回顧2022年大數(shù)據(jù)行業(yè)發(fā)展，令人感觸最深的是數(shù)字經(jīng)濟(jì)時代對“數(shù)據(jù)安全”和“數(shù)據(jù)智能”這一“盾”一“矛”都提出了更高的要求，促使隱私計算、小樣本學(xué)習(xí)等新興數(shù)字技術(shù)加速發(fā)展。

數(shù)據(jù)安全與隱私保護(hù)上升至國家立法高度，發(fā)展隱私計算恰逢其時

當(dāng)前，“數(shù)字中國”戰(zhàn)略正在深入推進(jìn)，數(shù)字經(jīng)濟(jì)已成為驅(qū)動中國經(jīng)濟(jì)發(fā)展的重要引擎。國家“十四五”規(guī)劃明確，加快建設(shè)數(shù)字經(jīng)濟(jì)、數(shù)字社會、數(shù)字政府，以數(shù)字化轉(zhuǎn)型整體驅(qū)動生產(chǎn)方式、生活方式和治理方式變革，打造我國數(shù)字經(jīng)濟(jì)新優(yōu)勢。隨著數(shù)據(jù)生產(chǎn)要素的重要性與價值的激增，在全球范圍以數(shù)據(jù)為攻擊和竊取對象的各種數(shù)據(jù)安全事件和個人信息侵犯事件多有發(fā)生，直接危害到國家安全、社會穩(wěn)定、經(jīng)濟(jì)發(fā)展以及個人權(quán)益。

數(shù)據(jù)安全是數(shù)字經(jīng)濟(jì)發(fā)展的基石，數(shù)據(jù)安全保障能力是國家競爭力的直接體現(xiàn)，也是促進(jìn)數(shù)字經(jīng)濟(jì)健康發(fā)展、提升治理能力的重要前提。我國的《數(shù)據(jù)安全法》《個人信息保護(hù)法》分別于2021年9月1日和11月1日正式施行，而2022年則是兩部法律施行的首個年度，也是各級立法、執(zhí)法部門，各行業(yè)監(jiān)管、標(biāo)準(zhǔn)制定部門發(fā)布或修訂配套法律法規(guī)、開展專項檢查行動、制定各種標(biāo)準(zhǔn)與指導(dǎo)意見較為密集的一年，如：《關(guān)鍵信息基礎(chǔ)設(shè)施安全保護(hù)條例》《網(wǎng)絡(luò)安全審查辦法》《網(wǎng)絡(luò)數(shù)據(jù)安全管理條例（征求意見稿）》《數(shù)據(jù)出境安全評估辦法》《個人信息出境標(biāo)準(zhǔn)合同規(guī)定（征求意見稿）》等。

在這一年中，各行業(yè)企業(yè)在數(shù)據(jù)安全與個人信息保護(hù)的合規(guī)投入重點，已經(jīng)開始逐步從制度規(guī)范體系建設(shè)向數(shù)字化、自動化技術(shù)工具的研發(fā)建設(shè)轉(zhuǎn)換，新興數(shù)字技術(shù)大量應(yīng)用于數(shù)據(jù)與個人信息保護(hù)過程中。這其中，隱私計算是一項“明星技術(shù)”，能夠?qū)?shù)據(jù)實現(xiàn)“可用不可見”的操作處理。圍繞數(shù)據(jù)安全和隱私保護(hù)這一主題，一個值得關(guān)注的問題是將“可用不可見”拆解為“可用性”“可見性”“可得性”，并聚焦“可見性”和“可得性”的各種組合情境，將隱私計算及相關(guān)一系列數(shù)字技術(shù)（包括敏感信息分類分級、自然語言處理、多方安全計算、聯(lián)邦學(xué)習(xí)、可信執(zhí)行環(huán)境、數(shù)據(jù)虛擬化等技術(shù)）進(jìn)行細(xì)化梳理。面向不同情境，相應(yīng)的數(shù)字技術(shù)梳理如下：

