精彩推荐文丨江西省农村信用社联合社

精彩推荐文丨中国工商银行软件开发中心

黄剑随着全球数字化浪潮席卷而来，数据正逐渐成为新一轮数字科技革命和产业变革的焦点。近年来，我国逐渐提高对数据领域的关注度，2020年发布的《中共中央

14星期二2021年9月精彩推荐文丨中信银行信息技术管理部文丨谭翔宇

23星期二2021年2月验“金”室随着信息技术的高速发展，文字、图像、视频等结构化、半结构化数据实现指数级增长。传统数据库很难存储、分析这些数据的内容，HBase作为Hadoop生态圈的重要组成部分，其主要特点是支持海量数据的实时存储和查询，且具有高可靠、高性能、面向列、可伸缩、免费使用等特点，因此在电子商务、物联网等行业中被广泛使用。自HBase

9星期二2021年2月验“金”室事务与金融业务似乎是一对孪生兄弟，想要正确地汇款就不得不采用事务模型，以银行转账的例子来说明事务模式再合适不过了。显然银行业务与事务息息相关，而且传统的集中式部署下的事务也已经有了比较成熟的解决方案。随着互联网时代的到来，分布式、云计算、大数据等新兴技术快速发展，金融产品在当前科技创新的浪潮下也在不断更新，大量业务已经开始向服务化、分布式方向转型，由此带来的分布式事务问题也成为银行技术转型中的重点和难点。一、传统IT架构下银行业务分布式事务分布式事务其实并不是一个新概念或者新问题，传统银行业务也存在分布式事务问题。很多传统银行业务均由大型IBM主机实现，一个主机可以管理多个数据库，比如说，私人账户信息存在一个单独的数据库中，对公账户信息则存在另一个数据库中。这种情况下，如果对公账户需要向私人账户汇款，那么交易涉及两个不同的数据库，如何保证这两个数据库数据的一致性，便是分布式事务所要解决的问题。那么，银行传统IT架构如何解决分布式事务问题呢？很显然，需要一个上层的角色来协调各个数据库的状态，这个角色就是事务管理器。除此之外，为了保证数据的一致性，还应将单个操作分为事务的执行和提交或回滚事务两个步骤，具体步骤如图1所示。图1

2星期二2021年2月验“金”室一、智能投顾是什么1.智能投顾概念

28星期四2021年1月验“金”室缓存是分布式系统中的重要组件，主要用于解决高并发、大数据场景下热点数据访问的性能问题，实现数据快速访问。Forrester2010年技术报告中提出了弹性缓存平台的概念，强调了缓存对于平台可扩展和高可用的重要性。Searchsoa研究认为，对于数据密集型的Web应用，如果失去了分布式缓存这一关键技术的支撑，云的潜能将变得十分有限。

UWB室内定位典型应用UWB定位系统需要额外部署专用的设备，会产生较高的成本，这制约着UWB定位行业的推广应用。但在2020年，UWB的发展得到了市场和标准制定组织的多重助力，并应用于iPhone

22星期五2021年1月验“金”室近年来，随着金融业务交易量不断上涨，业务交易系统出现生产问题风险的概率也大大增加，给应用的运维、监控、报警带来很大的挑战。在此背景下，智能运维概念逐渐火热，实时分析交易日志进行故障预测和根因定位已是通用方案，并以“日志模式识别”之名大行其道。据悉，很多业界公司是基于Spark、Elasticsearch等技术框架，进行海量日志数据实时分析处理，实现“日志模式识别”。本文旨在概述Spark的技术原理，着重分析技术特点，对技术细节不做过多描述。一、

验证模型，利用未训练数据验证模型泛化能力，如果预测结果不理想，则重新设计模型进行新一轮训练。二、微表情识别技术赋能智慧化金融服务1.微表情识别技术助力金融服务技术优势

14星期四2021年1月验“金”室金融领域企业级大数据平台一般采用存算一体架构，随着数据量快速增长，计算资源和存储资源之间矛盾愈来愈突出，无法满足“扩存储不扩计算、降低存储成本、计算节点弹性扩缩容、多集群使用一份共享数据”等需求，大数据存算分离架构能更好地平衡大数据的计算资源和存储资源，达到性能与成本最优配比、兼具灵活性、数据可靠性等特点。一、现状分析企业内大数据技术体系最早起源于对海量数据进行批量加工处理的场景，批量加工通常以全表扫描为主，为了实现较好的性能，需尽可能减少网络上的数据传输量，尽可能在存储数据的那台服务器上完成对该份数据的加工处理，因此在搭建集群时采用了基于物理机的存算一体化部署方式，每台物理机均配置有较强的CPU及较大的本地存储。同时大数据平台主要使用YARN和HDFS两类服务进行资源管理，每个集群都会通过部署独立的YARN服务来管理计算资源，通过部署独立的HDFS服务来管理存储资源。不同集群之间的YARN和HDFS服务都相互独立。图1

11星期一2021年1月验“金”室企业的数字化转型离不开大数据的加持，近年来，随着大数据应用的广泛普及，传统的存算一体架构弊端逐步显现。例如，随着时间推移，数据量逐渐增加，导致经常出现扩容的需求，而计算存储合一方案要求扩容磁盘必须带上计算节点，计算需求没有明显增长，导致计算资源浪费越来越严重。再比如，存储容量缓慢线性增加，但业务高峰期与低峰期计算资源变化很大，计算资源无法随业务量增长和降低进行独立扩缩容。所有这些都会造成硬件成本陡增，带来机房、功耗、制冷等运维成本增加。从业务需求和大数据技术发展趋势看，大数据计算与存储分离已势在必行。一、存算一体化架构1.集群运维单集群租户隔离不完全，资源调度存在互相影响性；集群故障风险随着集群规模增大而剧增，节点版本升级迫使全量业务升级，影响范围大；集群扩容缩容需人工确认集群状况，无法达到灵活高效；存储采用预留水位模式，容易浪费，不同集群数据无法共享，存在大量重复保存情况。图1

7星期四2021年1月验“金”室多线程编程是每个程序员的基本功，同时也是开发中的难点，处理各种“锁”的问题是让人十分头痛的一件事。例如，设计一个转账功能，怎么保证在多线程下能正常运行？你可能会说，这个简单，在进行转账操作前，先对两个账户加锁，再在两个账户加上synchronized关键字就行了（代码如图1所示）。图1其实上面这段代码是有问题的，可能发生程序死锁的情况，如线程1先获取账户A的锁，等待获取账户B的锁，同时，线程2也在做转账操作，先获取了账户B的锁，等待账户A的锁，于是就出现了死锁的情况（如图2所示）。图2是不是觉得多线程编程真是太难了，到处是陷阱，一不小心就掉坑里面了？那除了加锁，有没有其他的处理方法呢？答案是：有，就是下文要介绍的Actor模型(Actor

