金融科技課件(完整版)

1、金融科技Financial Technology項目一 云金融教學目標1.能夠分析云平臺與信息系統(tǒng)的資源層、平臺層、應用層、管理層以及用戶訪問層五個基本組成部分；2.能夠熟練分析云計算服務的三種基本模式SaaS模式、PaaS模式和IaaS模式；3.能夠闡述云計算帶來的金融變革，分析云計算未來發(fā)展的趨勢。知識目標1.掌握云計算的定義、特點，理解云計算的架構，三種服務的模式各自的特點；2.理解云計算平臺與信息系統(tǒng)基本結構組成；3.理解云計算的關鍵技術及其在金融領域的應用。能力目標云金融云計算的內涵一二三云計算在金融領域的運用云計算帶來的金融變革和發(fā)展趨勢任務一云計算的內涵一一、云計算技術概念二、云

2、計算的特點三、云計算服務的模式四、云平臺與信息系統(tǒng)基本結構五、云計算潛在的危險性一、云計算技術概念美國國家標準與技術研究院(National Institute Standards and Technology，NIST)將云計算定義為：云計算是一種按使用量付費的模式，提供可用的、便捷的、按需的網絡訪問，進入可配置的計算資源共享池(資源包括網絡、服務器、存儲、應用軟件、服務)，這些資源能夠被快速地提供，只需投入很少的管理工作，或與服務供應商進行很少的交互。二、云計算的特點（一）（二）（七）（六）（三）（四）（五）超大規(guī)模虛擬化極其廉價高可靠性按需服務通用性高可擴展性特點三、云計算服務的模式(一

3、)SaaS軟件即服務(二)PaaS平臺即服務 (三)IaaS架構即服務四、云平臺與信息系統(tǒng)基本結構（一）（二）（五）（三）（四）資源層平臺層應用層用戶訪問層管理層五、云計算潛在的危險性危險性云計算服務：計算服務、存儲服務云計算服務當前壟斷在私人機構(企業(yè))手中，僅提供商業(yè)信用，因此政府機構、商業(yè)機構應保持足夠的警惕。不可避免地會讓這些私人機構以“數據(信息)”的重要性挾制整個社會。任務一小結云計算的內涵包括五個方面云計算技術概念45321云計算潛在的危險性云計算的特點云平臺與信息系統(tǒng)基本結構云計算服務的模式做中學 1-1金融行業(yè)中的云計算5-6名同學一組完成任務：1、討論云計算服務的模式有哪些

4、，各自適用于哪些領域？2、各組選擇一個應用云計算的案例，分析其云金融的特點。金融科技Financial Technology項目一 云金融教學目標1.能夠分析云平臺與信息系統(tǒng)的資源層、平臺層、應用層、管理層以及用戶訪問層五個基本組成部分；2.能夠熟練分析云計算服務的三種基本模式SaaS模式、PaaS模式和IaaS模式；3.能夠闡述云計算帶來的金融變革，分析云計算未來發(fā)展的趨勢。知識目標1.掌握云計算的定義、特點，理解云計算的架構，三種服務的模式各自的特點；2.理解云計算平臺與信息系統(tǒng)基本結構組成；3.理解云計算的關鍵技術及其在金融領域的應用。能力目標云金融云計算的內涵一二三云計算在金融領域的運

5、用云計算帶來的金融變革和發(fā)展趨勢任務三云計算帶來的金融變革和發(fā)展趨勢三一、云計算帶來的金融變革二、云計算未來發(fā)展的趨勢一、云計算帶來的金融變革金融變革1423革新IT基礎建設，滿足彈性發(fā)展需求變革金融業(yè)務營銷模式，實現精準營銷促進新的行業(yè)秩序和規(guī)則形成，構建互聯網金融風控體系制定合理資源分配方案，降低安全風險二、云計算未來發(fā)展的趨勢云計算擴展投資價值混合云計算的出現云將實現自助分析以云為中心的設計移動云服務云分析將無處不在云將實現視頻分析云讓一切變得智能化云分析將改善城市生活云將實現工業(yè)物聯網云將實現安全的分析云支持創(chuàng)新的解決方案一二三四五六七八九十十一十二任務三小結云計算帶來的金融變革21云