1、數(shù)據(jù)可見&數(shù)據(jù)可得：該情境下需要運用敏感信息分類分級相關(guān)技術(shù)。對數(shù)據(jù)提供必要安全保護(hù)的前提與基礎(chǔ)是在數(shù)據(jù)識別與分類分級基礎(chǔ)上，對數(shù)據(jù)打上安全屬性標(biāo)簽，針對數(shù)據(jù)處理場景、訪問者身份、傳輸渠道等，部署合理、恰當(dāng)?shù)募用?、脫敏、防泄露等保護(hù)手段。針對數(shù)據(jù)分類分級這一難點問題，一方面國家法規(guī)及行業(yè)標(biāo)準(zhǔn)中制定了分類分級策略和標(biāo)準(zhǔn)等指引，另一方面企業(yè)、組織在落地實施中結(jié)合技術(shù)手段和支撐工具進(jìn)行數(shù)據(jù)分類分級管理，從而切實落地數(shù)據(jù)分類分級的管理和保護(hù)義務(wù)。

這里值得進(jìn)一步關(guān)注的技術(shù)包括：面向結(jié)構(gòu)性數(shù)據(jù)開展分類分級和標(biāo)簽管理往往是在企業(yè)數(shù)據(jù)資產(chǎn)管理平臺上開展的；為解決數(shù)據(jù)標(biāo)注時“有多少數(shù)據(jù)就要有多少人工”的問題，機(jī)器學(xué)習(xí)中的半監(jiān)督學(xué)習(xí)、自監(jiān)督學(xué)習(xí)等技術(shù)能夠發(fā)揮較好效用；除結(jié)構(gòu)性數(shù)據(jù)外，非結(jié)構(gòu)性、半結(jié)構(gòu)性數(shù)據(jù)也應(yīng)運用自然語言處理、知識圖譜等相關(guān)技術(shù)，開展敏感信息分類分級以及自動化標(biāo)注和基于有監(jiān)督學(xué)習(xí)的智能識別工作。此外，有研究表明量子計算對機(jī)器學(xué)習(xí)、自然語言處理等智能技術(shù)有效能促進(jìn)的作用。

2、數(shù)據(jù)不可見&數(shù)據(jù)可得：該情境下需要使用數(shù)據(jù)去標(biāo)識化、多方安全計算等相關(guān)技術(shù)。數(shù)據(jù)去標(biāo)識化是個人信息保護(hù)中最常用的技術(shù)之一，指個人信息經(jīng)過處理，使其在不借助額外信息的情況下無法識別特定自然人的過程。《個人信息保護(hù)法》第五十一條就提出個人信息處理者應(yīng)采取加密、去標(biāo)識化等安全技術(shù)措施保護(hù)個人信息。常用的數(shù)據(jù)去標(biāo)識化技術(shù)包括統(tǒng)計技術(shù)、抑制技術(shù)、假名化技術(shù)、泛化技術(shù)、差分隱私算法、密文學(xué)習(xí)技術(shù)等。數(shù)據(jù)去標(biāo)識化技術(shù)是一定條件下的匿名化技術(shù)，使個人數(shù)據(jù)在不被識別和泄露的前提下，可以用于數(shù)據(jù)傳輸、數(shù)據(jù)分析、數(shù)據(jù)挖掘等任務(wù)，為海量個人數(shù)據(jù)的巨大價值發(fā)揮提供了合規(guī)的途徑。

