首页
学习
活动
专区
工具
TVP
发布
精选内容/技术社群/优惠产品,尽在小程序
立即前往

聚焦云计算、 大数据、 人工智能和区块链,中国信通院发布《中国金融科技前沿技术发展趋势及应用场景研究》(附下载)

近日,由中国信息通信研究院主办,中国银行业协会、中国支付清算协会、中国互联网金融协会共同支持,数据中心联盟、天津融宝支付网络有限公司、互联网金融科技委员会联合承办的“2018中国金融科技产业峰会”在(北京)中国千禧大酒店隆重召开。会上,中国信息通信研究院主任工程师、金融科技负责人韩涵博士,代表金融科技团队发布了《中国金融科技前沿技术发展趋势及应用场景研究》。报告聚焦云计算、 大数据、 人工智能和区块链等四大新兴技术领域, 从应用价值、 关键技术、 应用场景和典型产品分析等四个方面, 深入剖析四大新兴技术在金

08
  • 您找到你想要的搜索结果了吗?
    是的
    没有找到

    聚焦第11届金洽会,共议“互联网+”时代的金融信息安全保障与风险防范

    2017年6月28日,第11届上海金融服务实体经济(中小微企业)洽谈会暨论坛(以下简称“金洽会”)在上海开幕。此次“金洽会”旨在宣传金融服务实体经济的政策导向和文件精神,系统展示上海金融业服务中小微企业的金融产品体系,搭建金融服务供给方和金融服务需求方的面对面交流对接平台。 金洽会期间,举行了八大主题、十个场次的专题论坛,包括自贸区金融论坛,金融创新论坛,金融科技高峰论坛、金融服务科创中心发展论坛、金融信息安全保障与风险防范论坛、融资租赁创新与发展高峰论坛、资产证券化论坛、股权投资高层论坛等。 金融信息安全

    07

    深度解读 |《网络安全法》对金融行业的合规性引导(下)

    今年6月1日,备受瞩目的《中华人民共和国网络安全法》正式付诸实施。上一周我们从金融行业的角度和大家分享了在这部新法律框架下用户将要面对的难点和痛点,今天我们就针对这些难点给出有效的解决方案。 解决方案 一、 需求背景 《网络安全法》明确金融机构为国家信息安全重点保护对象,并且强调了网络运营者(金融机构)对收集到的个人信息的保护力度。而针对目前金融行业主流防护体系依然是基于大量安全产品的简单组合,存在较多的不足:各产品间耦合度较低,难以实现真正的整体协同应对攻击;每天产生海量的数据信息,很难实现人工式的统计分

    08

    互金专委会:互金行业仍存盗号、钓鱼欺诈等高危漏洞

    1月2日,国家互联网金融安全技术委员会(以下简称“专委会”)发布“全国互联网金融阳光计划”第二十七周-互联网金融网站漏洞分析报告”。 报告指出,互联网金融是金融与互联网技术相融合的领域,信息流的安全性是互联网金融发展的基础和保障。互联网金融信息系统在运行过程中一旦发生数据泄露、盗取、篡改等事件,会使各方蒙受巨大损失,甚至影响经济和社会稳定。近期,国家互联网金融风险分析技术平台对互联网金融行业的网站漏洞情况进行了抽样分析。 安全漏洞概览 本次监测分析覆盖北京、深圳、浙江等省市共1529家互联网金融平台网站。按

    07

    深度解读 |《网络安全法》对金融行业的合规性引导(上)

    今年6月1日,备受瞩目的《中华人民共和国网络安全法》(以下简称《网络安全法》)正式付诸实施。近期,安恒信息将陆续推出系列文章,从不同行业客户的视角来解读这部重要法律,领会其中的要义,剖析不同行业客户在这部新法律框架下将要面对的难点和痛点,并分行业提出安恒信息的解决之道。今天,我们先从金融行业谈起。 解读背景 从1994年国务院颁布第一个网络信息系统的安全法规《计算机信息系统安全保护条例》开始,国务院、各部委等后续出台了几十部针对专门行业、领域的信息安全法规,但始终没有一部网络安全方面的基础法律。随着各国围

    05

    面向金融云的软件定义网络(SDN)安全研究——理论与研究框架

    一、 研究背景 (一) 研究背景 近年来,为了满足不断增长的业务需求与集约化建设要求,金融机构逐渐开始进行数据中心的云化建设。中国银联从2011年即开始金融云平台的建设,在本人2015年3月博士后入站时,该平台已经初具规模,并且生产上线。与此同时,也在积极开展针对下一代基于软件定义网络(SDN)的金融云平台实现研究。促使金融云采用新一代网络技术进行建设升级主要有如下几大因素: 1) 面向互联网化的业务日益增加,云网自动化协同的需求愈发迫切,同时网络必须更加鲁棒以应对互联网业务的高风险;网络的建设将逐渐从传

    07

    腾讯云携手神州信息发布“金融分布式核心”联合方案

    6月24日,基于国内银行对以云为承载的全栈国产化IT系统的需求,腾讯云携手神州信息正式推出了“金融分布式核心”联合解决方案。双方采用开放平台技术-核心平台+云平台实现业务的分布式处理、敏捷部署和动态伸缩,同时推动国产数据库的金融全场景落地。在帮助银行核心上云的同时,更利用核心系统云原生特性,满足多地多中心、跨区容灾、HTAP等先进性要求,实现银行核心业务系统的安全可控。 随着移动互联网、云计算等技术的发展,金融机构的业务环境愈加复杂。国家“十四五”规划明确提出“推进金融业信息化核心技术安全可控,维护金融

    01

    罗明雄:大数据金融运营模式分析

    根据企业处于大数据金融服务中的环节及价值的差异,可以将大数据金融分为平台金融和供应链金融两大模式。平台金融模式中,是平台企业对其长期以来积累的大数据通过互联网、云计算等信息化方式对其数据进行专业化的挖掘和分析,通过研究并与传统金融服务相结合,创新性的为平台服务企业开展相关资金融通工作。譬如现在大家熟知的阿里金融,以及未来可能进入这一领域的电信运营商等;供应链金融模式中,是核心龙头企业依托自身的产业优势地位,通过其对上下游企业现金流、进销存、合同订单等信息的掌控,依托自己资金平台或者合作金融机构对上下游企业

    07

    LLMs大模型在金融投资领域的15个具体应用场景

    传统的股票时间序列预测主要依赖统计和计量经济学方法,如自回归滑动平均模型(ARMA-GARCH)、向量自回归模型(VAR)、状态空间模型、扩散模型和误差修正向量模型(VECM)。这些模型通过识别金融系列中的模式和波动性,对市场进行分析和预测。随着机器学习的发展,决策树、支持向量机(SVM)等方法逐渐受到重视。近年来,深度学习技术如循环神经网络(RNN)、卷积神经网络(CNN)和Transformer模型的应用显著提升了股票时间序列预测的精度和效率。GPT-3、GPT-4和LLaMA等大型语言模型在解析复杂数据关系方面表现出色,推动了时间序列数据转化为文本序列的创新。

    01
    领券