邢波

摘 要：隨著中國金融市場的繁榮和發(fā)展，金融領(lǐng)域監(jiān)管及風(fēng)險防控力度不斷加大，已成為國家級的戰(zhàn)略重點(diǎn)，保障著金融體系的安全、高效、穩(wěn)健運(yùn)行。大數(shù)據(jù)和人工智能技術(shù)的引入為監(jiān)管領(lǐng)域帶來新的變革，本文結(jié)合監(jiān)察領(lǐng)域多年來的應(yīng)用實(shí)踐，將大數(shù)據(jù)及人工智能技術(shù)引入交易監(jiān)察平臺的規(guī)劃設(shè)計(jì)，有效的解決日趨復(fù)雜的監(jiān)管環(huán)境下，交易監(jiān)察信息系統(tǒng)建設(shè)面臨的難題，探索出新一代智能監(jiān)察平臺的建設(shè)之路。

關(guān)鍵詞：大數(shù)據(jù)；人工智能；交易監(jiān)察

中圖分類號：TP392 文獻(xiàn)標(biāo)識碼：A

Abstract：With the prosperity and development of financial markets in China，the supervision and risk control of financial markets have been intensified and have become a national strategy for safeguarding the safe，efficient and stable operation of the whole financial system.The introduction of big data and AI brings reforms and innovations to the supervision sector.In combination with years of practical applications in the field of supervision，this paper introduces big data and AI into the design of the supervision platform for financial transactions to resolve efficiently the difficulties encountered during the construction of the financial transaction information system in the increasingly complicated supervising environment and to explore a way of building a new intelligent supervision platform.

Keywords：big data；artificial intelligence；supervision of financial transactions

1 引言（Introduction）

金融體系是我國國民經(jīng)濟(jì)的核心，是市場經(jīng)濟(jì)發(fā)展的支柱行業(yè)，但是金融本身的高風(fēng)險性及金融危機(jī)的傳導(dǎo)效應(yīng)，使得金融市場永遠(yuǎn)是一個機(jī)會與風(fēng)險并存的領(lǐng)域，因此保障金融體系的安全、穩(wěn)健、有效運(yùn)行是國家及各級金融機(jī)構(gòu)的重要任務(wù)，對國民經(jīng)濟(jì)的發(fā)展起到至關(guān)重要的作用。證券交易市場是金融體系的重要組成部分，無論在監(jiān)管層面還是一線的金融機(jī)構(gòu)都將交易監(jiān)察和風(fēng)險防控作為市場穩(wěn)定運(yùn)行的重要關(guān)注點(diǎn)，國家陸續(xù)頒布一系列政策法規(guī)，例如：《中國證券監(jiān)督管理委員會證券市場操縱行為認(rèn)定指引》《證券公司風(fēng)險控制指標(biāo)管理辦法》《中國證券監(jiān)督管理委員會證券市場內(nèi)幕交易行為認(rèn)定指引》《證券投資基金管理公司監(jiān)察稽核報告內(nèi)容與格式指引》《證券期貨投資者適當(dāng)性管理辦法》等，要求證券領(lǐng)域金融機(jī)構(gòu)建立健全一整套風(fēng)險管理、監(jiān)察稽核、合規(guī)管理的內(nèi)控體系，監(jiān)管層也加大了監(jiān)管力度，進(jìn)而保證金融市場平穩(wěn)發(fā)展[1]。

中共中央總書記習(xí)近平主持中共中央政治局第四十次集體學(xué)習(xí)時強(qiáng)調(diào)，“金融活，經(jīng)濟(jì)活；金融穩(wěn)，經(jīng)濟(jì)穩(wěn)?！辈⑻岢鼋鹑陲L(fēng)險防控的六大任務(wù)，從宏觀角度來看，未來金融監(jiān)管力度會繼續(xù)加大，從長遠(yuǎn)來看，合規(guī)與風(fēng)險管理將有助于營造出更健康有序的金融環(huán)境，脫虛向?qū)?，把資金導(dǎo)向合規(guī)穩(wěn)健發(fā)展的實(shí)體企業(yè)。因此加強(qiáng)金融監(jiān)管風(fēng)險防控是國家級的戰(zhàn)略重點(diǎn)。

