高盛、UBS 等頂級的銀行，已經開始使用一種機器學習技術支持的平臺來監控非法內幕交易的活動。這個平臺首次亮相是在 15 年前的 911 事故中，幫助美國政府打擊恐怖分子。
該公司叫做 Digital Reasoning，目前已經幫助“一半以上的華爾街公司發現內幕交易的潛在威脅。” 該公司的商務銷售副總裁 Kiran Narsu 表示。
Digital Reasoning 公司研發出的這種機器學習平臺，能夠建立一種語言學習模式，而不只是單純地識別關鍵字。它能比傳統的工具更加智能地識別出銀行的內幕交易及價格操縱行為，在知識圖譜的基礎上真正理解用戶的請求，不再拘泥于用戶所輸入請求語句的字面本身，而是透過現象看本質，準確地捕捉到用戶所輸入語句后面的真正意圖，并以此來進行搜索與挖掘，從而更準確地向用戶反饋結果。該智能平臺甚至被訓練成能夠識別出交易濫用、官商勾結、市場操控等現象。
“識別出這些非法交易者的語言并不容易。因為大部分傳統機構只是在通過搜索關鍵詞的作法來查找，然而語言是有多種含義的。比如我說想知道一部奧斯卡電影里都有哪些場景用到了‘fix’這個詞。它可能出現在你在‘修’東西的時候，也有可能是你在為朋友‘定’一杯咖啡。”
“我們的軟件能夠減少 70% 的虛假情報。”Narsu 稱，“通過機器學習技術，我們能判斷出人們的言外之意。舉個例子，人們想表達一種吹牛的狀態時，并不一定要說‘我在吹牛’或者其他特定的詞，它可以是一堆信息，然后我們的機器可以從中讀出這個意思。”
這種大數據分析工具和技術，結合文本挖掘、機器學習以及本體建模，已成為安全威脅預測、檢測和早期階段預防的第一道防線。數據分析和改進協作能減低情報調查過程的繁瑣程度，以便機構更輕易地檢測到潛在的安全威脅。
事實上，Digital Reasoning 的首次亮相是在 911 事件中。當時，該公司正在幫助政府抓捕網絡上的恐怖分子。這些網絡上的信息幾乎都是用一些代碼來掩蓋其真正意義，因此迫使 Digital Reasoning 要運用更加智能的語言。
然而，在后金融危機時代，銀行也漸漸看到了機器學習的監測能力。在守法成本較高的金融市場，監管的負擔也日益加大。運用機器學習技術對銀行進行監管，也意味著將來我們的監管體系將更加智能化，而不再只是單純的砸錢方式。
近日，Digital Reasoning 公司還與美國納斯達克（Nasdaq ）進行了合作，協助其建設監測資本市場的工具。Nasdaq 在今年5月份對其投資了4000萬美元。
Narsu 表示，與金融服務公司的合作，已經成為 Digital Reasoning 業務收入中“最亮眼”的部分。
京公網安備 11010502049343號