6星期三2021年1月验“金”室伴随着海量增长的数据，我们正在步入数字化时代。不论是结绳记事的小数据时代，还是当下的大数据时代，计算的边界正在被无限拓宽，而数据的价值再也难以计算。时下，谈及大数据，就不得不提到最热门的下一代大数据计算引擎Apache

组织制定的视频压缩标准。VP8、VP9、AV1是Google开发并完全开源免费的视频压缩标准。VC1是微软开发的视频压缩标准。AVS1

17星期四2020年12月根据Gartner相关报告，Serverless是继虚拟机技术、容器技术之后最有潜力的计算形态，是云计算发展的未来方向之一。本文就Serverless的相关概念、技术发展简史、技术特点及应用价值做了分析阐述。导读验“金”室根据Gartner相关报告，2020年全球将有20%的企业部署Serverless（无服务器）架构，同时报告中指出Serverless是继虚拟机技术、容器技术之后最有潜力的计算形态，是云计算发展的未来方向之一。实际上，Serverless概念自被提出以来，即受到业界的广泛关注，且与之相关的开源项目与社区活跃度持续增加。截至目前，国内外已有多家云计算厂商推出了函数计算产品，推动Serverless逐步从概念愿景走向落地。一、什么是Serverless一般情况下，Serverless通常也被称为“无服务器”或“无服务器架构”。所谓无服务器，并非是不需要服务器资源就可以运行软件应用，而是指开发者无需再关心应用运行涉及的服务器等资源，可更加专注于应用逻辑代码，计算资源则是由底层的云计算平台来动态提供。简而言之，Serverless可看作是云原生技术发展的高级阶段，可以使开发者更多地聚焦在业务逻辑，而减少对基础架构的关注。Serverless解决方案的关键元素如图1所示。图1

15星期二2020年12月基于反应式架构的背压机制，可确保系统不会因为业务压力过大而崩溃，为系统的可持续服务提供坚实保障。本文主要针对反应式架构的基本概念、优点及典型应用场景做了阐述分析。导语验“金”室随着云计算、物联网、5G等技术的快速普及，线上业务呈现爆发式增长之势，如何保障线上系统可为客户提供持续性的服务显得尤为重要。通常情况下，当客户产生的请求速率不大于系统的处理能力时，系统可以正常运行。但是，随着业务持续发展以及客户数量的不断增多，当客户产生的请求速率超过系统最大处理能力时，来不及处理的请求会不断堆积并越来越多，最终可能会导致系统崩溃。此时就需要一种机制让客户知道目前产生的请求速率已经超过了系统所能承载的范围。反应式架构的背压机制就是一种实时感知当生产者产生请求速率超过系统的处理能力时，告知生产者根据系统的处理能力去调整生产请求速率的一种机制。基于反应式架构的背压机制，可确保系统不会因为业务压力过大而崩溃，为系统的可持续服务提供坚实保障。目前，国外如Netflix、Paypal等企业均已在反应式架构领域开展了深入实践，并已经推出了相应的技术框架。同时，国内大型互联网公司如阿里、高德等也在企业内部落地了反应式架构，而且在QPS（每秒查询速率）和响应时间方面都取得了较大提升。

10星期四2020年12月借助密码算法来保护数据隐私是一种非常安全有效的手段，本文主要介绍安全性极高的密码学算法“零知识证明”的相关概念、应用及存在的问题。导读验“金”室2020年，疫情的冲击使一些传统行业发展受限，但也为线上办公及电商云服务等赛道带来前所未有的发展契机，随之而来的还有一系列的数据安全和隐私泄露事件。“

