三个Kaggle Grandmaster，支付宝安全为何这么多数据大牛？

就现在！蚂蚁「校招季」重磅来袭！除了介绍蚂蚁的技术大咖，我们还邀请了一些通过校招来到蚂蚁的过来人分享他们的通关经验和心得，这里随时可能有行业技术大咖和你的直系学长学姐出没哦～ 「校招季」栏目会持续输出有关“蚂蚁校招”的丰富内容，敬请期待！

在前段时间的2020支付宝合作伙伴大会上，已有12亿用户的支付宝宣布转型数字生活开放平台。海量用户，还要对外开放，在这背后，需要极强的安全风控能力。但一般人不知道的是，如此重大艰巨的任务背后，也有着历届应届生的功劳。

应届生如何参与支付宝安全风控的核心研发？我们找到了支付宝安全部门的资深技术专家王维强，请他给我们做一下介绍。

支付宝安全团队的数据大牛们

随着时代发展，业务安全风控逐渐走入人工智能时代，支付宝安全团队就招募了几位Kaggle Grandmaster。

Kaggle是安东尼·高德布卢姆（Anthony Goldbloom）2010年在墨尔本创立的，主要为开发商和数据科学家提供举办机器学习竞赛、托管数据库、编写和分享代码的平台。该平台已经吸引了超过100万名数据科学家的关注，可以说是数据科学行业最大的交流平台。

Kaggle Grandmaster是在Kaggle Competitions平台上举办的比赛中，连续取得非常优异的成绩才会获得的头衔，可以说是数据科学方面万里挑一的顶级高手。目前，Kaggle只有180位Grandmaster。

支付宝安全团队近几年陆续招募了三位Kaggle Grandmaster，他们的强项各不一样，有的擅长对结构化数据进行特征挖掘，有的对图像检测识别非常精通，还有的对NLP、深度文本挖掘方面很有研究。

崔世文就是其中的一位，在2019年，他和蚂蚁的其它几个小伙伴们组队，利用业余时间在KDD Cup 2019 Regular ML Track全球竞赛中获得冠军，这项比赛被誉为数据挖掘界的奥林匹克。

除此之外，团队在过去两年的蚂蚁金服数据挖掘内部赛中连续获得冠军。也更是在专业赛道比如CCL 2019中国法研杯比赛，获得了总分第一。

说起如何找到这些高手，王维强直言是机缘巧合。原来团队里有同学在Kaggle平台上参加比赛交流，通过选手之间的交流知道了圈内的牛人，而支付宝安全团队也刚好需要这个领域的高手加入，于是伸出了橄榄枝。

对于这些数据大牛来说，选择是双向的，他们并不缺乏工作机会，但很多人希望能够有一个较好的平台能够一展所长，或者身边有牛人可以互相交流学习。

支付宝安全团队的业务非常有挑战性，团队拥有数据科学领域各个方面的人才，横向学习的氛围很浓。也正是这些原因，让这些大牛心甘情愿的加入团队。其中还有一位同学拒掉了外部的高薪offer来到蚂蚁，因为短期利益不如长期价值。

另外，他们也认可支付宝安全团队所做的事情，认可支付宝对于用户和社会的价值，认同支付宝做事情简单的价值观，跟一群有情有义的人去做一些有意义的事情。

做安全为何要这么多数据人才

支付宝安全团队需要保护12亿用户的账户和资金安全，责任重大，那么他们具体需要做哪些事情呢？

业务上来讲，安全团队需要负责建设和维护支付宝账号体系、资金交易、商家服务的一整套业务安全防控机制。比如用户的账号是不是被盗了，某笔交易是不是被诈骗了，交易是否用于违规违禁用途如赌博等，还有如商家行为违反监管规定等，这些都会对支付宝的用户和资金造成风险，这些风险的管控就是大安全所做的事情。

在与黑产和羊毛党对抗的过程中，双方的技术都在不断升级，业务安全风控也必须应用最新的技术。随着机器学习开始在数据科学领域大放异彩，做安全的同学也开始利用人工智能来保护业务安全。

具体的手段包括，通过机器学习的算法和模型、与安全策略一起，通过数据挖掘来做风险识别和风险管控，另外也会会涉及到决策优化。

这里面的技术包括数据挖掘、机器学习、决策优化等等。机器学习很广泛，像里边的集成树模型，深度学习中的深度文本挖掘，图像识别，运筹优化，强化学习，对抗机器学习等，在支付宝的安全风控中都会使用到。

至于未来安全风控领域未来的技术趋势，王维强目前比较关注这些方向：模型可解释性，知识推理、图计算、决策优化等。首先模型可解释性，机器学习算法在业务安全落地对可解释性要求是非常高的，完全黑盒的模型可能造成不可预料的后果，这在业务安全上不可接受；其次是知识推理，前些年的机器学习通过学习做判断或预测，但推理比较少，从学习到推理是人工智能下一步的方向；然后是图计算，过去在解决业务问题时，对关系的描述还是靠人工经验，做安全需要对关系进行精细化刻画，因为需要在上亿的用户里和极少数黑产进行对抗；最后则是决策优化，这说的是更好的平衡用户的风险和安全感体验，避免只强调安全而破坏用户的体验，而这里面要做到一个什么样的程度，就是决策优化需要做的事情，对一个决策来说需要从很多角度去平衡。