2 交易監(jiān)察領(lǐng)域信息系統(tǒng)建設(shè)面臨的問題和挑戰(zhàn)

（Problems and challenges encountered during

the construction of the financial transaction

supervision system）

按照國際上監(jiān)管體系模型的劃分，我國目前證券市場采用的是公共權(quán)力機(jī)關(guān)模型，證券及期貨市場經(jīng)過20多年的發(fā)展，逐步形成了以國務(wù)院證券監(jiān)督管理機(jī)構(gòu)、國務(wù)院證券監(jiān)督管理機(jī)構(gòu)的派出機(jī)構(gòu)、證券交易所、保證金監(jiān)控中心、行業(yè)協(xié)會“五位一體”的監(jiān)管體系和自律管理體系。無論哪個層面其信息系統(tǒng)建設(shè)都是行使監(jiān)管職責(zé)的重要支撐，隨著證券市場的發(fā)展，投資品種、交易模式的不斷創(chuàng)新，高頻交易行為不斷涌現(xiàn)，導(dǎo)致證券市場交易形態(tài)日趨復(fù)雜，異常及違規(guī)交易行為呈現(xiàn)多樣化、隱蔽化的發(fā)展態(tài)勢，給監(jiān)管機(jī)構(gòu)帶來了巨大的挑戰(zhàn)。

2.1 數(shù)據(jù)的非集中管理為監(jiān)管帶來困難

信息系統(tǒng)的設(shè)計(jì)和構(gòu)建是隨著業(yè)務(wù)的發(fā)展不斷完善的，但是隨著證券市場的發(fā)展，創(chuàng)新業(yè)務(wù)、創(chuàng)新產(chǎn)品的不斷涌現(xiàn)，監(jiān)管規(guī)則和手段的不斷優(yōu)化，原有分散的系統(tǒng)將導(dǎo)致數(shù)據(jù)被割裂，大大影響數(shù)據(jù)整體分析統(tǒng)計(jì)的效率，以及數(shù)據(jù)管理的便利性，為監(jiān)管帶來困難，首先是操作權(quán)限和數(shù)據(jù)權(quán)限無法統(tǒng)一的問題，其次是關(guān)聯(lián)的數(shù)據(jù)無法有效對接的問題，這些問題都為數(shù)據(jù)的使用者帶來工作的不便利。

2.2 穿透式監(jiān)管要求多維數(shù)據(jù)處理問題

傳統(tǒng)的證券市場監(jiān)管，更多的數(shù)據(jù)是來源于交易的相關(guān)數(shù)據(jù)，但是隨著違規(guī)行為日趨復(fù)雜，對于多維監(jiān)管數(shù)據(jù)的獲取是監(jiān)管準(zhǔn)確有效的基礎(chǔ)，獲取的渠道除了在一線的交易機(jī)構(gòu)，還會擴(kuò)展到公安、工商、社交媒體、銀行征信等領(lǐng)域，為投資者和上市公司構(gòu)建準(zhǔn)確的投資者畫像和上市公司畫像，繪制交易關(guān)系圖譜，這為監(jiān)管信息系統(tǒng)的建設(shè)帶來多類型數(shù)據(jù)存儲和處理的挑戰(zhàn)，其中包含傳統(tǒng)的結(jié)構(gòu)化數(shù)據(jù)，大量有價值的半結(jié)構(gòu)化、非結(jié)構(gòu)化數(shù)據(jù)，傳統(tǒng)的數(shù)據(jù)存儲和處理方式無法滿足監(jiān)察數(shù)據(jù)類型多樣化的存儲和處理要求。

2.3 實(shí)時交易數(shù)據(jù)處理的性能問題

在一線的監(jiān)管機(jī)構(gòu)，對于實(shí)時數(shù)據(jù)的密切監(jiān)控是至關(guān)重要的，同時需要在線對數(shù)據(jù)進(jìn)行大規(guī)模的計(jì)算和分析，但是隨著市場的發(fā)展，交易量的大幅攀升，數(shù)據(jù)來源的不斷豐富，系統(tǒng)推送的數(shù)據(jù)量大大增加，當(dāng)數(shù)據(jù)量超過一定的量級后，導(dǎo)致傳統(tǒng)監(jiān)察系統(tǒng)的實(shí)時計(jì)算性能和大規(guī)模數(shù)據(jù)統(tǒng)計(jì)查詢效率大幅下降，使得系統(tǒng)監(jiān)察的實(shí)時性整體延遲，為實(shí)時違規(guī)行為的發(fā)現(xiàn)和處理工作帶來滯后。