打造人力资源自适应的网点管理新模式浅析图计算技术及其在金融业的应用浅谈纠删码如何减少大数据场景下的存储FCC30+长按左边二维码关注我们不迷路

4星期五2020年12月前端页面作为链接客户、展示产品的窗口，直接影响着客户体验的好坏及使用频率，提升页面展示效率、缩减内容到达时间是前端性能优化的重点，而页面渲染技术的发展迭代是其中的关键一步！验“金”室目前，“以人为本、用户为先”的服务理念已深入人心，便捷的用户体验成为产品竞争的有力支撑。前端页面作为链接客户、展示产品的窗口，提升页面展示效率、缩减内容到达时间是前端性能优化的重点。随着浏览器技术的发展及前端技术栈的迭代更新，页面渲染技术得到了长足的发展，从最初的后端模板渲染，到前后端分离的客户端渲染，再演化到如今的服务端渲染，前端人员一直在探索不同场景下的最优渲染技术。一、后端模板渲染后端模板渲染是最早的页面渲染技术，常用的JSP、ASP、PHP等均为这种渲染方式，例如，JSP页面由服务器先编译为servlet再生成html，返回给浏览器端进行展示。由于后端模板渲染需要先编译后渲染，存在以下几个缺点：（1）不支持前后端分离前后端杂糅在一起，不方便本地开发调试，无法并行开发，从而导致编码效率低及人员专业度不足的问题。（2）页面加载慢模板语言需要先编译为后端服务，再转换为html，转换效率低，导致前台页面访问慢，白屏等待时间长。（3）服务器访问压力大所有用户的页面请求均在服务器上进行渲染，给服务器带来很大的访问压力，对服务器的性能容量要求高。二、客户端渲染（CSR）随着jQuery、Agular、React、Vue等前端框架的出现，前端开发可独立于后端项目，页面渲染模式也转向了客户端渲染。当客户端发出页面请求后，服务端只返回一个空的html模板，页面中的内容是在浏览器端通过js和css渲染出来的。客户端须等待静态资源下载完成并初始化后，动态渲染Dom并展示页面。客户端渲染具有以下优势：（1）支持局部刷新和懒加载客户端渲染支持局部刷新和懒加载，无需每次都进行完整的页面请求。由于页面都分散在用户的浏览器端进行渲染，所以能节约服务器成本。（2）支持前后端分离客户端渲染同时支持前后端分离，能充分使用前端框架的强大功能。（3）帮助前端开发更好地管理代码能够帮助前端开发更好地管理代码，更有效率地开发、调试、测试。（4）前后端解耦后能够实现更好地扩展和重构但客户端渲染仍存在以下不足之处：（1）首屏加载慢由于服务器一开始只返回空的模板，所以客户端给用户展示的是白屏，需要等静态资源下载并初始化完成，才能开始页面渲染。白屏等待时间长，严重影响用户体验。（2）对浏览器性能要求高页面渲染需要浏览器进行解析和加载，不同的浏览器加载性能不同，在版本过老、性能较差的浏览器上渲染效率很低。（3）不支持SEO搜索引擎搜索引擎本质上是一个爬虫，客户端渲染时爬虫只能爬取一开始的空白页，无法获取页面真正的内容，不利于搜索排名等。三、预渲染预渲染是在构建阶段进行渲染并生成html文件，并以静态文件的形式部署在服务器上，构建出来的文件已有部分页面内容。客户端向服务器请求页面时，服务器返回已经预渲染好的页面给客户端进行展示。预渲染无需实时解析，页面返回效率高，并且支持SEO搜索引擎。它仍存在以下几点问题：（1）不支持用户个性化的内容因为预渲染的页面都是在构建时直接生成的，无法获取用户信息，针对不同用户展示不同的页面。（2）不适用频繁更新的页面如排行榜之类的页面，由于需要经常更新，预渲染提前生成的页面可能和实际的排名不符，导致显示出错。（3）构建时间长由于页面均在构建阶段生成，如果工程较大，需要预渲染的页面较多，会大大加长构建时间，热更新时开发者需要等待很长时间，增加了开发成本。四、服务端渲染（SSR）前端技术栈的快速迭代优化及Node.js的出现，赋予前端工程师在工程化背景下深入服务器端解决渲染问题的能力。服务端渲染在Node.js服务器上完成页面高效渲染，且无需在服务端重写页面代码，服务端将渲染好的html页面返回给客户端，客户端收到页面后可立即展示，待静态资源加载完成后，实现页面可交互。服务端渲染具有以下优势：（1）更快的内容到达时间服务端渲染有着更快的内容到达时间，无需等待所有js都下载完再执行，性能大幅提升。（2）对浏览器的性能要求降低页面渲染与浏览器解耦后，对浏览器的性能要求降低，不同版本的浏览器均能快速显示页面。（3）对SEO友好首次收到的html中内容已经过渲染，搜索引擎能够检索到内容。（4）支持前后端分离服务端渲染支持前后端分离，前端可充分使用前端的构建生态，提升了开发效率，且前后端职责分明，项目易于管理和维护。五、服务端渲染核心技术原理服务端渲染技术引入了Node.js服务器，基于V8引擎对页面进行渲染，其核心原理就是同构。通过抽取通用代码，增加服务端和客户端入口文件，经Webpack打包分别生成能运行在客户端和服务端的不同打包文件，实现应用代码既可运行在浏览器端，也可运行在Node服务端，无需重复维护两套代码。目前业界常用的服务端渲染框架有Vue-SSR、Nuxt、Next、Umi。其中Vue-SSR和Nuxt均基于Vue框架。Next是基于React的服务端渲染开源框架，Umi是阿里公司基于React框架进行的升级和封装。六、各渲染技术适用场景前端页面的渲染技术各有其优缺点，在使用时需要根据具体应用场景渲染选择相应的的渲染技术。可依托浏览器版本、页面秒开率、SEO、页面复杂度等指标进行渲染策略的选择。后端模板渲染后端模板渲染适用于存量须运行在IE低版本浏览器中的应用，贸然改造可能带来很多兼容性问题。客户端渲染客户端渲染基于其首屏速率慢、路由加载快的特点，可以应用在内管类应用以及对页面秒开率不高、无SEO要求的对客应用中。预渲染预渲染的访问速率最快，但是页面灵活度低，在编译阶段无法基于用户个性化内容渲染不同内容，可用于与用户无关且不会频繁更新的场景。服务端渲染服务端渲染由于页面秒开率高、可在服务端提前加载重要数据、利于SEO，所以可以被应用到门户类网站等页面秒开率高的对客应用、用户个性化页面以及排行榜等频繁更新的场景。由于服务端渲染技术具有同构特性，所以可与客户端渲染结合使用，应用内部可灵活使用两种渲染策略，在秒开率要求高或页面复杂度高的场景，选择服务端渲染方式，其他页面采用客户端渲染。综上，随着前端技术发展，前端框架日益完善，框架采用的页面渲染技术也不断迭代，有了更多样化的选择。应用可根据不同的场景和要求选择合适的渲染策略，高效满足客户访问需求，从而推动业务成长，助力行业蓬勃发展。往期推荐浅析图计算技术及其在金融业的应用应用人工智能技术

验“金”室金融科技的发展和大数据的运用推动了整个金融业向数字化方向转型，但同时也产生了商业秘密和个人隐私保护等问题。近年来，隐私数据泄露事件层出不穷且愈演愈烈。2020年7月，《中华人民共和国数据安全法（草案）》公布，国家坚持维护数据安全和促进数据开发利用并重，以数据开发利用和产业发展促进数据安全，以数据安全保障数据开发利用和产业发展。以多方安全计算为代表的隐私计算技术可确保数据在不离开本地的情况下，完成计算任务，实现数据的“可用而不可见”。一、什么是多方安全计算多方安全计算起源于1982年姚期智教授提出的百万富翁问题，问题的内容是在没有可信第三方的前提下，两个百万富翁如何在不泄露自己财产数量的情况下，比较出谁更富有，即两方间的安全函数计算。多方安全计算可以在保证参与方隐私数据安全的前提下，让多个数据所有者在联合的数据上进行协同计算以提取数据价值，且不泄露每个数据所有者的原始数据，真正实现数据的“可用而不可见”。多方安全计算有秘密共享（Secret

验“金”室近年来，随着互联网金融和移动智能技术的快速发展，客户金融消费习惯不断改变。客户离店、业务离柜导致银行网点到店客户和柜面金融服务需求逐年下降，传统采用人工经验对人力资源进行管理的方式，已经不能满足新形势下网点转型发展的需求。一、网点人力资源管理亟待综合化转型在外部环境快速发展和变化的背景下，传统的网点人力资源管理方式短板凸显：一是难以及时捕捉网点金融需求规律的变化，导致制定的人力资源管理计划存在延时性；二是难以准确预估网点每个工作日的客户服务需求，导致柜面人员在排班时经常会出现人员冗余或不足的现象。面对新形势、新挑战，商业银行急需一套科学的网点人力资源自适应配置方案，指导网点负责人根据业务波峰、波谷的规律动态调整各岗位人员配置，实现“以量定岗、以岗定人”。在确保柜面业务办理不拥堵的前提下，精简柜面人员，积极引导客服经理进行综合化转型，开展客户维护、营销拓户、理财推荐、揽存增存等工作，充实网点营销队伍的力量，由“坐商”变“行商”，提升网点竞争力，进而提升银行整体的竞争力。二、基于时序数据预测技术打造人力资源自适应配置新模式在解决银行业转型难题的过程中，人工智能以其丰富的大数据处理技术及强大而精准的算力显示出了巨大的推动能力。某商业银行聚焦智慧运营领域，探索时间序列相关场景，深度运用数据挖掘、机器学习等人工智能技术，搭建通用的时序数据预测框架（如图1所示），训练智能决策模型，助力运营领域构建资源科学管理体系，实现现金、人力等资源智能预测管理。图1

