共计 3481 个字符，预计需要花费 9 分钟才能阅读完成。
股票、证券等金融交易越来越多地脱离线下而转向线上进行，指纹、人脸等生物辨认技术遍及，而与「钱」相干的场景，如何准确地实现身份辨认和认证？如何保障业务合规？具体而言：
- 线上交易时，如何保障正在交易的交易者是他自己？
- 近程操控，如何保障交易人员的资金平安？
- 具备「非接触式」和「近程辨认」劣势的声纹识别技术，如何在业务场景落地？
上周六，由 Milvus 社区主办的 Arch Meetup 深圳站圆满落下帷幕，泛滥科技爱好者们齐聚一堂，来自 Zilliz、追一科技、掌数科技、极狐（GitLab）和 ShowMeBug 的讲师们与大家分享了开源软件的最新趋势与利用场景。掌数科技技术总监高星 分享了证券基金行业的需要与痛点，以及「问答机器人」「声纹识别」等金融证券行业经营利器。开源向量数据库 Milvus 如何帮忙实现上述场景？让咱们一起先睹为快吧！
轻轻通知你，关注 Zilliz 公众号并回复 「ppt9」 能够取得其余四位讲师们的精彩分享哦！
掌数科技 x Milvus 向量数据库，在金融 AI 畛域会擦出哪些火花？
掌数科技技术总监高新分享现场
掌数科技聚焦证券和大资管行业，面向大数据和 AI 根底技术平台、智能化场景利用和数据安全治理畛域，是一家治理金融行业数据安全的科技企业。掌数科技与厦门大学成立了 ” 金融科技联结实验室 ”，致力于大数据、人工智能技术在金融科技领域的利用钻研。往年，掌数科技还正式成为 WG4 声纹小组《信息安全技术声纹识别数据安全要求》国家标准的五家利用试点单位之一。
在万物皆可 Embedding 的时代，图片、文本、视频、语音等非结构化数据能够通过 Embedding 技术提取为特征向量，而后通过对特征向量的计算和类似度检索来帮忙落地智能问答、商品举荐、声纹识别等场景。开源向量数据库 Milvus 能够赋能 AI 利用和向量类似度搜寻。开源向量数据库 Milvus 反对应用多种 AI 模型向量化非结构化数据，并为向量数据提供搜寻剖析服务。它可解决的业务包含图像处理、机器视觉、自然语言解决、语音辨认、举荐零碎以及新药发现。具体实现形式是：
- 通过深度学习模型将非结构化数据转化为特征向量，并导入 Milvus 数据库；
- 对特征向量进行存储并建设索引；
- 接管到用户的向量搜寻申请后，返回与输出向量类似的后果。
掌数科技基于多年行业教训，通过 「数据库 + 利用」 的形式，在「问答机器人」「声纹识别」等场景中应用 Milvus 向量数据库实现疾速响应，为企业在数字化建设过程中提供高质量、易扩大、低成本、易保护的解决方案。
金融证券行业的需要和趋势
金融是一个财产集中的畛域，在掌数科技主攻的证券市场，其规模在 2020 年的总资产达到 8.9 万亿，具备散户比例高、受多方因素影响稳定大、金融产品品类不多等特点，因而，证券行业的客户经营畛域天然产生了如下两点需要：
（1）如何在用户规模迅速增长的过程中，高效、牢靠、合规地服务投资者客户？
- 金融证券行业须要进步线上自助化服务水平，把可能由零碎和用户自主操作来实现的局部尽量交给零碎，防止过多依赖人工；同时，把不能齐全交给机器执行的业务或操作，尽量采纳人机协同的形式，升高人工的工作；
- 金融证券行业须要建设客户数据中心，为客户经营、客户服务提供对立的数据服务平台；
- 金融证券行业须要借助大数据和人工智能伎俩，加强对客户身份的核实，对客户精确用意的把握，对客户危险承受能力的辨认，躲避经营风险和操作危险。
（2）如何在客户投资理财过程中晋升体验，帮忙客户简略地、愉悦地实现投资预期？
- 金融证券行业须要把「投资者教育」融于产品的细节当中，在场景中晋升投资决策程度；设计更为丰盛的组合产品，为投资者提供更多投资选择，平抑投资危险；以客户为核心，建设跨渠道的客户服务，实现不同渠道的无缝对接。
除了上述两大需要，金融证券行业正在拥抱以下四个趋势：
- 线上化的趋势：金融科技倒退和经营集中化、自动化、智能化；
- 散户机构化趋势：公募基金、资管用户规模倒退迅速；
- 合规监管难趋势：目前用户服务能力与需要不匹配、用户危险等级辨认与匹配；
- 证券机构科技部门自研能力有余：外购产品居多，个性化自研较少。