多方安全計算是近年來國內(nèi)外廣泛關(guān)注的一類隱私計算技術(shù)，主要運用密碼學(xué)的一些重要技術(shù)成果，可在不泄漏原始明文數(shù)據(jù)的前提下，實現(xiàn)數(shù)據(jù)應(yīng)用價值，解決數(shù)據(jù)流通共享中的安全保密問題。多方安全計算涵蓋同態(tài)加密、秘密共享、不經(jīng)意傳輸、混淆電路、零知識證明等多種技術(shù)。其中，同態(tài)加密技術(shù)能夠?qū)υ济魑臄?shù)據(jù)進(jìn)行加密處理后，再對密文數(shù)據(jù)開展四則運算，而后將密文數(shù)據(jù)下得到的計算結(jié)果進(jìn)行解密，從而獲得與明文數(shù)據(jù)直接開展四則運算相一致的計算結(jié)果；而秘密共享技術(shù)也可以基于數(shù)學(xué)邏輯對明文數(shù)據(jù)進(jìn)行混淆處理，而后開展多方數(shù)據(jù)交換，從而實現(xiàn)多方數(shù)據(jù)匯總計算等應(yīng)用效果。多方安全計算支持在無可信第三方的條件下，保障各參與方數(shù)據(jù)輸入的隱私性和計算結(jié)果的準(zhǔn)確性。

這里值得進(jìn)一步關(guān)注的是隨著近年來量子計算領(lǐng)域快速發(fā)展，以RSA為代表的非對稱加密算法面臨被破解的風(fēng)險，而RSA同時也是一種同態(tài)加密算法，為此后量子密碼學(xué)特別是建立在格密碼體制基礎(chǔ)上的抗量子密碼方案，有望使同態(tài)加密技術(shù)在量子科技時代仍具有重要應(yīng)用價值；另外，平行于后量子密碼學(xué)，量子保密通信技術(shù)也十分值得關(guān)注；此外，有研究表明量子秘密共享方案能夠為量子態(tài)秘密的安全提供有效的路徑。

3、數(shù)據(jù)不可見&數(shù)據(jù)不可得：該情境下的代表技術(shù)是聯(lián)邦學(xué)習(xí)。與同態(tài)加密和秘密共享主要用以開展多方數(shù)據(jù)匯總計算的任務(wù)目標(biāo)不同，聯(lián)邦學(xué)習(xí)旨在協(xié)同多方共建機(jī)器學(xué)習(xí)模型，實現(xiàn)智能預(yù)測識別應(yīng)用。該項技術(shù)是一種多方協(xié)同訓(xùn)練機(jī)器學(xué)習(xí)模型的新范式，最初的聯(lián)邦學(xué)習(xí)框架是在機(jī)器學(xué)習(xí)本身技術(shù)層面思考信息流的傳遞，保護(hù)原始數(shù)據(jù)不出庫。隨著聯(lián)邦學(xué)習(xí)的技術(shù)發(fā)展，對聯(lián)邦學(xué)習(xí)提出了增強(qiáng)安全的要求，不僅要求保護(hù)原始數(shù)據(jù)，同時要求對中間交互的參數(shù)也進(jìn)一步保護(hù)，以此提高系統(tǒng)安全性?；诼?lián)邦學(xué)習(xí)開展智能建模時，各參與方基于自己的本地數(shù)據(jù)訓(xùn)練本地模型，再通過參數(shù)交換和聚合操作，得到全局模型；在該過程中，用戶數(shù)據(jù)始終存儲在本地，不對外發(fā)送，極大程度解決了一些組織機(jī)構(gòu)的數(shù)據(jù)安全顧慮，實現(xiàn)了數(shù)據(jù)“可用不可見不可得”，在保障隱私、安全和監(jiān)管的要求下，讓AI系統(tǒng)更加高效、準(zhǔn)確地使用數(shù)據(jù)，并打破“數(shù)據(jù)壁壘”、連接“數(shù)據(jù)孤島”。

這里值得進(jìn)一步關(guān)注的是聯(lián)邦學(xué)習(xí)實際上解決了一方數(shù)據(jù)存在數(shù)據(jù)樣本、數(shù)據(jù)特征或數(shù)據(jù)標(biāo)注信息受到制約的條件約束下仍實現(xiàn)機(jī)器學(xué)習(xí)模型的可用性，因此其他有助于解決諸如小樣本學(xué)習(xí)問題的新興技術(shù)思想也都值得關(guān)注；此外，基于量子計算的聯(lián)邦學(xué)習(xí)技術(shù)也是非常值得關(guān)注的新興技術(shù)方向。

