《Talkingdata:人工智能助力新金融(13页).pdf》由会员分享,可在线阅读,更多相关《Talkingdata:人工智能助力新金融(13页).pdf(13页珍藏版)》请在三个皮匠报告上搜索。
1、人工智能助力新金融 微众银行 郑文琛 2019.11.25 金融营销中的数据孤岛和用户隐私挑战严峻 金融用户促活:金融机构仅能观察到有限用户偏好 用户? 有限用户偏好无法获取更多偏好 隐私限制 贷款信用卡保险在线教育家装行业 转化评估指标不止是曝光、点击 点击更后端的转化 挑战 长链高效转化?数据隐私保护? 曝光留资 金融用户拉新:金融产品的转化链路长,转化数据敏感 联邦学习解决金融营销的数据孤岛和隐私挑战 金融用户促活:联邦推荐金融用户拉新:联邦广告 联邦学习是一种新的隐私保护机器学习机制 数据隐私保护 任何底层数据不向对方泄露 共同获益 参与者地位对等 纵向联邦学习:企业数据 横向联邦学习
2、:用户数据 联邦学习是分布式加密机器学习,在保护原始数据隐私安全的前提下进行联合建模,共同分享计算结果 FATE:开源、工业级的联邦学习项目 123推荐广告平台使用联邦FM推荐模型+高效架构第三方数据 联邦推荐:解决用户促活中的第三方数据面临隐私挑战 专为推荐场景设计的加密数据建模 + 基于FATE的高效架构 提升推荐效果安全使用第三方数据 传 统 推 荐 用户理财产品 传统推荐算法 基于行为和内容推荐 联 邦 推 荐 联合多方数据 强化学习 运营平台 联邦推荐 长效推荐 理财产品 局限: 1.内容分析受到限制 2.集中化推荐问题 3.新用户无法提供可信 推荐 优势: 1.用户长期兴趣探索 2
3、.数据隐私保护 3.拓展一方数据提升推 荐效果 联邦推荐:为用户促活提供解决方案 1、隐私保护的数据对齐; 联邦广告:解决用户拉新中的数据回传面临隐私挑战 微众AI 广告主 获取和推送点 击记录 获取点击行为 数据 建立转化预估 模型 查看转化效果 运用在广告投 放中 预计1-3 天/人 转化保护+差分隐私 联邦广告:解决用户拉新中的数据回传隐私挑战 2、隐私数据的模型优化 转化保护 转化用户与点击用户混合在一起。我们无法从海量 严格加密的用户行为中揣测您的转化用户。 差分隐私 转化点击用户经由数据打乱。我们只能看到整体的 状况,而无法跟踪至转化中任何个人。 转化用户 点击用户 THANKS 咨询服务: 官网详情: 联系地址:深圳市南山区沙河西路1819号深圳湾科技生态园7栋A座微众银行 金融营销中的数据孤岛和用户隐私挑战,联邦学习为其提供解决方案 联邦推荐 有效解决金融用户促 活中,第三方数据面 临的隐私挑战 联邦广告 有效解决用户拉新 中,数据回传面临 的隐私挑战