电力数据、碳排放数据与金融数据打通后，有利于绿色债券、绿色信 贷等金融服务持续助力能源转型。 此外，结合2024年10月9日《关于加快公共数据资源开发利用的意见》的发布 来看，中央层面首次对公共数据资源开发利用进行了系统部署。预计随着公共 数据流通使用的体制性障碍和机制性梗阻进一步破除，在金融机构、金融科技 企业、数据要素型企业等多方主体的互信合作下，数据要素驱动金融科技创新 的潜力还将持续释放。
技术变革从未停歇，金融业既是前沿技术应用的高地，也是对安全合规要求极 高的重要行业，金融安全攻防态势日渐复杂，正在驱动金融安全防护技术理念 持续升维。目前，金融业安全建设已从单一的网络和信息安全保护转向多维度、 全栈式、立体化安全防护，包括基础设施供应链安全、开发运营安全、数据安 全、云原生安全、全生命周期安全等。
在这一背景下，金融安全防护技术的创新不断。例如，从隐私计算到密态计算， 体现了演进式的技术创新，后者主要通过综合利用密码学、可信硬件和系统安 全技术，保障数据要素以密态形式流通，有望保障数据全链路安全，正在为金 融安全领域的下一代主流技术路线。代码疫苗技术则代表了组合式的技术创新， 其技术原理在于融合IAST（Interactive Application Security Testing，交互 式应用安全测试）、RASP（Runtime Application Self-Protection，运行时 应用自我保护）、SCA（Software Composition Analysis，软件成分分析） 等安全技术，为应用植入“疫苗”，从开发源头侧规避安全风险，并为应用搭 建更加有效的内生积极防御体系，实际上达成了从漏洞检测到漏洞防护的全生 命周期安全防护。 此外，大模型技术浪潮下，安全领域的部分企业选择基于通用大模型，投喂安 全知识语料，进行模型的再次预训练和微调，安全领域大模型应运而生，相关 应用目前已落地于安全运营（自动提供安全事件的总结摘要，提供威胁背景， 并提出具体建议处置威胁）、攻击溯源（实时分析安全问题，发现可能的攻击 路径）等场景。展望未来，金融科技创新将助力金融业构建起更加坚固的防线， 应对愈发复杂多变的安全威胁。