4、數(shù)據(jù)適度可見&數(shù)據(jù)不可得：該情境下較為適用的技術(shù)方法有可信執(zhí)行環(huán)境、數(shù)據(jù)虛擬化等。通過硬件增強(qiáng)型安全技術(shù)的支持，在特定的硬件環(huán)境中建立一個可信執(zhí)行環(huán)境，有效地防止外界觸達(dá)和攻擊敏感的數(shù)據(jù)與應(yīng)用，這也是建立起安全可信以及多源數(shù)據(jù)協(xié)同的可行手段之一。可信執(zhí)行環(huán)境技術(shù)考慮在不同數(shù)據(jù)源創(chuàng)建可信區(qū)域來用于數(shù)據(jù)訪問，通過應(yīng)用程序隔離技術(shù)，保護(hù)使用中的數(shù)據(jù)，有助于進(jìn)一步強(qiáng)化數(shù)據(jù)安全，保證其機(jī)密性和完整性，并通過數(shù)據(jù)適度可見性進(jìn)一步拓展數(shù)據(jù)可用性。

面向數(shù)據(jù)“可用、適度可見、不可得”，數(shù)據(jù)虛擬化技術(shù)也是非常有效的解決方案之一，數(shù)據(jù)虛擬化可以在不考慮其物理存儲或異構(gòu)結(jié)構(gòu)的情況下訪問數(shù)據(jù)，通過數(shù)據(jù)視圖及權(quán)限控制“按需”提供數(shù)據(jù)、參與計算，同時，源數(shù)據(jù)依然留在原處，借助數(shù)據(jù)管控策略及用戶和權(quán)限管理，數(shù)據(jù)虛擬化實現(xiàn)了統(tǒng)一且安全的數(shù)據(jù)治理，保障數(shù)據(jù)“適度可見”，在數(shù)據(jù)可用的同時“不可得”。

這里值得進(jìn)一步關(guān)注的是當(dāng)前量子計算給傳統(tǒng)密碼學(xué)帶來新的挑戰(zhàn)，在可信執(zhí)行環(huán)境、數(shù)據(jù)虛擬化等技術(shù)底層的數(shù)據(jù)傳輸方面，應(yīng)考慮應(yīng)用后量子密碼學(xué)和量子保密通信等新興技術(shù)方法。

數(shù)字經(jīng)濟(jì)發(fā)展對數(shù)據(jù)智能升級提出了更高要求，小樣本學(xué)習(xí)熱度激增

當(dāng)前人類社會已經(jīng)從大數(shù)據(jù)時代步入人工智能時代，人們已經(jīng)不能滿足于僅對數(shù)據(jù)進(jìn)行簡單加工處理形成信息的常規(guī)應(yīng)用，基于大數(shù)據(jù)的人工智能發(fā)展如火如荼；但同時也不得不思考這樣一個問題 -- 是否只有大數(shù)據(jù)才能驅(qū)動人工智能，若沒有足夠量的數(shù)據(jù)樣本就意味著無法實現(xiàn)人工智能了嗎？顯然，無論數(shù)據(jù)樣本量如何都不會影響人們追求和獲得人工智能能力的決心，因此小樣本學(xué)習(xí)新興技術(shù)應(yīng)運而生。