6、計算未來發(fā)展的趨勢云計算帶來的金融變革和發(fā)展趨勢做中學 1-3金融行業(yè)中的云計算5-6名同學一組完成任務：1、搜集整理國外、國內云金融的相關生態(tài)系統(tǒng)論述，描述云金融發(fā)展現狀，并分析其未來發(fā)展趨勢？金融科技Financial Technology項目二 大數據金融教學目標知識目標1.掌握大數據的基本概念； 2.了解大數據技術的處理流程；3.掌握大數據在金融領域的應用； 4.了解大數據技術的應用趨勢。能力目標1.能夠利用大數據技術手段為客戶提供金融服務；2.理解大數據技術對金融業(yè)帶來的影響并積極予以運用。內容導航一大數據的基本概念二大數據的處理流程三大數據技術在金融領域的應用四大數據技術的發(fā)展趨勢

7、及應用前景大數據的基本概念一一、大數據的基本概念（一）（二）（三）大數據的定義大數據的分類 大數據的基本原理一、大數據的基本概念導入案例導讀【精品微課_二維碼：沃爾瑪“啤酒加尿布”的故事】一、大數據的基本概念（一）大數據的定義一、大數據的基本概念麥肯錫全球研究所對大數據的定義是：一種規(guī)模大到在獲取、存儲、管理、分析方面大大超出了傳統(tǒng)數據庫軟件工具能力范圍的數據集合。一、大數據的基本概念數據類型多樣（Variety）應用價值高（Value）數據處理速度快（Velocity）數據規(guī)模大（Volume）數據真實（Veracity）大數據的5V特征：一、大數據的基本概念（二）大數據的分類 一、大數據的

8、基本概念數據結構上分類處理方式上分類數據來源和行業(yè)來分類結構化數據半結構化數據無結構數據實時數據離線數據網絡數據社交媒體數據醫(yī)療數據農業(yè)數據身體健康數據設備監(jiān)測數據一、大數據的基本概念（三）大數據的基本原理一、大數據的基本概念物聯網云計算物聯網可看作大數據的采集端云計算可看作大數據的核心技術處理端一、大數據的基本概念物聯網物聯網產生海量數據，是大數據來源的基礎設施。日常生活中，大數據的來源主要集中在以下三方面：以微博、微信為代表的社交網絡；電子商務平臺；攝像頭收集的視頻和圖片等信息。一、大數據的基本概念云計算云計算為大數據的計算和分析提供了可行的方法。云計算的數據在云端，任何時間、任何設備，只

9、要登陸后就可以享受計算服務。通過云計算對數據進行處理后，數據可成為一種基礎的公共物品，被人所用。一、大數據的基本概念做中學 2-1生活中的大數據5-6名同學一組，各組選擇一個行業(yè)，收集該行業(yè)大數據應用的典型案例1個，并進行分析，寫出案例分析報告。思考：大數據的應用是否可能誤導決策？如果要保證數據分析的準確性，防止被誤導，需要滿足什么前提條件？金融科技Financial Technology項目二 大數據金融教學目標知識目標1.掌握大數據的基本概念； 2.了解大數據技術的處理流程；3.掌握大數據在金融領域的應用； 4.了解大數據技術的應用趨勢。能力目標1.能夠利用大數據技術手段為客戶提供金融服務

10、；2.理解大數據技術對金融業(yè)帶來的影響并積極予以運用。內容導航一大數據的基本概念二大數據的處理流程三大數據技術在金融領域的應用四大數據技術的發(fā)展趨勢及應用前景大數據的處理流程二二、大數據的處理流程數據采集數據存儲數據挖掘數據處理二、大數據的處理流程（一）各種智能設備中的運行數據（二）互聯網網頁數據（三）RFID射頻數據大數據的數據源主要來自以下三方面：二、大數據的處理流程網頁數據采集應用最廣泛的技術就是網絡爬蟲二、大數據的處理流程數據采集數據存儲數據挖掘數據處理二、大數據的處理流程大數據的存儲系統(tǒng)必須對多種數據及軟硬件平臺有較好的兼容性，以適應各種應用算法或者數據提取轉換與加載?，F階段常用的大