验“金”室万物互联的大数据时代，人、事、物之间时刻产生着繁杂多样的联系，数据结构呈现关联复杂的新态势。例如，互联网打破了时间、空间的制约，使得人类在任何时间、地点，可以联系到想要联系的对象，拓宽了人的社交领域，同时也导致社交关系更复杂。再譬如，过去资金往来主要是银行账户之间，而移动支付时代人们可以通过微信、支付宝转账，提升了支付的便捷性，也导致了资金关系更为复杂。

验“金”室大数据时代，数据的重要性不言而喻，随着数据越来越多，分布式存储节点也越来越多。庞大的节点数量导致节点异常等情况频发，必须采用一定的容错技术来保证数据的可靠性。保证数据可靠性主要有2种常见的方式：副本策略和纠删码策略。副本策略和纠删码策略都是通过增加冗余数据的方式来保证在发生部分数据丢失时，原始数据不会丢失。副本策略是将原始数据以倍数存储，如Hadoop默认采用三副本策略有效解决了存储的容错问题，如果需要存储500T的数据，在三副本的容错方案下实际会占用1500T的存储空间。纠删码策略能以较低的存储代价获得相似的容错可靠性，在10+3（将原始数据分为10份，计算3份冗余）的纠删码策略下，500T的数据实际需要存储650T，相比三副本策略压缩了一半。图1

验“金”室在2019年5G商用及2020年“新基建”的大力推动下，互联网接入设备量和数据量呈几何级数增长，传统云计算结构难以完全满足海量数据实时分析响应等需求。同时，人工智能也在向边缘和端侧延伸。在此大背景下，边缘计算开始绽放异彩。一、什么是边缘计算边缘计算是指在网络边缘的数据源头侧部署节点设备，就近提供网络、存储、计算、应用等数据服务能力，将原本集中在云端的应用服务部分转移到边缘端进行，从而解决云计算场景下数据传输量大、云端并发压力高等痛点问题。我们常常以章鱼为例来解释边缘计算的工作模式。章鱼有60%的神经元分别分布在8只触手上，每只触手都拥有独立思考的能力，可以同时完成不同的任务。捕猎时，章鱼的每个触手行动迅速，分工合作，配合默契，能够迅速缠住猎物，从不会发生打结缠绕的情况。相较传统的云计算，边缘计算体系下云端负责总体的统筹管理，将大量基础的应用服务下沉到边缘节点，实现端设备、边缘节点与云端的协同运作，端设备产生的海量非结构化数据先经由边缘节点加工提炼后再传输到云端，从而大大提升处理效率，减轻云端并发压力，缩短响应时延，降低带宽成本。二、为什么要用边缘计算边缘计算体系下边缘节点的物理位置靠近服务终端，最大的价值点在于能提供快速、稳定、安全的应用服务。1.快速应用服务从云端下沉到边缘端，大幅缩短数据传输链路，摆脱网络带宽的限制，实现低延迟快速响应，显著提升用户服务体验。2.稳定边缘节点上的应用服务能离线自治，形成独立的业务逻辑的闭环，云端只负责总体的任务调度和非实时的批量数据同步。3.安全敏感数据只在边缘端本地处理，脱敏后的统计数据才会上传云端，最大程度保护敏感数据安全。三、边缘计算在各行业应用目前，边缘计算以其独有的优势，在多个行业已有成熟的应用场景。1.工业制造在工业制造领域，边缘计算在工业视觉质检、设备预测维护等场景充分发挥边缘计算中心的优势。云端定期将更新的质检模型下发到边缘节点，边缘节点采集车间产品的多角度高清相片，通过本地运行AI质检算法，能够在数秒内自动识别并标记零部件中微小的凸起或裂纹等缺陷，从而降低人工质检成本，提高产品成品率，显著提升工厂运行效率。2.智慧安防在智慧安防领域，边缘计算发挥边云协同效能，在安防监控的同时满足公众场合的个人隐私保护需求。通过“云端训练，边缘推理”的方式，边缘节点接入大型商超、交通枢纽的海量监控视频数据，利用AI图像识别算法本地分析视频数据，在保护客户隐私的前提下实现表情识别、行为检测、轨迹跟踪、热点管理、体态属性识别等多种智慧安防场景应用。3.智能家居在智能家居领域，边缘计算承担家庭智能设备的网络控制中心角色。家庭中的边缘计算节点一般以智能音箱为载体，通过WiFi、红外线遥控等方式连接家用电器、照明控制、传感器等家庭终端设备，构建智能家庭网络。智能音箱本地解析用户语音指令，同时结合云端提供的各类在线应用服务能力，协同实现电器控制、安全保护、视频监控、环境监测、定时控制、可视对讲等智能化应用。四、边缘计算赋能金融行业创新发展目前，金融领域也开始利用边缘计算技术进行创新应用探索。一方面，边缘计算加速实现海量物联网数据整合利用，打通供应链上下游企业贷款、生产和交付订单的信息关隘，实现供应链上物流、信息流、资金流等信息要素线上线下一体化，优化流动性投资资金的使用效率，建立新型供应链金融生产关系。另一方面，边缘计算赋予金融机构线下网点智能化的边缘服务能力，充分挖掘线下网点丰富的非结构化数据潜在价值，推动网点数字化转型升级，为个人客户带来更优质的金融服务体验。今年以来，借助5G浪潮的东风，工商银行、建设银行、招商银行、浦发银行等已先后将边缘计算技术应用到5G智慧银行网点中，利用高性能的边缘节点设备实现网点客户识别和人流统计等视频分析服务。未来，随着5G场景下末端接入设备的逐渐增多，边缘应用场景不断被发掘，边缘计算必将绽放光彩，为金融发展创新赋能。往期推荐如鱼得水——当金融科技遇上容器技术遇事不决，量子力学？——你所不了解的量子计算机1+1大于2？带你了解多模态的生物识别浅谈超分辨率技术挑战TensorFlow和PyTorch，“后浪”OneFlow胜算几何？FCC30+长按左边二维码关注我们不迷路

验“金”室无论你是一个软件开发工程师，还是测试工程师，亦或是运维工程师，在当今时代，你一定听说甚至使用过容器技术。互联网时代，应用程序的迭代周期越来越短，传统的基于程序包交付的方式在流转、部署时消耗的时长越来越难以满足应用程序快速上线的要求；同时，以“双11”、“秒杀”等需要峰值响应的业务场景越来越多，快速弹性伸缩成为服务器端技术急需解决的问题，就在这个时间节点，以docker为代表的新一代容器技术适时地登上了历史的舞台。在金融科技迅速发展的大背景下，随着金融业务的进一步互联网化、金融业务接入渠道的多样化、业务数量的爆发性增加，传统环境和运维模式也难以支撑互联网金融业务突发高峰需求。此时，当金融科技遇上容器技术，产生的化学反应也绝对不仅仅是1+1=2的效果。一、容器技术的发展历程实际上，容器技术并不是一个新概念，本质上它就是提供了一个以命名空间为基础的隔离环境，使得应用程序的一组进程能在其中隔离地运行。Linux内核中第一个容器进程管理器早在2008年就已经出现，就是大名鼎鼎的LXC(LinuX