2.4 創(chuàng)新產(chǎn)品監(jiān)管模型快速構(gòu)建問題

證券市場近年來呈現(xiàn)快速發(fā)展的態(tài)勢，不僅體現(xiàn)在交易量上，還體現(xiàn)在創(chuàng)新產(chǎn)品的不斷涌現(xiàn)，而新產(chǎn)品的監(jiān)管模型上線周期過長也會為監(jiān)管的有效性帶來問題，因此縮短新產(chǎn)品監(jiān)管模型的構(gòu)建、測試、驗(yàn)證、上線周期是亟需解決的關(guān)鍵問題。

監(jiān)管數(shù)據(jù)的非集中管理、跨領(lǐng)域數(shù)據(jù)維度缺失、實(shí)時數(shù)據(jù)的處理性能瓶頸、創(chuàng)新產(chǎn)品的監(jiān)管模型構(gòu)建周期較長都為監(jiān)管的及時性、精準(zhǔn)性帶來了一定困難，傳統(tǒng)的金融監(jiān)管模式和系統(tǒng)建設(shè)難以滿足現(xiàn)有證券市場的數(shù)據(jù)多維性、監(jiān)管時效性、分析智能化的要求。

3 大數(shù)據(jù)、云計(jì)算、人工智能技術(shù)的引入，為交易監(jiān)察領(lǐng)域提供從理論到技術(shù)到平臺的有利支撐（Introduction of big data，cloud computing and artificial intelligence provides the supervision sector with the support of theory，technology and platform）

近年來，大數(shù)據(jù)、云計(jì)算、人工智能技術(shù)在金融體系內(nèi)廣泛應(yīng)用為金融監(jiān)管帶來了深刻的改變，通過與前沿技術(shù)的融合，讓金融監(jiān)管體系發(fā)揮更大的效力，促進(jìn)和穩(wěn)定了我國金融市場的發(fā)展。

東軟作為國內(nèi)領(lǐng)先的IT解決方案供應(yīng)商，為交易及監(jiān)管機(jī)構(gòu)提供IT解決方案已有十幾年的歷程，為多個大型的交易所提供了監(jiān)察領(lǐng)域的技術(shù)咨詢及系統(tǒng)建設(shè)服務(wù)，我們與中國證券市場共同成長起來。隨著監(jiān)管形態(tài)的發(fā)展和變化，我們發(fā)現(xiàn)在交易監(jiān)察領(lǐng)域的系統(tǒng)設(shè)計(jì)和構(gòu)建中對于海量數(shù)據(jù)處理、實(shí)時監(jiān)管時效性、分析智能化的要求不斷攀升，為監(jiān)管帶來了革命性的挑戰(zhàn)。針對這一問題我們將自主研發(fā)的大數(shù)據(jù)及人工智能共性技術(shù)平臺與交易監(jiān)管領(lǐng)域業(yè)務(wù)模式深度融合，推動大數(shù)據(jù)、云計(jì)算、人工智能技術(shù)與交易監(jiān)管領(lǐng)域的實(shí)踐驗(yàn)證及應(yīng)用，不但解決了監(jiān)察領(lǐng)域信息系統(tǒng)建設(shè)面臨的關(guān)鍵技術(shù)難題，而且為新一代智能監(jiān)察平臺的規(guī)劃和建設(shè)開啟了創(chuàng)新之路。