11、數據存儲技術包括：第二類，基于Hadoop技術擴展和封裝，圍繞Hadoop衍生出相關的大數據技術，應對傳統(tǒng)關系型數據庫較難處理的數據和場景，充分利用Hadoop開源的優(yōu)勢。第三類，大數據一體機，這是一種專為大數據分析處理而設計的軟件、硬件結合的產品，由一組集成的服務器、存儲設備、操作系統(tǒng)、數據庫管理系統(tǒng)以及為數據查詢、處理、分析而特別預先安裝及優(yōu)化的軟件組成。高性能大數據一體機具有良好的穩(wěn)定性和縱向擴展性。第一類，采用大規(guī)模并行處理系統(tǒng)（MPP）架構的新型數據庫集群，重點面向行業(yè)大數據，采用無共享（Shared Nothing）架構，通過列存儲、粗粒度索引等大數據處理技術，再結合MPP架構高效

12、的分布式計算模式，完成對分析類應用的支撐。二、大數據的處理流程就存儲大數據的數據庫而言，最流行的兩種數據庫就是傳統(tǒng)的關系型數據庫和新興的 NOSQL數據庫。微軟的 SQL Server數據庫、IBM的DB2數據庫、甲骨文的 Oracle數據庫、開源的 MySQL數據庫都是關系型數據庫的典型。NOSQL數據庫是近年來隨著大數據技術發(fā)展而興起的一種數據庫技術。 NOSQL數據庫依據存儲對象和存儲方法的不同又可以分成鍵值型數據庫、文檔型數據庫、列存儲數據庫、圖存儲數據庫。二、大數據的處理流程序號類型部分代表特點1鍵值型Oracle BDBGoogle BigTable Amazon DynamoDB

13、鍵值型數據庫主要會使用到一個哈希表，這個表中有一個特定的鍵和一個指針指向特定的數據。鍵值型數據庫的優(yōu)勢在于簡單、易部署，但如果只對部分值進行查詢或更新，則效率相對低下。2文檔型Mongo DBCouch DB此類數據庫可存放并獲取文檔，其格式可以是XML、JSON、BSON等，這些文檔具備可述性（self-describing），呈現分層的樹狀結構（hierarchical tree data structure），可以包含映射表、集合和純量值。文檔數據庫可視為其值可查的鍵值數據庫，可以對某些字段建立索引，實現關系數據庫某些功能。二、大數據的處理流程序號類型部分代表特點3列存儲HbaseCas

14、sandraHypertable列存儲數據庫通常是用來應對分布式存儲的海量數據。鍵仍然存在，但是它們的特點是指向了多個列。這些列是由列家族來安排。特點是方便存儲結構化和半結構化數據，方便數據壓縮，對針對基于列的查詢有很大優(yōu)勢。4圖存儲Neo4JInfinite Graph使用靈活的圖形模型，并且能夠擴展到多個服務器上。將數據存儲在圖狀網絡的節(jié)點上及它們之間的關系中，這里的圖不是指圖形圖像，而是指一種數據存儲結構。二、大數據的處理流程在金融科技應用中，我們應如何選擇合適的數據存儲技術呢？一般來講，有嚴謹的數據結構，對數據的可靠性要求高，經常需要對數據進行商業(yè)智能分析，這類數據庫適合存儲在關系數據

15、庫中，一般可以選擇開源的 MySQL數據庫；相反，那些數據量特別大，對數據的擴展性要求高，對數據庫的可用性要求高，對存儲效率和恢復響應要求高的數據則適用于 NOSQL數據庫。二、大數據的處理流程在實踐中，通常會將NOSQL和關系數據庫進行結合使用，各取所長，可以分為兩種模式：第一種： NOSQL數據庫作為輔助存儲。把所有的數據都存放在關系數據庫中，可能被經常頻繁讀取的數據再存放在 NOSQL數據庫中一份，其目的是提高數據的查詢速度，減少關系數據庫的并發(fā)訪問負載。第二種： NOSQL數據庫作為主存儲。把所有的數據存儲在 NOSQL數據庫中，為了一些特殊業(yè)務或功能的需要，在將數據存入 NOSQL的

16、時候，同時存儲到關系數據庫一份。數據存儲和查詢主要是由 NOSQL數據庫完成，少量的數據是從關系數據庫讀取。二、大數據的處理流程數據采集數據存儲數據挖掘數據處理二、大數據的處理流程數據抽取12數據清洗3數據脫敏在數據處理環(huán)節(jié)，主要完成三項操作：二、大數據的處理流程數據抽取1第一種，全量抽取。類似于數據遷移或數據復制，將數據源中的表格或視圖的數據原封不動地從數據庫中抽取出來，并轉換成自己的ETL（Extraction-Transformation-Loading，數據提取、轉換和加載）工具可以識別的格式。第二種，增量提取。抽取自上次抽取以來數據庫中要抽取的表中新增、修改、刪除的數據。二、大數據的