验“金”室2020年上半年，谷歌宣布研制出的量子计算机“无花果”（Sycamore），用200秒的时间完成了一个非常复杂的计算，这个计算如果使用全球最强大的超级计算机Summit则需要花上1万年。1万年有多长呢？如果从今年开始计算，要算到像这种超级计算机需要1万年才能计算出来的问题，业界一般称作“不可能完成的计算”，而Sycamore仅仅用了泡一桶泡面的时间便将不可能的事情变成了可能，完成了经典计算机无法完成的计算，这件事就被称为“量子霸权”。什么是量子计算机？量子计算机是一类遵循量子力学规律进行高速数学和逻辑运算、存储及处理量子信息的物理装置。换句话说，就是当某个装置处理和计算的量子信息、运行量子算法时，它就是量子计算机。在体积上，超级计算机Summit占地面积为522平方米，而量子计算机占地面积还不到10平方米；在配置上，超级计算机Summit需要1万多个芯片，量子计算机只需要一个芯片。传统计算机的1位以0或1代表，2进制数值是确定的，非0即1。但量子计算机的量子位是光子的纠缠态或电子的自旋态，利用量子效应的叠加态，其状态可以既是0也是1，也可以同时是0或者1。一个3位数据集：{000，001,010,011,100,101,110,111}，经典计算机需要处理8次输入和输出，而一个3位的量子计算机则只需要处理1次。谷歌的53量子位量子计算机1次可以并行处理的数据是为了保证量子计算机每个计算单元的纠缠态，量子计算机需要在“绝对零度”（-273.15度）的环境里进行运算，所以量子芯片必须维持在极度低温状态下，目前这个硬件环境条件是限制量子计算机发展的最大问题。量子计算机的用途1.气象领域由于现有的计算机很难模拟复杂的天气情况，所以，在日常生活中天气预报经常不够准确，有了量子计算机以后，全球的云、雨、风，还有温度都可以通过量子计算模拟出来，天气预报将会变得更快、更准，甚至可以精准预测1-2个月以后的天气。2.生物医药领域生物医药可以借助量子计算强大的并行计算和模拟能力，模拟蛋白质分子的折叠情况，解决像阿尔兹海默症、帕金森、二型糖尿病等由于蛋白质折叠错误而导致的疾病，推动生物医药的发展。3.金融领域量子计算在金融领域的应用主要包括三个方向：投资组合优化（Portfolio

验“金”室生物特征是人体天生携带的信息，与传统的密码相比，具有唯一、防伪等特性。随着人工智能、大数据的兴起和智能交互设备的快速普及，生物识别技术在金融行业的应用迅速增多。采用生物识别技术的验证模式打破了金融业务受地点、服务时间等的限制，为金融服务与客户快速对接提供了方便，不仅帮助银行推广创新业务，也更加方便了用户的使用。一、

验“金”室在日常的IT开发与运维过程中，经常会接触到“流程编排”这一概念，它不仅包括对业务进行功能编排，还包括对技术服务能力的编排，且随着信息技术的快速发展，流程编排的概念也被不断地延伸。针对这一趋势，本文重点研究了流程编排的工具、引擎与系统，并简单介绍其在银行系统中可能的应用场景和方式。一、什么是流程编排从字面上理解，“流程编排”就是把各种提供子功能的服务、组件以某种方式编排起来，并按照设定的流程依次完成其功能，从而实现某个整体的、复杂的目标，因此其常常也被称为“业务编排”“服务编排”或“工作流”等。但笔者认为，流程编排其实可以看作一个比较大的概念，除了业务上的流程编排之外，也包括流程编排工具、流程编排系统等在技术上对各项服务进行能力编排，还可以推广到支持定义流程的持续集成/部署工具。简而言之，流程编排的出现主要是为了解决复杂场景问题，同时尽可能复用已有功能，减少重复开发，最终起到减小开发压力、提升业务效率、扩展功能场景的效果。需要注意的是，流程编排主要是为了集成多项功能来解决复杂问题的，但对于解决简单问题往往却并不适用，强行套用反而有可能增加问题的复杂度。二、传统的业务流程编排传统的业务流程编排也可理解为解决业务流程管理（Business