总体上来讲，业务安全风控的未来将会更智能化。一方面在基础技术上，人工智能需要从学习到推理，再发展到强人工智能，才能应对更多更复杂的场景；另一方面，在安全风控场景中，我们需要更精准的去描绘更复杂的关系，从而更好的调整和应对，而这离不开AI的助力。

安全团队需要什么样的应届生

除了上面那些竞赛大牛外，还有不少校招应届生在支付宝安全团队大展拳脚。

比如，算法工程师王宝坤就是校招进来的，他来自复旦大学，2018年硕士毕业后加入团队。他负责的是图计算、图表征等比较前沿的方向，因为在大学的实验室里也是做这个方向，所以积累很深，加入团队后很快的理解业务，主动提议用图计算做团伙挖掘的场景，并取得了很好的成果。

王维强介绍说，他们希望招募到研究型+业务型的综合性人才。一方面，希望新人在机器学习和大数据分析等方面有比较深入的技术积累，对技术吃的比较透，因为团队做的是没人做过的事情，在业界也属于前沿，所以没有参考，不能套用别人的方案，别人的算法也不能拿来就用，必须要根据业务做相应的创新，而这只有对技术十分了解才能做到。

另一方面，因为安全团队是业务部门里的技术团队，市场形势复杂多变，业务也随之而快速变化，只有非常快的消化技术并理解业务，才能找到风险类型的算法落地的方案，然后把这些新的技术落地到业务里，才能拿到结果。

因此，在校生如果今后想从事业务安全风控行业的话，建议深钻技术，在掌握学校里的技术基础课程的同时，也可以去了解当前大数据和机器学习的主流和前沿技术。在实习或者做项目时，要多问几个为什么，一方面通过了解项目背景从而更好的理解业务，另一方面了解所使用的技术背后的原理，而不是知其然而不知所以然。

现在，支付宝安全团队正在招募应届生人才，欢迎投递简历。

欢迎加入支付宝安全团队

团队介绍

蚂蚁金服大安全的机器智能团队由蚂蚁金服首席AI科学家、阿里达摩院智能金融负责人漆远博士带队，核心团队成员来自海内外知名高校毕业生和一流企业。为了更好地服务全世界十亿多用户和亿级全球商户，迎接背后的安全风险挑战，我们急需高素质的AI人才。在这里你将直接参与支付宝核心项目，解决世界级技术难题，在一流的平台上快速成长。我们既基于成熟的风控算法技术解决实际业务问题，也积极探索和拓展前沿的机器学习算法，从深度图算法到多任务学习，从增强学习到时序点过程，从保护数据隐私的机器学习到知识图谱，用创新来解决现在和未来的安全风险问题。

如果您热爱AI，喜欢解决有挑战的实际安全风险问题，欢迎申请蚂蚁金服大安全-机器智能部。

岗位介绍

岗位名称：算法实习生

工作地点：杭州、上海

岗位描述

1. 基于蚂蚁金服复杂数据，使用机器学习技术识别打击系统、赌博、洗钱、欺诈、盗用、非法集资、违规违禁等金融场景中的风险，检测舆情和相关风险，使用智能风控技术服务广大商家、企业和用户，同时提供智能合规服务；

2. 基于用户海量的文本、图像、音视频和用户行为等数据，进行语义建模，识别内容风险；

3. 研发对抗学习、博弈论、多智能体、强化学习、动态图算法、深度点过程、知识图谱、隐私保护的机器学习等人工智能技术在安全风控的应用和落地，结合系统和金融安全及区块链技术，打造智能风控引擎的业界标杆。

岗位要求

1. 2020.11-2021.10毕业的本科/硕士/博士学生，国内211/985和海外知名高校的学生优先，机器学习、计算机视觉、NLP、数学、统计学、安全等相关专业优先；

2. 熟悉Python/C++/Java等编程语言；有基于Tensorflow/PyTorch等机器学习框架的开发经验；有大数据处理经验，熟悉Hadoop或者Spark等分布式处理平台；熟悉主流机器学习/深度学习相关算法和原理，包括NLP/图神经网络/图像处理/搜索推荐广告等领域；

3. 有良好的学习和沟通表达能力，有强烈的好奇心和责任感，有钻研精神；

4. 在顶级会议例如NIPS、ICML、ICLR、CCS、ACL、CVPR或期刊上发表过论文者优先；参加知名大赛获奖或者名次领先者优先；有在国内外知名公司实习工作经验者优先。

简历投递

[e-mail]

蚂蚁金服“共战‘疫情’，技术破局”数字课堂线火热直播中

4月9日，中国信息通信研究院副总工程师、中国人工智能产业发展联盟副秘书长王爱华和蚂蚁金服高级标准化工程师朴昕阳将带来主题分享《共享智能的标准解读与技术实践》，围绕本次AIIA共享智能联盟标准发布，为大家详细介绍标准化的基本分类与价值，解读共享智能标准以及共享智能技术的落地实践案例，帮助用户明悉如何通过标准助力产业发展。扫描二维码即可观看直播！