数字金融安全重要性 - 数字安全影响国家安全 经济发展和社会稳定 数字化成为各行业高质量发展重要特征 金融领域也不例外[1] - 技术风险可能导致金融安全问题 造成经济损失和社会影响 AI大模型提升用户体验和服务效率 但通用性和高效泛化内容生成特点易导致黑客以更低门槛 更密集频率攻击金融机构系统 窃取敏感数据和隐私数据[1] - 欺诈 仿冒等AIGC衍生问题成为金融机构新痛点[1] 数据安全治理与监管 - 数据安全治理关系到金融机构稳健运营 金融市场健康发展和金融消费者切身利益[2] - 政府部门 金融管理部门 行业自律组织密集出台相关政策 引导数据安全治理工作有序推进 维护并优化数字金融发展环境 严厉打击市场乱象[2] - 2024年9月国务院发布《网络数据安全管理条例》鼓励网络数据在各行业创新应用 加强网络数据安全防护能力建设 支持技术 产品 服务创新[2] - 2024年12月国家金融监督管理总局发布《银行保险机构数据安全管理办法》要求建立与业务发展目标相适应的数据安全治理体系 构建覆盖数据全生命周期和应用场景的安全保护机制[2] 技术保障与算力安全 - 数据和技术是数字金融两大关键生产要素 需构建多层次 全方位技术防护体系 确保数据完整性 保密性和可用性[1] - 提升算力安全是保障数字金融安全关键步骤 2023年《算力基础设施高质量发展行动计划》提出加强数据分类分级保护 对重要和核心数据实行精准严格管理[3] - 需要金融机构建立健全监测机制 加强技术标准化和规范化建设 培养专业人才和加强团队建设[3] 监管协同与风险防控 - 监管部门须加强统筹规划和监管 加强顶层设计 以更高站位 更细管理确保数字金融安全与稳定发展[1] - 科技企业 金融机构要形成合力 强化技术保障[1] - 央地协同合力打击非法金融活动 针对借技术之便 用科技之名 行金融违法之实的问题采取有力举措[3]

数字金融安全挑战 - 金融科技快速发展带来数据泄漏、网络攻击、系统漏洞等安全问题，威胁金融市场稳定和用户利益 [1] - 数字金融安全复杂性、跨界性特征显著，数据安全、算法偏见、模型风险等问题可能导致客户信息被非法利用，影响金融决策准确性和公平性 [2] - 攻击者利用生成式AI自动化攻击方法，网络攻击每日超过6亿次，攻击频率与复杂性呈指数级攀升 [2] AI技术在金融安全中的应用与风险 - AI能助力风险防范，通过深度挖掘和分析数据精准识别欺诈行为，提前预警风险 [1] - AI可能成为风险"放大器"，算法偏见导致不公平决策、数据滥用侵犯用户隐私、模型不可解释性等问题 [2] - 金融机构推动大模型安全活动前置到数据采集、模型研发等环节，建立数据研发、算力一体化防护体系 [5] 金融安全技术发展趋势 - 中国网络安全市场规模将从2023年的110亿美元增长至2028年的171亿美元，5年复合增长率9.2% [2] - 量子技术在金融安全体系构建与算力效能提升领域具有重要应用价值，尤其在跨境支付数据传输安全方面表现突出 [3] - 云化、服务化成为当前中国安全技术市场主要发展方向 [2] 金融机构的安全实践 - 金融机构在数据安全、网络防护、业务合规等多维度的实践直接影响金融安全的稳固性与可持续性 [4] - 光大银行设立一级部门负责大模型安全策略、评价评估和生命周期管理 [5] - 云边端模型可进行合理化分布式布局，维护金融数据安全；端侧模型将数据留在本地计算，隐私保护效果好 [5] 金融安全生态体系建设 - AI竞争是生态对生态的竞争，金融场景需探索软硬件全栈式国产化适配，形成生态护城河 [6] - 金融机构需积极参与生态协同，构建跨行业共建的安全防线 [6] - 从数据共享应用到AI合作生态，需联合力量做好创新应用和安全防护工作 [6]