验“金”室你或许听过“XX游戏、XX电影、XX动漫重制高清版……”的新闻，你肯定听过“使用此手机拍月亮模式，拍出来的照片可以媲美专业设备！”的广告语，但是，你不一定了解它们背后的“主角”——超分辨率(Super-Resolution)技术。超分辨率技术最先应用在卫星遥感成像、医学成像等专业领域，用于提高采集端采集到的质量不高的图像的分辨率。随着移动互联网的快速发展，泛娱乐应用如雨后春笋般出现，其中在社交、直播、论坛等应用中存在大量的视频以及图像信息。随着终端设备在分辨率上的不断迭代，用户对获取的图像和视频画面的质量也提出了更高的要求。于是，超分辨率技术在大众产品领域崭露头角并快速发展起来。一、超分辨率技术是什么超分辨率技术是一项从传统艺能（线性滤波、图像重构、图像边缘结构）到流行艺能（深度学习）的技术领域统称，其目的是为了解决最终展示的图像分辨率过低的问题。低分辨率（LR）图像放大效果演示超分辨率技术通过硬件或软件方法提高原有图像、视频的分辨率，使图像、视频不再“辣眼睛”。近些年，图像处理理论的发展、机器学习的普及以及高性能处理器的出现使得超分辨率技术取得了长足的进步，各类优秀的深度学习SR算法陆续出现，为各个领域尤其是移动端用户带来极致的画面体验。经典的SRCNN算法实现原理超分辨率技术理论上就是将图中像素点之间的空间位置用计算得出的像素点进行填充，使得整个图像具备更多的像素点，能够展现更加丰富的细节，从而提高整体图像的分辨率，给人更好的观感体验。采样像素示意二、超分辨率技术应用领域1.低带宽低质量图像增强在图像压缩传输的应用场景中，超分辨率算法适用于低带宽时低质量图像上的增强，采用超分辨率增强的图像质量明显优于在图像上直接编码的质量。超分辨率技术应用于压缩传输2.视频信息增强使用超分辨率技术可以将标清视频转换为高清甚至超清视频，视频超分辨率技术与单图像主要区别在于，视频需要根据前后帧信息进行超分计算，除了能提升视频整体分辨率外，还可以提高视频画面的流畅度，标清电视（SDTV）转换为高清电视（HDTV）、模拟视频高清监控、老旧片源高清重制等均采用了超分辨率技术。视频超分辨率原理示意3.医学诊断各种医学成像模态可以提供关于人体结构和功能信息的解剖学信息，但是，医学设备采集端硬件设施分辨率限制总是会降低诊断中医学图像的价值。超分辨率技术已被用于关键的医学成像模式，包括磁共振成像（MRI）、功能性MRI（fMRI）和正电子发射断层扫描（PET），其目的是在保留真正的各向同性成像的同时提高医学图像的分辨率。医学超分辨率成像4.地球观测遥感在遥感领域，受到传感器自身设计的限制，大多数地球观测卫星获取的遥感图像无法兼备高空间分辨率和高光谱分辨率，为了提升遥感图像的分辨率，可以对同一区域的多时间或多视图采样后通过超分辨率技术进行图像分辨率提升，以达到遥感图像分辨率重构的目的。5.天文观测同样受系统参数限制的天文成像设备的物理分辨率也为超分辨率技术的发挥作用提供了机会。通过提高天文图像的分辨率，超分辨率技术可以帮助天文学家探索外太空。6.生物信息识别生物特征图像的分辨率在识别和检测过程中至关重要。基于生物特征图像结构化特征的冗余性和相似性，通过大量的针对人脸、指纹、虹膜等数据训练，可以很好地提升超分辨率深度学习算法的准确性，从而增强形状和结构纹理的细节，有效保留全局结构，提高相关应用的识别能力。人脸超分辨率技术演示三、超分辨率技术并不是万能的深度学习领域的快速发展使超分辨率技术也得到了长足的进步，但在欣喜之余，超分辨率技术的应用也存在瓶颈和争议。性能存在瓶颈。基于深度学习的超分辨率需要进行大量模型计算，对硬件性能要求很高，虽然现阶段有一些专门针对移动端定制的深度学习算法，但基本还处于验证阶段。超分辨率技术处理过的图像存在不确定性。超分辨率技术本质上是通过计算得出更高分辨率的图像、视频，并不是真实世界的还原，所以其不确定性存在争议，尤其是在一些对细节要求高的领域，如医学成像。超分辨率技术经过近半个世纪的发展，虽然期间经历过沉寂期，但深度学习的推动使超分辨率技术迎来了第二春，使其应用领域更加贴近大众的日常生活，期待技术革新能为人们带来全新的体验。更多精彩内容挑战TensorFlow和PyTorch，“后浪”OneFlow胜算几何？浅析分布式存储高可用机制为前端服务的Serverless研究浅析卫星遥感技术在金融领域的应用用心跳检测戳穿DeepfakeFCC30+长按左边二维码关注我们不迷路

验“金”室深度学习算法、算力和数据被看作是当前人工智能浪潮的“三驾马车”。其中深度学习算法通过封装至软件框架的方式供开发者使用，深度学习框架是整个技术体系的核心，实现对人工智能算法的封装、数据处理以及底层硬件的调度使用。正如Windows、Linux在PC时代和iOS、Android在移动互联网时代的角色那样，深度学习框架上承算法应用，下接底层硬件，所以也被称作“人工智能的操作系统”。目前市面上已有的众多开源框架，用户最多的是PyTorch和TensorFlow，除此之外还有各大公司的自研框架：PaddlePaddle、MXNet、MindSpore、MegEngine等。但是由于业内对于框架的共识越来越广泛，框架的发展越来越相似，导致AI框架领域的竞争日趋激烈：PyTorch和TensorFlow逐渐占据越来越多的用户份额，建立了强大的开源生态；最早推出的Caffe、Theano已经由于技术无法跟上需求的变化，逐渐退出历史舞台；微软的CNTK已经停止了后续维护；MXNet也只在少数领域还有应用……AI框架领域正在从百家争鸣的“春秋时代”走向诸侯割据的“战国时代”。即便在这么困难的背景下，深度学习框架家族还是迎来了一位备受瞩目的新成员——OneFlow框架。2020年7月31日，在经过1300多个日夜奋斗后，中国一流（OneFlow）科技公司的深度学习框架OneFlow正式在Github上开源，采用Apache

验“金”室长期以来，大型主机凭借其卓越的性能表现、良好的稳定性以及在单机处理能力方面的强大优势，逐渐发展为金融业数据中心的主流存储产品。但是，随着信息技术的快速发展，金融机构的IT系统也逐步开始向虚拟化与云化转型，并对存储资源建设提出了更高的要求，早已不再是为了满足某一业务系统的特殊目标，期间，传统大型存储设备故障排除难度大、扩展性差、建设周期长等劣势也逐渐凸显。在此背景下，为更好地支持多租户、高并发等业务场景，分布式存储的概念应运而生，其凭借扩展性、伸缩性极强，以及高效、可靠、高可用等特点，迅速成为金融机构应对网络数据流量快速增长、时间窗口日趋紧张等问题的有力抓手。一、什么是分布式存储总体而言，分布式存储基于网络可将分散的存储资源建成一个虚拟的存储资源池，然后再把数据分散存储在多台独立的设备上，因此其不仅拥有极高性能的大并发读写、高可用的故障自动隔离、动态扩展以及自动化运维管理等能力，同时也是构建云计算基础架构的重要组成部分之一。实践中，分布式存储的常用架构大致可分为两类：一类为使用元数据服务器存储数据位置的架构；另一类为无元数据服务器，通过计算来获取数据位置的架构（如图1所示）。图1

SSR服务调用流程3.研发模式升级前端团队通过SFF可以聚合某些后端接口或独立实现一些后端服务，减少了与后端团队的沟通成本，也能解决前端工程师运维方面的技术瓶颈问题。前端开发流程如图7所示。图7

验“金”室受农村信用体系不健全，农业信贷风险大、尽调效率低、成本高等因素影响，目前商业银行较少开展农业信贷服务。卫星遥感技术的发展和应用普及为解决农户融资难、融资贵难题提供了一条可行的技术路径。商业银行可利用卫星遥感技术获取农户耕种的农作物面积、作物类型（水稻、玉米、小麦等）、长势等数据，然后再结合农户身份、金融资产、土地证、历史农作物出售证明等多维度数据进行授信评估，为农户提供相应额度的贷款金额和合理的还款周期。一、卫星遥感技术概述遥感技术按搭载传感器的平台分为航天遥感、航空遥感和近地遥感，卫星遥感技术属于航天遥感技术的一种。卫星遥感技术概述见表1。表1