小樣本學(xué)習(xí)不僅在學(xué)界被認(rèn)為是從現(xiàn)有的數(shù)據(jù)智能邁向更強(qiáng)人工智能的重要一步，同時在業(yè)界應(yīng)用方面也頗具現(xiàn)實意義和重要實用價值。產(chǎn)業(yè)數(shù)字化是數(shù)字經(jīng)濟(jì)發(fā)展的重要方向之一，而產(chǎn)業(yè)數(shù)字金融則是產(chǎn)業(yè)數(shù)字化、數(shù)字經(jīng)濟(jì)規(guī)?；l(fā)展的加速器。產(chǎn)業(yè)數(shù)字金融風(fēng)控所面對的數(shù)據(jù)要素情況不同于消費數(shù)字金融和普惠數(shù)字金融那樣的大規(guī)模樣本量，特別是對公業(yè)務(wù)區(qū)域化、生態(tài)化、場景化細(xì)分后，數(shù)據(jù)樣本量很小，加之有些新行業(yè)新業(yè)務(wù)尚在“冷啟動”階段，尚未有效積累業(yè)務(wù)數(shù)據(jù)樣本，因此在數(shù)據(jù)要素方面很難滿足風(fēng)控建模的需要。這時，小樣本學(xué)習(xí)技術(shù)就派上用場了。

從目前發(fā)展來看，當(dāng)樣本量充足時，存在于數(shù)據(jù)中的規(guī)律更容易被歸納出來，并且在測試數(shù)據(jù)上可以得到具有更小泛化誤差的知識模型。然而，在數(shù)據(jù)樣本量很小且“正例”樣本量極小的苛刻條件下如何實現(xiàn)數(shù)據(jù)挖掘與機(jī)器學(xué)習(xí)，這是值得關(guān)注的。借鑒精益六西格瑪“人-機(jī)-料-法-環(huán)-測”方法論框架，小樣本學(xué)習(xí)的多種技術(shù)方法可以被梳理如下：

1、基于人類專家經(jīng)驗的小樣本學(xué)習(xí)是指依托業(yè)務(wù)專家經(jīng)驗形成規(guī)則來構(gòu)建模型，常見的技術(shù)方法包括規(guī)則模型、評分卡模型、層次分析法模型、社交網(wǎng)絡(luò)與知識圖譜模型等。

2、基于數(shù)據(jù)資料增強(qiáng)的小樣本學(xué)習(xí)通過增加數(shù)據(jù)量將樣本擴(kuò)充為大樣本來實現(xiàn)機(jī)器學(xué)習(xí)建模，常見的技術(shù)方法有兩類，一類就是前面提到的在“數(shù)據(jù)可用不可見”思想下，利用聯(lián)邦學(xué)習(xí)技術(shù)來實現(xiàn)多方共建模型；另一類是基于數(shù)據(jù)本身，通過樣本增強(qiáng)的方法，如采用SMOTE、GAN等技術(shù)方法來擴(kuò)充樣本量從而支持建模。這里值得進(jìn)一步關(guān)注的是SMOTE、GAN的量子版技術(shù)QSMOTE、QGAN當(dāng)前正在得到發(fā)展。

3、基于算法改進(jìn)的小樣本學(xué)習(xí)聚焦算法創(chuàng)新，選擇適當(dāng)?shù)那度敕椒▽?shù)據(jù)的原始特征嵌入到一個可分的空間，在新空間構(gòu)造特征后進(jìn)行建模，常見的技術(shù)方法包括支持向量機(jī)中的核函數(shù)法、分類關(guān)聯(lián)規(guī)則挖掘中的頻繁項集法和利用網(wǎng)絡(luò)進(jìn)行特征嵌入法等。這里值得進(jìn)一步關(guān)注的是支持向量機(jī)和關(guān)聯(lián)規(guī)則挖掘當(dāng)前也發(fā)展出了量子版算法QSVM、QARM等。

4、基于仿真環(huán)境的小樣本學(xué)習(xí)允許在極少樣本甚至零樣本的極端條件下，通過梳理業(yè)務(wù)傳導(dǎo)邏輯，構(gòu)建端到端的數(shù)字孿生仿真模擬環(huán)境，并通過強(qiáng)化學(xué)習(xí)技術(shù)實現(xiàn)模型構(gòu)建。這里值得進(jìn)一步關(guān)注的是某些強(qiáng)化學(xué)習(xí)任務(wù)可以通過量子近似優(yōu)化算法快速解決。