3.1 采用業(yè)界成熟領(lǐng)先的開源大數(shù)據(jù)技術(shù)框架實(shí)現(xiàn)技術(shù)自主可控

金融領(lǐng)域的IT系統(tǒng)建設(shè)要求具有完全的自主可控，我們在監(jiān)察平臺技術(shù)框架設(shè)計(jì)中核心組件采用開源的Hadoop、Spark主流生態(tài)圈產(chǎn)品進(jìn)行構(gòu)建，避免技術(shù)繁雜而造成開發(fā)和運(yùn)維的難度增加，這一應(yīng)用在實(shí)踐中得到充分的技術(shù)驗(yàn)證。平臺的具體技術(shù)產(chǎn)品選型按數(shù)據(jù)采集、數(shù)據(jù)預(yù)處理、數(shù)據(jù)存儲、數(shù)據(jù)計(jì)算框架、數(shù)據(jù)分析、開放服務(wù)分類，在數(shù)據(jù)采集環(huán)節(jié)選擇適合多數(shù)據(jù)源收集的開源產(chǎn)品，并按照數(shù)據(jù)的實(shí)時性與結(jié)構(gòu)分類選擇適合的技術(shù)產(chǎn)品，使系統(tǒng)全面支持結(jié)構(gòu)化、半結(jié)構(gòu)化、非結(jié)構(gòu)化、日志文件數(shù)據(jù)，以及關(guān)系型數(shù)據(jù)庫數(shù)據(jù)的采集；在數(shù)據(jù)預(yù)處理環(huán)節(jié)對采集到的數(shù)據(jù)在入庫前進(jìn)行規(guī)則化操作，對原始數(shù)據(jù)進(jìn)行清洗提升存儲數(shù)據(jù)的質(zhì)量；在數(shù)據(jù)存儲環(huán)節(jié)選擇支持結(jié)構(gòu)化、半結(jié)構(gòu)化、非結(jié)構(gòu)化數(shù)據(jù)的存儲分布式文件系統(tǒng)與分布式數(shù)據(jù)庫，支持了多數(shù)據(jù)源的存儲；在數(shù)據(jù)計(jì)算框架層面采用分布式計(jì)算的技術(shù)框架解決了傳統(tǒng)關(guān)系型數(shù)據(jù)庫計(jì)算技術(shù)無法實(shí)現(xiàn)的海量數(shù)據(jù)并行計(jì)算問題；在數(shù)據(jù)分析環(huán)節(jié)采用Hadoop生態(tài)圈的開源分析工具，支持包括即席查詢、在線分析、文本挖掘、圖譜挖掘、機(jī)器學(xué)習(xí)、全文搜索引擎等功能；在開放服務(wù)方面提供多種與業(yè)務(wù)系統(tǒng)松耦合的服務(wù)訪問接口，包括Restful風(fēng)格訪問、SDK方式訪問等，并提供多項(xiàng)可視化的基于Spring Cloud的微服務(wù)框架構(gòu)建的Web應(yīng)用服務(wù)供業(yè)務(wù)人員與數(shù)據(jù)分析模型設(shè)計(jì)人員使用[2]。

3.2 底層大數(shù)據(jù)與智能分析平臺設(shè)計(jì)解決多元異構(gòu)數(shù)據(jù)存儲與海量數(shù)據(jù)計(jì)算問題

在監(jiān)察領(lǐng)域中數(shù)據(jù)是業(yè)務(wù)開展的基礎(chǔ)，包括證券行業(yè)體系內(nèi)及體系外的多維數(shù)據(jù)，比如體系內(nèi)交易數(shù)據(jù)、賬戶數(shù)據(jù)、監(jiān)管數(shù)據(jù)、產(chǎn)品數(shù)據(jù)、同業(yè)數(shù)據(jù)、資金數(shù)據(jù)等，也包括體系外的投資者戶籍信息、社會關(guān)系信息、社交媒體信息、征信信息、互聯(lián)網(wǎng)日志信息等，其中大量的數(shù)據(jù)類型及結(jié)構(gòu)差異巨大，包含傳統(tǒng)的結(jié)構(gòu)化數(shù)據(jù)，大量有價值的半結(jié)構(gòu)化、非結(jié)構(gòu)化數(shù)據(jù)，傳統(tǒng)的數(shù)據(jù)存儲方式無法滿足監(jiān)察數(shù)據(jù)類型多樣化的存儲。在監(jiān)管平臺建設(shè)架構(gòu)設(shè)計(jì)中我們通過底層大數(shù)據(jù)基礎(chǔ)平臺與智能分析平臺的設(shè)計(jì)解決了這一問題，通過Hadoop、Spark主流生態(tài)圈產(chǎn)品，進(jìn)行底層的大數(shù)據(jù)基礎(chǔ)平臺的建設(shè)，解決了多元異構(gòu)數(shù)據(jù)存儲這一難題，為監(jiān)察業(yè)務(wù)開展奠定了多維數(shù)據(jù)的基礎(chǔ)。