验“金”室一人脸伪造盛行，眼见不一定为实Deepfake是一种基于深度学习模型的换脸技术。这项技术应用深度学习中的生成对抗网络（GAN），将人脸图像和源视频作为网络的输入，把人脸图像叠加到源视频中的人脸区域作为输出，从而达到给源视频进行换脸的效果。Deepfake这项技术一经开源就“硕果累累”。比如，用户可以利用曾红极一时的“ZAO”App将自己的脸叠加到热门电视剧中，以及最近美国总统候选人拜登的“睡着”事件。这些都是Deepfake技术应用的例子。但是“硕果累累”的另一面则是Deepfake视频的泛滥和产生的威胁。例如，将公众人物的人脸叠加到不雅视频中，对公众人物的形象和声誉造成巨大损害。再者则是对人脸识别系统的威胁，“网络人脸贩子”的“代过人脸认证”就是利用Deepfake技术，输入单张人脸照片和随机动作生成被伪冒身份人脸的动作视频，尝试骗过App等线上应用的人脸识别中的动作活体检测（如摇头、眨眼、张嘴）。二Deepfake检测新思路——生物信号Deepfake视频的泛滥和造成的威胁催生了Deepfake检测技术的发展，目前，Deepfake检测技术主要是根据分辨率、三维信息或不自然的眼部动作来进行检测。但是由于不同生成模型在这三个方面都进行了各自的优化，因此在处理不同模型生成的图片时，会出现泛化能力不足的问题。近日，宾汉姆顿大学和因特尔的研究人员发明了一种新的Deepfake检测方法——Deepfake心跳检测。研究人员认为，Deepfake换脸视频中会留下生成模型的独特的生物学和噪声信号，并把这样独特的信号称为“Deepfake心跳”。针对这个想法，研究人员进行了实验。实验结果如图1所示，研究人员发现生成器的残差在生物信号域的投影具有一定的模式规律，可用来判断视频是否是换脸视频，并且不同生成模型的生成器的残差在生物信号域的投影也有独特的特征，可以用来判断换脸视频来自于何种Deepfake生成网络。图1

验“金”室声音是一种波，从感官上讲，虽然声音不如人脸和指纹的个体差异那么直观，但由于每个人的声道、口腔和鼻腔存在个体差异，所以每个人发出的声音也各有不同。声音不仅具有独特性，而且相对稳定。成年后，人的声音可以在很长一段时间内保持相对不变，这为生物特征识别技术在声音领域的发展提供了先决条件。“闻声识人”：计算机声纹识别原理在经典谍战片《碟中谍5》中，要解开存有黑暗组织“辛迪加”信息的存储器，需要英国首相的一段语音，这里采用的就是声纹识别技术。声纹识别是计算机通过声音判别说话人身份的技术。声纹是指用电声学仪器显示的携带言语信息的声波频谱。实验证明，无论讲话者是故意模仿他人声音和语气，还是耳语轻声讲话，即使模仿得惟妙惟肖，其声纹也无法与本人完全相同。这使得人们在某些场景中可依靠声纹鉴定技术对所采集的声纹进行检验对比，以确定所获证据是否可靠。声纹识别的方式可分为三大部分：特征、模型、打分。其工作流程大致如下：提取语音进行预处理，提取特征；利用训练好的模型，计算该语音对应的声纹模型或者声纹特征；最后进行相似度打分，得到结果。“琴瑟相调”：声纹技术分类及对比用于验证说话人身份的声纹就是通常人们说的声纹密码，声纹密码支持三种类型：文本相关(密码为指定文本内容)、文本无关(密码为非指定内容)和挑战式(密码有一定范围，由系统产生并提示用户，比如动态数字)。三种类型的技术说明和特点总结见表1。表1

华为HCCS架构（2）AI芯片专用网卡训练型AI服务器适配更多可适配8块支持200GE的RDMA网卡，提升跨节点AI芯片的通信性能，减少因网络带宽导致的性能损失。其架构如图5（英伟达DGX

验“金”室随着智能变革的到来，企业智能化逐步深入。人工智能技术的应用不仅在企业运营、管理以及决策流程上减少了人工干涉，还使得企业大数据决策更加精准、快速。目前，银行业已上线多种场景智能辅助决策模型，甚至在某些场景已逐步替代人工处理，实现了流程上的自动化、智能化。本文对如何利用数据规划运钞车的工作线路，实现运钞车线路的智能规划进行探讨。一、哪些业务需要使用运钞车在日常银行的业务场景中，现金配送作为银行现金运营管理的重要工作，涉及日常银行网点款箱配送与回收、银行上门服务、ATM设备加钞等业务服务场景。1银行网点的款箱配送与回收由于现金管理相关要求，现金及重要凭证是不允许留在银行网点过夜的。银行网点的款箱必须在网点营业前完成分散派送、在网点营业结束后进行回收。其中，分散派送需要运钞车从银行金库提取款箱配送到各个网点，而回收需要运钞车从各个网点将款箱配送至银行金库集中存放。2银行上门到点服务银行会与某些客户签订上门服务协议。在协议约定时间，银行会为单位客户提供指派专人到客户指定场所办理现金收付、送取单据等特定服务。运钞车将随同专人为客户提供上门服务。3银行ATM加钞服务银行负责所在城市ATM的运营管理工作。每日银行将根据ATM钞箱内的现金使用情况与预期的ATM吞吐金额，制定ATM加钞计划。当有ATM需要加钞时，银行将安排运钞车配送新的钞箱替换ATM中旧的钞箱。二、运钞车线路规划的难点由于银行网点数量和ATM设备等数量众多、地理位置分布广泛，受交通状况以及服务时间等条件制约，以传统方式依赖人工经验对运钞车线路进行规划具有极高的复杂度，需要综合考虑以下情况，往往难以在短时间内做出最优的线路规划。1服务站点类型多服务站点包括银行网点、银行上门服务点和银行ATM。不同类型的服务站点有不同的服务需求。2服务站点数量多服务站点数量往往不少于100个。3服务站点分布范围广不仅城市市区有服务站点，郊区及偏远地区也有不少服务站点。4服务站点服务时间不一不同服务站点有不同的服务时间要求，如不同的银行网点有不同的营业时间。5服务具有优先级关系为了保障银行网点的正常运营，运钞车线路的规划需优先确保银行网点款箱配送任务在各网点开门前完成。6服务具有前后依赖关系以银行ATM加钞服务为例，银行网点内的ATM加钞通常采用网点自行加钞的方式。为了减少等待时间，运钞车将配送网点款箱与ATM钞箱配到网点后立刻到下一个银行网点进行配送。ATM加钞替换下来的钞箱将在后续的线路规划中重新收集。三、问题解决思路既然人工规划运钞车线路难点那么多、设计那么复杂，那我们不如抛弃人工设计的想法，以构建数学模型为思路。其实，上文提到的3个场景可以简单地抽象为一类问题。有一定数量的服务站点，各自有不同的服务时间需求，由一个中心向客户提供物品，一个车队负责配送物品。如何规划车队的行驶线路既能确保服务站点的需求得到满足，又能使用最少的车辆、节省配送车队的行车成本？这正是带时间窗车辆路径问题（VRPTW）。VRPTW问题的求解思路类似于遍历搜索，常用求解方法分为两类：1精确求解方法具体有分支界限法、分支切割法、集合涵盖法等。但由于求解空间十分庞大，这些精确解法往往很难取得较好的结果。2启发式求解方法具体有节省法、模拟退火、禁忌搜寻、遗传算法、蚁群算法等。这些基于人工智能的启发式算法在解决组合优化问题上显示出了强大性能，目前主流的解决方案都属于该类别。四、求解实例主流的解决方案均采用启发式算法求解，其主要算法运用的就是大名鼎鼎的遗传算法。1基于遗传算法的求解实例遗传算法借鉴了达尔文进化论中自然选择和自然进化的原理，模拟生物在自然界中的进化过程所形成的一种优化求解方法。采用遗传算法解决VRPTW问题有三个与基础算法有所区别的要点。（1）个体编码个体编码的设计希望把问题的解编码到遗传算法的染色体中。该实例采用自然数编码，将0代表现金中心，1、2……n代表服务站点。举个例子，假定一个中心的车队有2辆车、服务站点有5个，那么就可能存在这么一条染色体（染色体长度=服务站点数目+线路数目+1）：