17、處理流程數據清洗2在采集數據時，會存在大量的“臟”數據。這些數據或與我們的需求無關，或是錯誤數據，或是相互之間有沖突，因此要通過“去噪”過濾掉這些不符要求的數據，提取出有效數據，這一過程稱為“數據清洗”（Data Cleaning）。二、大數據的處理流程數據脫敏3現階段常用的數據處理技術有Ab Initio（大數據處理軟件平臺技術）、Hadoop（開源分布系統(tǒng)的基礎架構，適合處理超大量的數據）、Netezza（IBM基于數據倉庫的分析技術）Hadoop是由Apache軟件基金會發(fā)起的一個分布式計算平臺，也是目前最為流行的大數據處理平臺。用戶可以在該平臺上開發(fā)和運行處理海量數據的應用程序。Had

18、oop在數據提取、變形和加載（FTL）方面具有優(yōu)勢，擅長存儲大量的半結構化數據集，也非常擅長分布式計算快速地跨多臺機器處理大型數據集合。數據脫敏指對一些涉及個人隱私的敏感信息，如身份證號、電話號碼、銀行賬戶等，進行數據的變形處理，達到隱私保護的目的。二、大數據的處理流程數據采集數據存儲數據挖掘數據處理二、大數據的處理流程數據挖掘（Data Mining）的前身是數據庫中的知識發(fā)現技術（KDD），是指運用計算機技術從大量數據中將隱藏的有價值的信息提取出來的過程?；诤Ａ繑祿?；具有非平凡性，即挖掘出來的知識應該是不簡單的；隱藏性，即數據挖掘是要發(fā)現深藏在數據內部而非浮現在數據表面的知識；價值性，即

19、挖掘的知識能給企業(yè)帶來直接或間接效益。1234二、大數據的處理流程數據挖掘有很多技術方法，歸納起來主要涉及統(tǒng)計學、機器學習和數據庫等領域的研究成果。（一）統(tǒng)計分析統(tǒng)計分析是指利用統(tǒng)計學對大數據進行分析，包括統(tǒng)計學中的回歸分析、差異分析、判別分析、因子分析等，主要用來處理結構化數據。統(tǒng)計分析反映了數據庫中數據的屬性值特性，通過函數表達數據映射關系來發(fā)現屬性值之間的依賴關系。它可以應用到對數據序列的預測及相關關系的研究中去。例如，通過對本季度銷售的回歸分析，對下一季度的銷售趨勢做出預測并做出針對性的營銷改變。二、大數據的處理流程（二）聚類分析聚類分析是一種重要的數據挖掘方法，具體是指根據事物的特征

20、進行分類，以期從中發(fā)現一定的規(guī)律。聚類類似于分類，但與分類的目的不同，是針對數據的相似性和差異性將一組數據分為幾個類別。其原則是使同一類事物盡可能相似，不同類事物盡可能差異大。屬于同一類別的數據間的相似性大，但不同類別之間數據的相似性很小，跨類的數據關聯性很低。聚類分析又可細分為劃分聚類法、層次聚類法、基于網格和模型的聚類法。二、大數據的處理流程（三）決策樹決策樹是機器學習中最基礎、應用最廣泛的算法模型。其原理是，在一批已知的訓練數據的基礎上建立一棵決策樹，利用決策樹對數據進行分析和預測。常見的算法包括分類回歸樹（CART）、ID3、C4.5、隨機森林等。決策樹可用于預測貸款人是否具有償還貸款

21、的能力。借款人通過三個核心指標來判斷：是否擁有房產、是否結婚、月收入金額。決策樹的每一個內部節(jié)點都分別代表一個指標，樹葉節(jié)點則表示貸款人是否具備還款能力。例如，客戶甲沒有房產，未婚，月收入8000元。通過決策樹的節(jié)點判斷，該用戶最終落在“可以償還”的樹葉節(jié)點上。因此預測該用戶具備償還能力。二、大數據的處理流程（四）人工神經網絡人工神經網絡（ANN）是一種仿照人腦神經元結構和功能進行數據分析的信息處理系統(tǒng)。人工神經網絡作為一種先進的人工智能技術，因其自行處理、分布存儲和高度容錯等特性非常適合處理非線性的以及那些模糊、不完整、不嚴密的數據，因此在數據挖掘領域得到廣泛應用。二、大數據的處理流程（四）