大數(shù)據(jù)智能分析平臺的設(shè)計(jì)建設(shè)解決了傳統(tǒng)關(guān)系型數(shù)據(jù)庫無法實(shí)現(xiàn)的海量數(shù)據(jù)計(jì)算問題。提供計(jì)算分析功能的智能分析平臺設(shè)計(jì)時主要由分析引擎與模型管理兩大部分組成，分析引擎負(fù)責(zé)承載分析模型底層運(yùn)算功能，主要包含多維分析、即席查詢、文本挖掘、機(jī)器學(xué)習(xí)、全文搜索、圖譜挖掘等大數(shù)據(jù)分析算法底層執(zhí)行運(yùn)算引擎，大數(shù)據(jù)平臺計(jì)算引擎部分采用Hadoop與Spark高性能的并行計(jì)算框架，實(shí)現(xiàn)對于海量數(shù)據(jù)進(jìn)行高效的并行分析和計(jì)算，該設(shè)計(jì)不但可以處理多種類型的數(shù)據(jù)，并且能夠支持對TB和PB級別的超大規(guī)模數(shù)據(jù)處理，滿足了海量數(shù)據(jù)計(jì)算的需求[3]。

3.3 高頻實(shí)時交易數(shù)據(jù)采集計(jì)算與集中化的基礎(chǔ)引擎設(shè)計(jì)滿足監(jiān)察高并發(fā)與實(shí)時性要求

一線監(jiān)管部門對于實(shí)時交易數(shù)據(jù)的分析是監(jiān)控的重點(diǎn)，需要在業(yè)務(wù)運(yùn)轉(zhuǎn)中高效實(shí)時的獲取實(shí)時流數(shù)據(jù)。實(shí)時流數(shù)據(jù)是一組順序、大量、快速、連續(xù)到達(dá)的數(shù)據(jù)序列，被視為一個隨時間延續(xù)而無限增長的動態(tài)數(shù)據(jù)集合，實(shí)時數(shù)據(jù)的采集，對時效性要求比較高，平臺通過分布式實(shí)時采集組件，以多進(jìn)程/線程并發(fā)方式獲取數(shù)據(jù)流，以滿足對高頻實(shí)時流數(shù)據(jù)的采集要求。分布式實(shí)時采集組件的設(shè)計(jì)，具備高吞吐量特點(diǎn)，且吞吐能力可隨著采集組件節(jié)點(diǎn)的增加而增加，使得數(shù)據(jù)源端不產(chǎn)生數(shù)據(jù)積壓，降低數(shù)據(jù)源端資源使用壓力，提高了數(shù)據(jù)可用的周期，同時采用業(yè)界成熟的基于內(nèi)存計(jì)算技術(shù)的Spark Streaming實(shí)時流計(jì)算框架構(gòu)建實(shí)時流計(jì)算引擎，對實(shí)時采集到的交易數(shù)據(jù)，根據(jù)風(fēng)險預(yù)警觸發(fā)規(guī)則實(shí)時計(jì)算交易的風(fēng)險預(yù)警狀態(tài)，從而提高風(fēng)控監(jiān)察預(yù)警時效性，縮短了風(fēng)控監(jiān)察預(yù)警發(fā)生時事件處理流程周期[4]。

此外，在大數(shù)據(jù)智能分析平臺中我們集成了用于流程管理與規(guī)程管理的流程引擎與規(guī)則引擎，這種集中化的集成多種基礎(chǔ)引擎組件的設(shè)計(jì)大大加強(qiáng)了平臺對第三方技術(shù)組件的集成擴(kuò)展能力，這種能力通過平臺的統(tǒng)一服務(wù)接口對業(yè)務(wù)系統(tǒng)開發(fā)，避免了業(yè)務(wù)系統(tǒng)各自集成第三方基礎(chǔ)技術(shù)組件造成的開發(fā)資源浪費(fèi)，實(shí)現(xiàn)基礎(chǔ)技術(shù)組件開發(fā)的標(biāo)準(zhǔn)化。

