写点什么

机器学习技术在安全性和完整性方面的探索

  • 2019 年 9 月 14 日
  • 本文字数:2497 字

    阅读完需:约 8 分钟

机器学习技术在安全性和完整性方面的探索

ArchSummit深圳2018大会上,徐斌讲师做了《机器学习技术在安全性和完整性方面的探索》主题演讲,主要内容如下。


演讲简介


Machine Learning in Security and Integrity:With the emerging of e-market (e.g. Taobao, Amazon), cloud (e.g. Baidu Yun, AWS, Azure), and social network (e.g. WeChat, Facebook), the world becomes smaller and smaller with unbelievable easily running business, accessing large-scale resources and services, building community and sharing your moments cross continents within seconds. However, the concerns on security and integrity are arising too. Facing daily big data (petabyte or even more) with both imbalance and ambiguity, the real-time machine learning solution becomes challenging but demanding, which stimulates many breakthroughs.


This presentation starts with a quick overview of security problems, then it will discuss the machine learning platform, and focus on the topics related to the advanced technologies and solutions for the challenges facing in our time and the lessons from real applications. The presentation will end with the specific examples of recent machine learning applications in security.


演讲提纲

  1. Overview of some security problems at the emerging e-market, cloud and social network

  2. a. Transaction fraud and abuse

  3. b. Cloud security

  4. c. Integrity

  5. Machine learning platform and structure

  6. a. Offline build, online deployment, feedback loop

  7. b. Data and feature engineering

  8. c. Horizontal v.s. Vertical model structure

  9. d. Traditional classification v.s. deep learning.

  10. Challenges and lessons learnt

  11. a. Imbalanced data

  12. b. Dealing with ambiguity: semi-label and no-label

  13. c. Cold start problem

  14. Application #1: Machine Learning in transaction risk management

  15. Application #2: Machine Learning in cloud security


听众受益

With the talker’s numerous years of experience in the high-profile companies and dealing with the real-time solution for large world-wide data, the audience will learn from his experience (both success and lessons from failure) and perspective.


Audience will learn:


  1. An overview of machine learning platform and structure, especially in security solution.

  2. Through the two applications, audience will gain a valuable perspective from how advanced technology dealing with large scale data are used in the real-time system.


参考翻译:


随着电子商务如 Taobao, Amazon 的崛起,云计算如 AliCloud, AWS, Azure 的爆发,以及社交网络如 WeChat, Facebook 的大面积普及化,使得商业业务创新和开展越来越容易,轻而易举使用大规模资源和服务,全球化信息互动和共享已经可以同步,总的来说世界正在变得越来越小。但是,信息安全和商业诚信问题却不断增加,面对每天超过 PB 级的不平衡和模糊大数据,实时机器学习和解决方案面临着巨大的挑战。这样的要求在各个领域越来越多,促发了许多突破性的研究成果和应用。


演讲过程中会快速浏览一些安全问题,然后讲述一下机器学习平台,重点讲解能够处理当下棘手问题的相关先进技术和解决方案,以及一些真实的应用效果。最后会分享几个最近机器学习在安全应用上的特别案例。