5、基于預(yù)測模型調(diào)整的小樣本學(xué)習(xí)從模型的角度入手，利用某類數(shù)據(jù)集學(xué)會一種學(xué)習(xí)的機(jī)制，然后將模型遷移到目標(biāo)小樣本數(shù)據(jù)集中，通過參數(shù)微調(diào)使得模型具有更強(qiáng)的泛化性，常見的技術(shù)方法包括遷移學(xué)習(xí)、元學(xué)習(xí)等。

6、基于計算機(jī)發(fā)展的小樣本學(xué)習(xí)基于量子科技發(fā)展，將經(jīng)典計算機(jī)升級為量子計算機(jī)，從而對小樣本數(shù)據(jù)集直接構(gòu)建量子算法模型，實證表明該類技術(shù)方法在解決小樣本學(xué)習(xí)問題上較傳統(tǒng)機(jī)器學(xué)習(xí)算法有著明顯的優(yōu)勢。這里值得進(jìn)一步關(guān)注的是該方案隨著量子科技的發(fā)展日益展現(xiàn)出蓬勃的生命力。

展望2023年大數(shù)據(jù)產(chǎn)業(yè)發(fā)展，隨著量子科技時代的全面開啟，量子科技將為AI大數(shù)據(jù)創(chuàng)新發(fā)展注入新動能。實際上，當(dāng)前量子科技發(fā)展的兩大方向“量子計算”和“量子通信”能夠使大數(shù)據(jù)領(lǐng)域的“數(shù)據(jù)智能”和“數(shù)據(jù)安全”變得更加“矛尖盾厚”。2022年10月4日，諾貝爾物理學(xué)獎不負(fù)眾望地頒給了量子信息領(lǐng)域，法國物理學(xué)家阿斯佩（Alain Aspect）、美國物理學(xué)家克勞澤（John F. Clauser）以及奧地利物理學(xué)家塞林格（Anton Zeilinger）憑借在量子信息科學(xué)方面取得的卓越成就獲獎，再次引發(fā)了全球范圍內(nèi)對量子科技的高度關(guān)注。

1、從數(shù)據(jù)應(yīng)用的全生命周期視角來看，無論是在數(shù)據(jù)的生成與采集階段，還是在數(shù)據(jù)的傳輸與存儲階段，亦或是數(shù)據(jù)的計算與應(yīng)用階段，量子科技都將為AI大數(shù)據(jù)發(fā)展提供新思路、新方案。

在數(shù)據(jù)生成與采集階段，以量子生成對抗網(wǎng)絡(luò)QGAN及QSMOTE算法為代表的一系列新算法，結(jié)合數(shù)字孿生和仿真模擬等方法論體系，有望從數(shù)據(jù)源頭上對小樣本數(shù)據(jù)集或不均衡數(shù)據(jù)集進(jìn)行有效補(bǔ)充和增強(qiáng)，進(jìn)一步擴(kuò)充數(shù)據(jù)之源。

在數(shù)據(jù)傳輸與存儲階段，以量子直接通信、量子密鑰分發(fā)技術(shù)為代表的量子通信方案已在金融領(lǐng)域應(yīng)用落地，量子通信可以為數(shù)據(jù)傳輸提供受物理學(xué)定律保護(hù)的高度信息安全方案，通過為數(shù)據(jù)資產(chǎn)打造“量子鏢局”，實現(xiàn)對關(guān)鍵信息傳輸與流通的“保駕護(hù)航”。在該階段后量子密碼學(xué)也大有用武之地。