3.4 通過原子力度抽取及智能靈活組合配置方式提升監(jiān)察模型定義效能

在監(jiān)察業(yè)務(wù)運(yùn)轉(zhuǎn)過程中，對于創(chuàng)新業(yè)務(wù)、創(chuàng)新產(chǎn)品的監(jiān)察模型快速構(gòu)建是監(jiān)察實(shí)效性的重要驗(yàn)證，原子力度的模型抽取及智能配置是系統(tǒng)設(shè)計(jì)中的一大亮點(diǎn)，可以有效的解決這一問題。我們在底層大數(shù)據(jù)智能分析平臺的設(shè)計(jì)中融入了模型管理，包括模型資源庫、模型組合智能配置、運(yùn)行任務(wù)調(diào)度等核心模塊。模型資源庫用于存儲監(jiān)察及風(fēng)控分析模型，包括相關(guān)的評級類模型、盈虧類模型、交易監(jiān)管類模型、預(yù)測類模型等都預(yù)置入模型資源庫中。模型組合智能配置用于支持自由選擇模型庫中的模型并配置合適的分析引擎，進(jìn)而組合成為實(shí)現(xiàn)某一監(jiān)管分析業(yè)務(wù)的新模型，模型庫支持?jǐn)U展并通過機(jī)器學(xué)習(xí)和模擬數(shù)據(jù)演練不斷的進(jìn)行優(yōu)化，這一設(shè)計(jì)可以有效的復(fù)用已有公用模型來快速構(gòu)建滿足創(chuàng)新產(chǎn)品、創(chuàng)新業(yè)務(wù)監(jiān)管需求的監(jiān)管模型，同時在算法模型升級維護(hù)過程中采用統(tǒng)一升級的方式，避免了不同業(yè)務(wù)應(yīng)用各自維護(hù)造成的升級不同步問題。運(yùn)行任務(wù)調(diào)度的設(shè)計(jì)滿足算法模型后臺定時任務(wù)自動調(diào)度的需求，通過配置不同的時間間隔進(jìn)行算法分析模型的自動運(yùn)行。平臺采用集中式的算法模型、計(jì)算引擎與硬件計(jì)算資源管理，保證了金融領(lǐng)域的公共算法模型在不同細(xì)分行業(yè)可被大量復(fù)用，避免了各個細(xì)分領(lǐng)域系統(tǒng)重復(fù)開發(fā)造成大量的人力成本浪費(fèi)，最大化的發(fā)揮算法設(shè)計(jì)師與工程師的效能。

3.5 基于負(fù)載實(shí)時偵測的彈性擴(kuò)展設(shè)計(jì)解決監(jiān)察業(yè)務(wù)高并發(fā)時計(jì)算資源智能調(diào)配問題

為了及時的防控市場風(fēng)險，在交易監(jiān)察業(yè)務(wù)中對于實(shí)時監(jiān)察分析的性能要求極高，業(yè)務(wù)高并發(fā)時計(jì)算資源的智能調(diào)配是解決這一問題的有效途徑。平臺選擇Hadoop生態(tài)圈下的分布式計(jì)算與分布式存儲技術(shù)，在技術(shù)架構(gòu)層面上提供成熟穩(wěn)定的集群化的存儲與計(jì)算框架支撐，保證數(shù)據(jù)的存儲安全與計(jì)算安全，同時提供數(shù)據(jù)可靠的備份機(jī)制。另外，基于分布式計(jì)算技術(shù)的大數(shù)據(jù)智能分析平臺在架構(gòu)層面支持線性擴(kuò)展計(jì)算能力，通過平臺提供的虛擬化管理模塊實(shí)時偵測平臺的運(yùn)行狀態(tài)，在發(fā)現(xiàn)存儲與計(jì)算資源不足時可動態(tài)的調(diào)配或增加存儲與計(jì)算資源，保證了在存儲和計(jì)算資源不足時，智能的增加集群節(jié)點(diǎn)數(shù)量，快速提高平臺的存儲空間和計(jì)算能力，解決監(jiān)察業(yè)務(wù)高并發(fā)時計(jì)算資源智能調(diào)配問題。此外，硬件計(jì)算資源的統(tǒng)一管理，避免了各個業(yè)務(wù)系統(tǒng)分別采購計(jì)算資源造成的資源使用率不均衡與維護(hù)成本高的問題，可以有效合理的分配硬件計(jì)算資源的使用，科學(xué)的利用計(jì)算資源對海量數(shù)據(jù)進(jìn)行機(jī)器學(xué)習(xí)、人工智能、文本挖掘等高級分析，從數(shù)據(jù)中挖掘出潛藏的價值，推動業(yè)務(wù)的創(chuàng)新[5]。

