阿里如何用 AI 提升風控能力？本週三晚直播揭曉

隨著大資料及大計算能力的時代到來，深度學習技術已經成為當前人工智慧領域的一個研究熱點，並在很多領域（影像、語音、自然語言處理、推薦搜素等）展現出了巨大的優勢。

對很多人來說，安全領域可能比較陌生，但它和每個人息息相關。為了有效地控制風險，節約成本，同時兼顧使用者體驗，阿里根據安全業務場景的特徵，將AI技術運用到了安全領域，提升了整體風險防控能力。本週，阿里技術直播間再次亮燈，開啟AI與安全的探索。

3月20日（週三）晚19:30，我們們一起聊聊“AI與安全：數字時代下的機遇與挑戰”，歡迎收看。

直播參與方式：

• 直接觀看：掃描上方圖片二維碼，或點選本文末尾的“閱讀原文”，在瀏覽器中（記住！一定要用瀏覽器開啟，手機或PC均可）開啟直播連結，收藏起來，定好鬧鐘，3月20日（週三）準時觀看。

• 釘釘群觀看：使用“釘釘”搜尋交流群號 21933455，加入AI與安全技術交流群，既可到時觀看直播，也可與嘉賓、行業同仁互動探討。

主播介紹：

越豐，阿里巴巴演算法專家，主要從事面向安全領域的AI演算法研究，課題包括多模態特徵融合與檢索、對抗樣本、遷移學習等，他的研究成果應用於內容安全、智慧財產權和AI安全等產品中。加入阿里前曾就職於百度深度學習研究院從事視覺演算法研究。

為易，阿里巴巴高階演算法工程師，在阿里圖靈實驗室從事相關安全領域的AI演算法研究，包括視訊建模分析、小樣本學習、OCR、人臉識別等相關演算法。

直播亮點：

本次直播，我們將重點介紹安全領域的特色以及挑戰。

• 多模態風險：我們要監控的資料包含影像、文字、視訊等非結構化的資料，如何融合各種資訊進行綜合防控，這是我們面對的挑戰之一。

• 小樣本問題：同時我們能收集到的風險的樣本很少，但是深度學習往往需要大量的資料，才能獲得比較好的模型。如果利用很少的資料訓練得到較好的模型，這也是我們面臨的難題。

• 對抗防禦：安全場景一個重要的特點就是存在很強的對抗性，這也是安全問題長期以來很難解決的一個主因。日常防控中，黑產會嘗試使用各種不同方法繞過、或者攻擊我們部署的系統。

針對這些問題，我們將在直播中介紹多模態融合、小樣本學習、領域遷移、視訊graph建模等AI技術，通過這些技術提升我們的風險防控能力。

• 多模態融合: 我們將影像和文字特徵在影像的空間域和文字做細粒度融合、以及全域性上Bilinear Poolilng融合技術，取得了不錯的效果。

• 小樣本學習：我們通過優化的task condition結合的few shot learning，達到在少量樣本情況下覆蓋這些長尾風險

• 領域遷移：我們將attention機制引入cycleGAN上，將少量場景transfer到通用場景上，提升模型通用性。

• 視訊graph建模：我們使用創新的GCN來對視訊進行Graph建模，提升了視訊理解分析能力。

對 AI 安全感興趣的同學，歡迎加入“AI 安全”技術交流群，看直播，與智慧安全團隊直接交流！

此外，我們今年聯合天池和IJCAI-2019大會，舉辦了IJCAI-19 阿里巴巴人工智慧對抗演算法競賽，希望能夠推動AI安全的發展。同時，我們還會在IJCAI-2019上舉辦首屆AI for business security的workshop。歡迎大家投稿和參會。

活動官網：https://security.alibaba.com/alibs2019

你可能還喜歡

點選下方圖片即可閱讀

為了30分鐘配送，盒馬工程師都有哪些“神操作”？

Serverless 風暴來襲，前端工程師如何應對？

阿里巴巴2019實習生招聘正式啟動！