金融领域的大模型应用面临严格的监管和低容错要求，涉及多个场景如客服、风控和量化交易等。与公有云模式不同，金融行业通常通过能力中心整合多个大模型来赋能垂直应用。通用大模型正在收缩，而垂域大模型因其对特定问题的高适配性，在金融等行业的实践中更具效率和优势。

随着人工智能技术不断突破，大模型在金融领域的应用日益深入，智慧金融成为学术界和业界共同关注的重要方向。本次研讨会围绕AI如何赋能金融研究与实践，大模型如何从不同角度剖析智能投顾的潜力与局限，为智慧金融的未来发展提供了有益思考。

数字金融产业正处在大模型时代的重要转折期，支撑金融强国建设成为行业的共同目标。通过构建多层防御增强的大模型安全体系、发展融合大模型与小模型的组合式AI技术、利用多模态人类反馈强化学习提升人机协作智能，以及搭建多场景金融大模型服务平台，能够为数字金融的数字化转型和全流程升级注入新动力。

风险防控一直是金融领域工作的核心议题。近年来，图机器学习技术在数字金融风控领域表现出了突出的潜力，并取得了显著的进展。本报告将对近年来图机器学习风控技术的发展进行简要回顾，并介绍基于大型模型智能体的图机器学习风控增强解决方案，以及其在真实数据上的验证效果。

报告围绕金融行业数据资源构建、金融牌照监管协作、金融数据要素流通等方面，通过“数金链网”实现金融数据要素价值化，构建流通市场的基座。首先，发展数据要素产业，在金融服务领域，从数据要素的供给，合规流通，数据安全保障等几方面搭建基座，才能实现数据要素的价值确认，将数据要素投入业务生产。其次，“数金链网”通过区块链网络技术实现数据要素供给，打造数据互通、互信、互认的体系。最后，在保障了数据要素供给，数据要素流通环境（或条件）、数据安全等前提下，才可实现数据要素的价值化，形成数据交易的商业模式，通过数据经纪商为全产业赋能。

围绕金融行业大语言模型提示注入攻击问题及安全防御机制进行深入研究，构建了包含8类输入侧提示注入攻击形式和5类大语言模型输出侧安全场景的金融领域大模型风险分类体系，结果表明，在金融领域应用该提示词防御框架，中文大模型的防御性能显著提升，有效减少了不当内容的生成，并增强了模型对提示注入攻击的抵抗力。为进一步研究中文大模型在金融领域的安全性提供了数据集、衡量指标及解决方案的参考与借鉴。

在世界各地，各种各样的异常事件频生。在电信领域，仅2021年短短一年时间就发生了超过5亿起电信诈骗案件，造成的经济损失达到了164亿美元；在金融领域，2018年仅信贷诈骗就造成了超过270亿美元的损失；本报告围绕下面四点展开：异常检测的场景介绍，图神经网络检测异常，对抗图攻击鲁棒模型，以及实际应用的案例介绍。