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CCL2019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：
支付宝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，欢迎申请支付宝大安全-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：xiaokai.xk@antfin.com
