Auto Byte

专注未来出行及智能汽车科技

微信扫一扫获取更多资讯

Science AI

关注人工智能与其他前沿技术、基础学科的交叉研究与融合发展

微信扫一扫获取更多资讯

360金融姜涛:支撑亿级用户的高速响应架构是怎么炼成的

构建稳定、安全的系统支持是金融科技企业最重要的使命之一,也是科技服务金融的立身之本。

姜涛,360金融技术副总裁,有丰富的互联网、金融产品的开发架构经验。2015年加入360金融,参与了多个互联网金融项目的搭建、运营,擅长从多角度出发,并结合技术特点,提升产品能力。

360金融姜涛:支撑亿级用户的高速响应架构是怎么炼成的360金融技术副总裁姜涛2019年是金融和科技持续共生式成长和发展的一年,技术的不断加码促使现代金融体系呈现了指数级的增长。毋庸置疑,降低企业成本、提高用户体验和社会服务效率是科技赋能金融服务的主要体现。但随着金融与科技的深度融合,金融信息和资金流通对信息技术的依赖越来越大,信息技术的安全性和可靠性对金融安全至关重要。

过去的一年于金融科技而言,监管框架在逐步完善,风险隔离机制也已经建立,但基础设施网络安全性仍待加强。对此,360金融技术副总裁姜涛评论到:“构建稳定、安全的系统支持是金融科技企业最重要的使命之一,也是科技服务金融的立身之本。”

对于基础设施网络如何赋能金融服务及如何搭建基础设施,以保证整个金融服务体系的健康、低风险运转,姜涛给出了如下解答。

构筑现代金融服务体系

建立与现代化经济体系相适配的金融服务体系,增强金融服务供给的灵活性和适应性,更好地满足供给侧金融需求,从而进一步提升服务实体经济效率和普惠水平,实现人机共舞,是金融科技与传统金融行业最大的区别。

——你和你的团队主要工作是什么?

姜涛:2019年,我们服务了上亿用户,其中新注册的用户数接近四千万。为提供行业领先的金融服务,团队开发的软件覆盖了安卓、IOS和H5三端,并在后端搭建了一个极其庞大的服务集群。我们正在、也会继续将这些用户的金融需求匹配到各个金融机构,比如银行、消金等持牌机构。

除此之外,团队还负责其他技术保障。就此次疫情期间工作来说,从技术层面来看,远程办公对业务最大的挑战在于如何解决居家办公环境复杂多样,系统及话务配置难,网络不稳定等问题。公司对我们的要求是,只要员工家中有电有网就要可以正常办公。为此,我们先后调整了上千个配置参数,制作了4版不同VPN,并配置了匹配的话务软件和说明,在第一时间落地上线了手机话务登录模式,最大程度的保障了业务正常运营。

——计算机技术在金融行业最显著的应用是什么?

姜涛:一是提高金融效率。在开发方面,计算机为金融服务提供的是相对基础的工作,并不能改变金融行业商务本质层面的特质。比如用户申请贷款,之前只能去金融机构的营业厅或线下门店,但是现在我们的线上系统可以通过信息化、电子化的方式更好的满足用户的金融需求,并且能够在这个过程中预测用户的需求,以使金融服务更有效。

二是基于隐私保护的用户需求预测。通过对多个数据模型的综合应用,我们将经过脱敏的数据处理成分析结果,进而对用户进行画像和需求预测。和线下的金融服务相比,这种方式覆盖的人群更广,更快速的满足了有需求人群的金融痛点,也极大的提升了金融服务的匹配效率。

——过去一年,技术方面有哪些革新?是否对行业发展还有所贡献?