3.6 集中化的統(tǒng)一安全框架和多維安全控制模型保障監(jiān)察數(shù)據(jù)的安全

數(shù)據(jù)的安全性和保密性是監(jiān)察平臺建設(shè)的重要關(guān)注點(diǎn)，平臺設(shè)計(jì)中提供集中化的數(shù)據(jù)存儲與訪問管理，保證數(shù)據(jù)的安全。通過集中的數(shù)據(jù)權(quán)限管控，分別對不同安全等級的數(shù)據(jù)分配不同的訪問權(quán)限，并基于統(tǒng)一的安全技術(shù)框架與多維度的安全控制模型，對用戶授權(quán)及數(shù)據(jù)訪問權(quán)限進(jìn)行校驗(yàn)，保證金融機(jī)構(gòu)核心數(shù)據(jù)的保密性，在設(shè)計(jì)中多維度安全模型包含組織單元、崗位、角色、用戶、資源等維度，支持功能級、操作級、數(shù)據(jù)級權(quán)限控制，支持崗位、角色互斥，支持組織單元、角色、資源及權(quán)限的分級管理。

4 結(jié)論（Conclusion）

前沿技術(shù)的快速發(fā)展推動了金融創(chuàng)新與監(jiān)管水平的日新月異，我們在金融領(lǐng)域應(yīng)用與實(shí)踐中將前沿研究成果與行業(yè)應(yīng)用深度融合，為國內(nèi)交易監(jiān)察領(lǐng)域構(gòu)建了從底層大數(shù)據(jù)平臺到頂層智能監(jiān)察系統(tǒng)全面的解決方案，通過大數(shù)據(jù)、云計(jì)算、人工智能技術(shù)的引入解決監(jiān)管業(yè)務(wù)中面臨的數(shù)據(jù)海量化、監(jiān)管時效化、分析智能化等問題。新一代的信息技術(shù)引領(lǐng)金融監(jiān)管領(lǐng)域的巨大變革，通過多渠道、跨市場的大數(shù)據(jù)分析實(shí)現(xiàn)穿透式監(jiān)管；通過機(jī)器學(xué)習(xí)和數(shù)據(jù)演練實(shí)現(xiàn)對監(jiān)管模型、市場監(jiān)測的精準(zhǔn)修正；通過統(tǒng)一的平臺建設(shè)實(shí)現(xiàn)資源的復(fù)用，降低市場監(jiān)管的成本是新一代智能化監(jiān)管的必由之路。

參考文獻(xiàn)（References）

[1] 洪艷蓉.證券監(jiān)管的獨(dú)立性與監(jiān)管治理研究[J].金融監(jiān)管研究，2017，12：5-20.

[2] 陳俊宇.大數(shù)據(jù)技術(shù)的發(fā)展及其研究綜述[J].中國管理信息化，2016，19（20）：146-147.

[3] 程學(xué)旗，靳小龍，楊婧.大數(shù)據(jù)技術(shù)進(jìn)展與發(fā)展趨勢[J].科技導(dǎo)報，2016，34（14）：49-59.

[4] 陳軍成，丁治明，高需.大數(shù)據(jù)熱點(diǎn)技術(shù)綜述[J].北京工業(yè)大學(xué)學(xué)報，2017，43（3）：358-367.

[5] 郝庭毅，吳恒，吳國全.面向微服務(wù)架構(gòu)的容器級彈性資源供給方法[J].計(jì)算機(jī)研究與發(fā)展，2017，54（3）：597-608.

作者簡介：

邢 波（1971-），男，碩士，教授.研究領(lǐng)域：軟件規(guī)劃設(shè)計(jì)與開發(fā).