Engineering一书发表，该书详细阐述了混沌工程的指导思想和实施原则。2019年，阿里巴巴开源了Chaos

Footer快速在内存中构建一个B树索引（即MDK索引），此时使用MDK中的列查询条件来查询时，通过MDK索引，Min、Max列索引，就可以快速地定位数据文件中的Blocklet。图4

，ARCH）和差分自回归移动平均模型（AutoRegressive

验“金”室面部表情是非语言交往的一种手段，广泛用于人类之间情感的交流。在曾经风靡全球的美剧《Lie

验“金”室在验金室往期文章“以小窥大，从视频考勤看边缘智能”中，笔者曾以人脸考勤为例介绍和分析了边缘智能、数据智能的优势。本文将继续深入探讨在深度学习框架“百花齐放”以及专用AI加速芯片“层出不穷”的现阶段，人工智能推理应用下沉到边端不同的推理框架和硬件之上所面临的软硬件异构难题。一边缘智能部署“三部曲”目前，业界边缘智能应用落地主要采用“云端训练，边端推理”的策略，其部署流程通常分为模型生成、应用编译、应用部署三个阶段（如图1所示）。图1

验“金”室机器人流程自动化（RPA）作为系统级和事务级的连接器，以非侵入式模拟人工操作增强人机交互，实现不间断、高准确、零改造的流程自动化，成为近两年国内银行数字化转型的重要工具，在银行业务流程自动化中表现出便捷、高效的实施效果。银行业务流程中需要进行大量证件、表单、合同等影像资料以及音视频审核工作，RPA融合人工智能（AI）技术，使机器人具备感知、认知能力，可为银行解决更多复杂的业务流程问题。“RPA+AI”是什么？为进一步深化金融科技赋能，商业银行以“科技引领、创新赋能”为指引，研究提升RPA融合人工智能感知认知推断能力，打造RPA智能中台，拓展RPA流程自动化技术应用场景，快速解决业务多变和区域差异等问题，激发一线科技与业务联合创新活力，进一步实现“机器换人”，让银行复杂业务流程皆可自动化。以近期某银行“RPA+AI”智能审单实践为例，该方案基于RPA整合能力激活智能服务应用，赋能一线科技与业务人员，快速实现单据智能解析与审批流程组合，落地信用卡授信审批智能监督机器人，实现单笔业务质检时长缩减至人工的1/6，24小时无间断作业质检较人工质检提高约24倍。图1

验“金”室随着全社会信息化程度的提升，音视频的使用日益广泛。金融行业也广泛采取录音录像的方式来记录金库、网点、ATM等重要场所的环境状况以及重要业务的办理过程，通过事中监控、事后检查的方式来减少违法、违规事件的发生，并提供溯源能力。音视频属于非结构化数据，目前采取人工检查的方式进行分析排查，其时效难以满足业务量日益增长的需求。随着人工智能技术（AI）的发展，业界正逐步探索通过AI来实现对音视频的自动化分析，于是产生了音视频智能分析的概念。一音视频智能分析概述1.技术原理音视频智能分析是指利用语音识别、自然语言处理、计算机视觉等AI技术，从音视频中提取出分析对象的语义文本、外观、位置、动作等属性，通过对相关属性的辨别及跟踪，判断是否符合特定规则（如图1所示）。图1

验“金”室近年来，随着万物互联的5G时代的到来，网络边缘设备和数据的规模呈现出指数级增长的态势，同时新型应用对服务时效性提出了更高的要求，传统以云计算模型为核心的集中式处理模式将难以高效地满足海量数据实时智能处理，这就要求就近提供边缘算力进行AI智能处理，于是边缘智能的概念应运而生。一边缘智能的典型应用边缘智能是什么？如何解决实际问题？让我们先从一个数字化园区场景建设开始深入了解。近年来，随着人工智能技术的日益成熟，工作管理创新智能应用频繁地进入人们的视野。其中，基于视频流智能分析的无感考勤具有方便性、真实性、准确性、灵活性、防伪性等优点。以一个基于云端的无感考勤方案为例，在员工上下班必经的通道上方架设摄像头，由云端服务器直接获取摄像头视频流，截取人脸照片并进行人脸识别，最终获取员工出入记录并录入到考勤系统中，实现无感考勤（如图1所示）。图1

语音识别流程声纹识别声纹是一种可用电声学仪器显示的携带语言信息的声波频谱。声音中包含能表征和标识说话人声音的特征。声纹识别就是通过辨识声音特征进而识别说话人身份的过程（如图2所示）。图2

验“金”室今年4月6日，在央视新闻主办的主题为“为湖北拼单”的带货直播公益活动中，央视主播朱广权与电商网红李佳琦互动直播、在线推销，一共售卖出4000多万件湖北商品，直播累计观看次数超过1.2亿，在为本系列公益活动打下了开门红的同时，也再一次向业界展示了互动直播的影响力。图

验“金”室金融情报检索属于垂直搜索引擎技术范畴，通过融合应用网络爬虫、NLP、机器学习、深度学习等多种智能技术，将海量文本信息序列化，面向金融类主题进行相关性分析，利用垂直搜索建立索引，为金融行业用户提供一站式情报检索服务。与谷歌、百度等通用搜索引擎不同，针对靶向用户和人群提供特定主题的垂直搜索，解决通用搜索存在的信息量大、搜索质量不高、信息价值密度低等问题。一、网络爬虫技术网络爬虫（Web