姜涛:从技术层面来看,对我们工作的确切描述应该是微创新,我们用技术的手段提高了行业的效率,但这并不是一蹴而就的,更像是一个盘旋上升的过程。因为我们要兼顾商业价值与系统效率,对系统开发来说,领先行业整体水平太多并不可取,虽然我们有能力做到,但是我们需要综合考虑商业成本和利润空间,我们需要在控制成本的情况下,满足业务的需求,然后在这一基础上逐渐地改进我们技术。

至于对行业发展的贡献,效率提升了,成本自然降低了。我们的技术核心归根到底还是从效率和成本两个方面优化了金融服务。

360金融姜涛:支撑亿级用户的高速响应架构是怎么炼成的

核心要义:安全、稳定

科技的引入提高了金融业效率,增加了金融普惠程度,并从经营管理、风险防控、客户营销与客户服务等方面颠覆了传统金融机构的经营思路。但技术变革并未改变金融的内在运行规律及风险管理属性,由于科技与金融的深度融合,金融风险有了新的意义,出现了“科技金融安全”的概念。

——具有金融行业特色的技术需求是什么?

姜涛:科技在金融业里面自始至终最重要的还是提高效率。这主要表现在以下几点:首先用户体验会更好,产品的使用流畅度,包括用户在我们平台上操作步骤的减少,此外,还有一个非常重要的表现是对风险的控制。这些都是通过科技的手段实现的。

金融是有极高门槛的行业,因此需要每个环节都不能出现短板,各个部门的协作也十分重要。比方说我们的产品排序,会跟模型团队根据用户情况建立模型,然后在平台上会根据每个用户的情况来展示不同的产品,做到千人千面,这涉及到了数据的整理、模型的建立和实施。这就是一个典型的协作的过程。

——相较于无人驾驶等大家觉得很高深莫测、需要机器学习的技术来说,金融行业的技术需求是不是相对浅显?

姜涛:不能这样比较。无人驾驶更多的是前瞻性的需求,但是金融科技是实实在在的摆在眼前的需求,是实实在在影响了很多人的需求,目前这项技术每时每刻都在重塑我们的生活方式,比如匹配大众的金融需求,这是金融科技非常显现的表现。

而且我从不认为无人驾驶所需的技术比我们现在从事的技术研发工作更高深,我们需要通过数据建模、AI、大数据、知识图谱去对上亿的用户进行辨识,进而提供安全的服务系统。在安全要求方面,金融行业的严苛程度并不低于无人驾驶。另外,我们的风控表现在行业内是领先的,这对技术“精”“尖”的要求也不亚于无人驾驶。

此外,应用性和前瞻性是相互影响的,不能用单一标准去衡量孰优孰劣。在人脸识别之前,整个金融行业做远程的客户识别,花费的成本是比较高的,但是当这个有了之后,对整个行业发生很多变化。远程证券开户,金融产品可以远程去核定你这个人。但是回过头来说如果没有后面基础很扎实的IT基础设施来提供支持,也无法承载这么多用户的高并发需求。现在360金融每天至少有数十万用户做人脸识别,做远程图像比对。这需要高稳定系统支持,所以我觉得技术永远需要相辅相成。

——你怎么形容你所在团队的工作?

姜涛:基础设施。我们做出来的产品是直接面向用户的,就像我刚刚提到的,数据、风控、模型团队都会使用我们这边产生的数据,我们在整个工作流程中更像是骨架般的存在,会去打通算法、大数据各方面一些东西,就像基础设施。

另外我的团队需要综合考虑系统的可扩展性,我们的用户数量每天都在增长,我们需要逐步的、稳定的提升系统的扩展性。对于数据、风控、模型团队来说,稳定系统的支持是开展工作的前提。另一点是,我们的系统需要足够的安全,因为我们提供的是金融产品,一旦出现安全性时间,对金融产品会是一个致命的打击,也会导致用户的信任度下降,所以这也是很关键的因素。

所以,对我们来说,稳定和安全是工作的核心要义。

360金融姜涛:支撑亿级用户的高速响应架构是怎么炼成的

“决战”2B服务

目前B端服务一片蓝海,但若真正进入其中分一杯羹,则要直面比C端更高的门槛,更久的耐心以及更大的风险。相较于2C服务,B端门槛更高,业务核心在于是否有过硬的技术实现赋能。

——360金融技术层面的核心竞争力是什么?

姜涛:我们技术的核心竞争力是能够在极短的时间内去响应上亿用户的需求,能够非常快速准确的辨识需求的有效性与真实性。这直接决定了我们的获客效率在行业内处于领先地位,从而降低了各方面的工作成本,而且用户数量一直在稳健增加,服务用户的数量的是判断我们的技术水平和公司实力的最直观的标准之一。另一个标准就是放款数量,当然这一点我们在行业内也是领先的。

作为一个商业科技公司,衡量标准归根结底还是我们的服务好不好、能不能吸引用户、我们为多少用户提供了服务。

——金融科技领域的技术发展趋势是什么?

