写点什么

机器学习技术在安全性和完整性方面的探索

  • 2019-09-14
  • 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


2019-09-14 17:21516

评论

发布
暂无评论
发现更多内容

十大经典排序算法总结

淡蓝色

Java 算法 计算机基础 排序

高仿瑞幸小程序 09 云数据库初体验

曾伟@喵先森

小程序 微信小程序 大前端 移动

JVM源码分析之Object.wait/notify实现

猿灯塔

JVM

Binlog2sql恢复误删除的数据

一个有志气的DB

MySQL 安全 数据

阿里巴巴泰山版《Java 开发者手册》,也是一份防坑指南

古时的风筝

Java规范 Java开发手册

“四个维度” 讲明白什么是微服务!

周果

微服务 单体系统 架构设计 团队组织 康威定律

Azure App 部署Django 和 PostgrSQL

yann [扬] :曹同学

Python azure

谈谈控制感(4):损失的后果很严重

史方远

职场 心理 成长

LeetCode 781. Rabbits in Forest

liu_liu

LeetCode

记一次MHA切换故障踩的坑

一个有志气的DB

MySQL 高可用 复制 主从同步 故障分析

看完这篇,你也是字符编码大神(ASCII、Unicode、UTF-8、UTF-16、UTF-32)

Meandni

Java 面试 Unicode utf-8 utf-16

测试开发专题:spring-boot自定义返回参数校验错误信息

王德发

Spring Boot 测试

香港科技大学与OSL海科签订无毒海洋防污技术独家授权协议

极客编

《零基础学 Java》 FAQ 之 5-如何在IntelliJ IDEA里配置JDK

臧萌

Java jdk intellij

初次见面

KAMI

如何在 Mac 上优雅的截图和录屏

Winann

macos 效率 效率工具 Mac

战略懒惰有多可怕

Neco.W

创业 重新理解创业 初创公司

《零基础学 Java》 FAQ 之 6-Java里Bean这个名字怎么来的

臧萌

Java spring

LeetCode 513. Find Bottom Left Tree Value

liu_liu

LeetCode

谈谈双亲委派模型的第四次破坏-模块化

寻筝

Java JVM

原创 | 使用JUnit、AssertJ和Mockito编写单元测试和实践TDD (八)好单元测试的特质

编程道与术

Java 编程 软件测试 TDD 单元测试

当你不被尊重的时候,才会想起去尊重别人

小天同学

人生 个人成长 感悟

程序员小白的个人思考

程序员小岑

程序员 职场 思考 感悟

Leetcode 556. Next Greater Element III

隔壁小王

算法

MySQL安全-审计

一个有志气的DB

安全 MySQ

我画了35张图就是为了让你深入 AQS

一枝花算不算浪漫

AQS jdk源码

游戏夜读 | Scikit-learn的2018自述

game1night

webpack入门系列之二——插件使用及热更新打包

子铭

Web

不要做软件开发团队中打破窗户的那个人

程序员小岑

程序员 思考 感悟 软件开发 团队

零基础如何学架构

兆熊

架构

识别代码中的坏味道(一)

Page

Java 面向对象 重构

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