为了应答上述的需要和趋势，智能经营的产品体系须要在多种场景下应答自若，次要包含客户多渠道服务场景、客户私域经营场景、外部大经营场景三大场景。在这些场景的外围架构中，会应用到大量的结构化和非结构化数据，以及相应的技术组件，比方 Docker、Kubernetes、CI/CD 流水线等利用技术架构组件。其中，用于剖析非结构化数据的要害组件就包含了 Milvus 向量数据库。三大场景的整体架构如下图所示：
场景一：智能客服机器人
掌数科技通过引入开源向量数据库 Milvus，构建了一套欠缺的智能问答零碎，帮忙在线客服实现答疑和举荐。
智能的问答组件能够实现 80% 常见问题的主动回复，大大加重人工客服的工作量。此外，该问答零碎不仅能实现简略的问答，还能够做出综合的观点举荐。基于用户已经收回的大量申请，零碎会召回最适宜该用户的答案并举荐给用户，实现「基金产品卡片常识」举荐、「基金经理卡片常识」举荐、「用户输出主动补全」等性能。
同时，基于开源向量数据库 Milvus 构建知识库搜索引擎，还能够搭建面向外部人工客服的智能知识库，辅助相干人员疾速响应客户发问。
须要留神的是，在金融证券业务中，根底数据库与其余行业不同，须要预处理一些行业常识。比方，产品的命名通常有本人的规定，在其余的语料库中不常出现「天天盈」「丰泽」等基金名，所以须要基于现有的语料库进行训练，实现数据预处理。在实现流程中，开源向量数据库 Milvus 的高性能检索能够实现毫秒级响应，召回数千条数据集，极大升高了开发成本、缩短我的项目周期，后续零碎进一步精排算法，筛选出 10 条数据作为响应后果。智能客服机器人背地的实现流程如下图所示：
场景二：声纹场景
依据行业客户适当性治理方法要求，以及反欺诈、反洗钱等合规风控要求，客户身份的认定与审核 是金融证券行业必须要重点关注的技术畛域。过来，多采纳账号密码来认定客户身份，然而明码容易透露。故个别进步安全等级，会要求输出手机动静明码或者 U 盘等额定设施躲避密码保护的破绽，后又扩大为基于 Face ID 的人脸识别技术。然而，在局部不适宜应用人脸比对的场景中，须要借助语音辨认与声纹比对技术作为补充。与其余生物特色相比，获取声纹特色的语音非常不便、天然，用户接受度高，而且老本较低，通话中无需额定的录音设施，声纹识别和确认的算法复杂度低，其动静特色更在利用平安上独占劣势。
在金融行业中，声纹利用的技术要求是：
首先，精度要高。对合乎辨认要求的音频数据集比对辨认算法的精度，尤其是 1:1 的身份确认场景，其精度要求最高达到 99.5% 以上；联合人脸或者其余技术后，零碎被攻破的难度将成指数级回升。
其次，性能要好。千万级的声纹库的客户身份确认过程，须要可能实现秒级响应，否则用户体验会十分蹩脚；声纹数据库要实现无缝横向扩大，以便应答更大规模的声纹平台体量；在对 VIP 客户或者黑名单客户的识别场景，要可能在数秒到 1 分钟内疾速查找到类似后果。
最初，老本要低。采集端应用一般电话或者电脑麦克风，服务器端采纳一般 X86 服务器即可；无需专用服务器硬件，在推断辨认场景，不须要 GPU 或其余非凡硬件卡的减速，即可实现声纹库与声纹平台的搭建。声纹场景的实现流程如下图所示：
通过引入开源向量数据库 Milvus，掌数科技构建并积攒客户声纹库，帮忙在客户在线上开户、业务开明场景中，提供面向客户身份数据的向量存储、检索比对、黑名单客户辨认服务。声纹检索的实现流程如下图所示，首先输出指标语音，进行特征提取和模型训练，将特征向量保留在 Milvus 向量数据库中，当须要进行特色比对时，可进行疾速提取和比对。1:1 的声纹比对指的是确认「你是不是你 」，用于人员活体认证、人员身份认证和挪动客户端身份认证；1:N 的声纹识别用于答复「 你是谁」的问题，用于在向量库里查找该指标的身份和查重。Milvus 数据库的利用，很好地帮忙业务达到了金融畛域技术指标，做到了高精度性能的优化。
在客户服务场景中，办理客户回访或其余业务受理时，须要查看证券业务服务流程是否合规，校验沟通话术。综合上述多个技术，能够进一步造成智能语音质检解决方案，实现流程如下图：
总结
掌数科技基于开源向量数据库 Milvus 搭建了智能客服机器人的问答和举荐零碎，以及声纹场景中的确认和识别零碎，达到了金融行业 精度高、性能好、成本低 的相干技术要求，咱们心愿将来 Milvus 向量数据库反对更加丰盛的性能，适应更广大的利用场景，在金融行业失去更广泛应用。