姜涛:首先从平台的数量来说可能会更头部化,头部机构服务的用户会越来越多,所以对系统的要求会越来越高。包括监管政策的改变也可能会对技术的要求发生变化,包括甚至整个系统和产品结构会进行一些调整,这也促使我们在一些新的方向进行探索,包括联邦学习等。此外,2020年云原生应该会越来越普及,这是我个人的一个判断。

此外,对公司来说,基础开发、大数据、人工智能,这些领域都不能有短板,有短板的话最后体现出来的就是用户拿到的是一个很糟糕的产品,这是技术短板必然会导致的一个结果。把我们在各方面的技术积累赋能B端的合作机构,这是2020年的一个工作方向。

——在进行2B的服务过程中,最大的技术挑战是什么?

姜涛:相较于2C市场需求明确、技术成熟的情况 ,2B服务首先需要找到合适的机构开展合作,这是很关键的,也是2C和2B客户的一个很大的区别。对2C来说,产品做的足够好,自然用户就会在,2B的话隐性的要求会更多。当然我们有信心输出我们的技术去赋能传统金融机构,就像我们现在已经开展的部分业务一样。

对于IT的交付等方面可能会成为2B服务的挑战,比如金融机构对于系统的要求和我们这边不一样,这需要去磨合。

360金融姜涛:支撑亿级用户的高速响应架构是怎么炼成的360金融技术委员会委员

360金融
360金融

打通金融智能全链路,破局金融科技新十年

产业金融科技数据中台互联网金融科技数据
1
相关数据
机器学习技术

机器学习是人工智能的一个分支,是一门多领域交叉学科,涉及概率论、统计学、逼近论、凸分析、计算复杂性理论等多门学科。机器学习理论主要是设计和分析一些让计算机可以自动“学习”的算法。因为学习算法中涉及了大量的统计学理论,机器学习与推断统计学联系尤为密切,也被称为统计学习理论。算法设计方面,机器学习理论关注可以实现的,行之有效的学习算法。

人工智能技术

在学术研究领域,人工智能通常指能够感知周围环境并采取行动以实现最优的可能结果的智能体(intelligent agent)

参数技术

在数学和统计学裡,参数(英语:parameter)是使用通用变量来建立函数和变量之间关系(当这种关系很难用方程来阐述时)的一个数量。

人脸识别技术

广义的人脸识别实际包括构建人脸识别系统的一系列相关技术,包括人脸图像采集、人脸定位、人脸识别预处理、身份确认以及身份查找等;而狭义的人脸识别特指通过人脸进行身份确认或者身份查找的技术或系统。 人脸识别是一项热门的计算机技术研究领域,它属于生物特征识别技术,是对生物体(一般特指人)本身的生物特征来区分生物体个体。

知识图谱技术

知识图谱本质上是语义网络,是一种基于图的数据结构,由节点(Point)和边(Edge)组成。在知识图谱里,每个节点表示现实世界中存在的“实体”,每条边为实体与实体之间的“关系”。知识图谱是关系的最有效的表示方式。通俗地讲,知识图谱就是把所有不同种类的信息(Heterogeneous Information)连接在一起而得到的一个关系网络。知识图谱提供了从“关系”的角度去分析问题的能力。 知识图谱这个概念最早由Google提出,主要是用来优化现有的搜索引擎。不同于基于关键词搜索的传统搜索引擎,知识图谱可用来更好地查询复杂的关联信息,从语义层面理解用户意图,改进搜索质量。比如在Google的搜索框里输入Bill Gates的时候,搜索结果页面的右侧还会出现Bill Gates相关的信息比如出生年月,家庭情况等等。

联邦学习技术

如何在保护数据隐私、满足合法合规要求的前提下继续进行机器学习,这部分研究被称为「联邦学习」(Federated Learning)。

合合信息机构
推荐文章
暂无评论
暂无评论~