演讲提纲

  1. 总览几个电商、云计算和社交网络出现的安全问题

  2. a. 交易欺诈和滥用

  3. b. 云计算安全

  4. c. 广告及其他商业诚信

  5. 机器学习平台和架构

  6. a. 离线构建,在线部署,反馈机制

  7. b. 数据和特征工程

  8. c. 平行 v.s 垂直模型结构

  9. d. 传统分类 v.s 深度学习

  10. 挑战和切身教训

  11. a. 非平衡数据

  12. b. 处理模糊性:半标签和无标签

  13. c. 冷启动问题

  14. 应用 1: 机器学习在交易风险管理方面的实践

  15. 应用 2: 机器学习在云安全方面的实践


听众受益

讲师希望分享他十余年在 IT 界高端的几个公司里的宝贵经验。这些经验来自于对实时海量数据的机器学习及解决方案,成功和经验。


  1. 整体了解机器学习平台和构架,尤其是在安全诚信领域中。

  2. 通过分享的这两个应用,参会者能够进一步学习实时系统是如何使用先进的机器学习处理大规模数据。


讲师介绍


徐斌


Facebook Software Engineer Manager


Bin Xu is an Software Engineer Manager at Facebook. He leads the Machine Learning team and Infra team in Business Integrity. His teams ensure the trustworthiness of connections between people and businesses; such as Ads, Marketplace, Groups, Pages, etc. Prior to his current position, he was a Principle Machine Learning Engineer Manager at Microsoft, led a team to develop cloud security solutions, and implemented anomaly detection to protect customer identity, data and applications. Before joining Microsoft, he was with Amazon for 10 years, leading the Applied Scientist teams on transaction risk management.


Bin received his Ph.D. in Statistics, M.S. in Computer Science from State University of New York at Stony Brook; and his M.S. and B.Sc. in Computer Science from Wuhan University.


参考翻译:徐斌目前在 Facebook 带领 Business Integrity 的机器学习团队和机器平台架构团队,主要任务是确保 Facebook 的用户和 Facebook 上所有商业业务之间的诚信沟通。这些商业业务存在于广告、市场、社团/群组、粉丝专页等等。在进入 Facebook 前,徐斌在 Microsoft 担任首席机器学习工程经理,带领技术团队开发云安全解决方案,实现对异常现象的检测,并保护客户在云中的身份、数据和应用的安全。更早前,徐斌在 Amazon 工作 10 年,率领多个应用科学家团队处理交易风险管理工作。


徐斌在美国纽约州立大学石溪分校获得计算机科学硕士学位和统计学博士学位,在武汉大学获得计算机的本科和硕士学位。












完整演讲 PPT 下载链接


https://archsummit.infoq.cn/2018/shenzhen/schedule


2019 年 9 月 14 日 17:21428

评论

发布
暂无评论
发现更多内容

【在云端 003】 星星之火,可以燎原——云时代的IoT

Bora.Don

云计算 IoT AIOT

synchronized实现原理及代码证明各种锁

Darren

源码 synchronized 轻量级锁 偏向锁 Monitor

第13周作业

刘卓

week13 小结

Geek_196d0f

大数据思考

朱月俊

开始编译第一个typescript实例

程序员学院

Java typescript 大前端

PHP配置管理-yaconf

Dnnn

php

关于第四次财富狂潮的思考,区块链如猛虎出笼?

CECBC

比特币 区块链 数字货币

oeasy 教您玩转linux 之 010209 装酷利器 hollywood

o

PageRank

GalaxyCreater

第13周学习总结

刘卓

ZIP 也能边下载边解压?优酷流式解压技术揭秘

阿里文娱技术团队

ZIP

Week13 总结

leis

达达双云双活实践

达达集团运维团队

容器 微服务 openresty 多云架构 双活容灾

windows10 CUDA环境搭建

yuanhang

tensorfl

从零开始搭建完整的电影全栈系统(三)——restfulApi的编写

刘强西

RESTful 电影api

PHP Db类强制读主库(master)的设计

Dnnn

php MySQL

架构师训练营-week13-学习总结

晓-Michelle

极客大学架构师训练营

Spring 5 中文解析核心篇-集成测试之TestContext(中)

青年IT男

Spring5 JUnit

Google 搜索引擎之PageRank 算法

莫莫大人

极客大学架构师训练营

Go语言 sync.Mutex 源码分析

Dnnn

Go 语言

架构师训练营——第13周作业

jiangnanage

java安全编码指南之:Number操作

程序那些事

java安全编码 java安全 安全编码规范

云栖大会边缘计算分论坛倒计时7天,这2点值得期待

阿里云Edge Plus

边缘计算

第13周数据分析

陆不得

week13 作业

Geek_196d0f

大数据应用场景

朱月俊

公有云常用数据分析指标

leis

架构师训练营——第13周学习总结

jiangnanage

MySQL中修改数据表存储引擎的三种方法

Matrix Chan

MySQL 运维 数据表引擎

Docker Compose 搭建 Redis Cluster 集群环境

哈喽沃德先生

redis Docker Docker-compose redis集群 redis cluster

机器学习技术在安全性和完整性方面的探索_ArchSummit_徐斌_InfoQ精选文章