在數(shù)據(jù)計算與應(yīng)用階段，量子機(jī)器學(xué)習(xí)類算法已經(jīng)在小樣本學(xué)習(xí)問題方面表現(xiàn)出良好效果，后續(xù)有望進(jìn)一步實現(xiàn)突破，為各行各業(yè)各類業(yè)務(wù)發(fā)展中需要運用數(shù)據(jù)挖掘與機(jī)器學(xué)習(xí)算法模型的方方面面提供有效的量子算法支撐；面向組合優(yōu)化類問題，以量子算法解決NP-hard問題已被證實表現(xiàn)出了良好的應(yīng)用潛能，后續(xù)有望進(jìn)一步擴(kuò)展應(yīng)用；此外，量子優(yōu)化類、量子仿真模擬類算法也已得到初步應(yīng)用，后續(xù)有望運用量子仿真模擬相關(guān)算法對基于蒙特卡洛等經(jīng)典模擬方法進(jìn)一步優(yōu)化升級，從而解決更加廣泛的數(shù)據(jù)計算與數(shù)據(jù)應(yīng)用問題。

2、從新技術(shù)組合創(chuàng)新的演進(jìn)視角來看，量子科技將為以AI大數(shù)據(jù)為中心的新技術(shù)組合式發(fā)展注入全新動能。

當(dāng)前科技大發(fā)展時代，云計算、區(qū)塊鏈、隱私計算、機(jī)器學(xué)習(xí)、自然語言處理、計算機(jī)視覺、多模態(tài)識別等新興技術(shù)層出不窮，而這些新興技術(shù)均與AI大數(shù)據(jù)領(lǐng)域發(fā)生交集。顯然，量子科技也會與這些技術(shù)領(lǐng)域發(fā)生交集，從而發(fā)展出量子云計算、量子區(qū)塊鏈、量子隱私計算、量子機(jī)器學(xué)習(xí)、量子自然語言處理、量子計算機(jī)視覺、量子多模態(tài)識別等全新方向。這些新方向也將進(jìn)一步賦能以AI大數(shù)據(jù)為中心的新技術(shù)組合式發(fā)展。

·關(guān)于王彥博：

王彥博，博士，副研究員，龍盈智達(dá)（北京）科技有限公司首席數(shù)據(jù)科學(xué)家、副總裁級；曾在英國曼徹斯特大學(xué)和劍橋大學(xué)任博士后副研究員及訪問學(xué)者；兼任國家開發(fā)銀行專家委專家資源庫專家、中關(guān)村大數(shù)據(jù)產(chǎn)業(yè)聯(lián)盟智庫專家、騰訊云TVP最具價值專家、紐約金融學(xué)院特聘專家、《財務(wù)管理研究》雜志編輯委員會委員、對外經(jīng)濟(jì)貿(mào)易大學(xué)金融科技研究中心副主任兼研究員、對外經(jīng)濟(jì)貿(mào)易大學(xué)統(tǒng)計學(xué)院研究生導(dǎo)師，并在北京師范大學(xué)、外交學(xué)院、英國南安普頓大學(xué)擔(dān)任校外導(dǎo)師。他是英國利物浦大學(xué)培養(yǎng)的首批數(shù)據(jù)挖掘?qū)I(yè)博士；是國內(nèi)首批EXIN數(shù)據(jù)保護(hù)官，DAMA中國“十大數(shù)據(jù)治理專家”；獲省部級科技獎勵一等獎1項、二等獎9項、三等獎2項；獲國家專利1項，軟件著作權(quán)30余項，參與研制金融行業(yè)標(biāo)準(zhǔn)3項；發(fā)表著作1部、譯著1部、著作章節(jié)4篇，參與編寫專業(yè)書刊和培訓(xùn)教材7本，發(fā)表學(xué)術(shù)文章100余篇；在國內(nèi)外頂級科技賽事上獲獎10余項；留學(xué)期間曾獲國家優(yōu)秀自費留學(xué)生獎學(xué)金等重要獎勵。

來源：數(shù)據(jù)猿