22、人工神經網絡用于分類預測和模式識別的前饋式神經網絡模型，其主要代表為函數型網絡、感知機；A用于聯想記憶和優(yōu)化算法的反饋式神經網絡模型，以Hopfield的離散模型和連續(xù)模型為代表；B用于聚類的自組織映射方法，以ART模型為代表。C典型的神經網絡模型主要分為三大類二、大數據的處理流程（五）關聯規(guī)則關聯規(guī)則是數據挖掘領域特有的技術，由一連串的“如果/則”的邏輯規(guī)則對數據進行細分，以期在數據庫中搜索和挖掘以往不知道的規(guī)則。關聯規(guī)則是找出隱藏在數據項之間的關聯或相互關系，根據一個數據項的出現推導出其他數據項的出現。關聯規(guī)則的挖掘過程主要包括兩個階段：第一階段為從海量原始數據中找出所有的高頻項目組；第二

23、階段為從這些高頻項目組產生關聯規(guī)則。關聯規(guī)則挖掘技術已經被廣泛應用于金融企業(yè)中，用以預測客戶需求和偏好來改善自身的營銷。二、大數據的處理流程（六）Web數據挖掘Web數據挖掘是一項綜合性技術，指Web從文檔結構和使用的集合C中發(fā)現隱含的模式P，如果將C看做是輸入，P看做是輸出，那么Web挖掘過程就可以看作是從輸入到輸出的一個映射過程。目前常用的Web數據挖掘算法有：PageRank算法、HITS算法以及LOGSOM算法。這三種算法提到的用戶都是籠統(tǒng)的用戶，并沒有區(qū)分用戶的個體。目前Web數據挖掘面臨著一些問題，包括：用戶的分類問題、網站內容時效性問題、用戶在頁面停留時間問題、頁面的鏈入與鏈出數

24、問題等。二、大數據的處理流程（七）數據可視化技術數據可視化是大數據技術非常重要的一環(huán)，關系到數據處理的最終效果和用戶體驗。數據可視化技術可以將有價值的信息展示出來，同時還能將其出現的原因背景以及其他相關價值信息列示出來，使隱藏在大數據資源背后的真相呈現在眾人面前?？梢暬瘮祿o需任何編程基礎，只需要上傳數據，就能創(chuàng)建和發(fā)布圖表。數據可視化分析技術是以圖表、圖形、報表等方式將大數據分析處理的結果直觀地、可視地展示給用戶的過程。二、大數據的處理流程可視化工具簡介ExcelExcel作為一個人門級工具，是快速分析數據的理想工具，也能創(chuàng)建供內部使用的數據圖，但 Excel在顏色、線條和樣式上可選擇的范圍

25、有限。D3D3( Date Driven document)是支持SVG渲染的另一種 JavaScript庫，能夠提供大量線性圖和條形圖之外的復雜圖表樣式，例如 Voronoi圖、樹形圖、圓形集群和單詞云等。Visual.lyVisual.ly的主要定位是“信息圖設計師的在線集市”，同時也提供了大量信息圖模板。RR作為用來分析大數據集的統(tǒng)計組件包，擁有強大的社區(qū)和組件庫，但R是一個相對復雜的開源工具。GepiGepi是進行社交圖譜數據可視化分析的工具，不但能處理大規(guī)模數據集并生成漂亮的可視化圖形，還能對數據進行清洗和分類。TableauTableau更適合企業(yè)和部門進行日常數據報表和數據可視化

26、分析工作，產品涵蓋 Tableau Desktop、Tableau Server以及 Tableau Public二、大數據的處理流程做中學 2-1生活中的大數據5-6名同學一組，各組選擇一個數據可視化分析工具（軟件），對該工具（軟件）的功能進行研究，并制作一份PPT來展示該工具（軟件）的功能和效果。思考：有哪些數據分析問題是無法借助數據可視化分析工具來實現的？金融科技Financial Technology項目二 大數據金融教學目標知識目標1.掌握大數據的基本概念； 2.了解大數據技術的處理流程；3.掌握大數據在金融領域的應用； 4.了解大數據技術的應用趨勢。能力目標1.能夠利用大數據技術手

27、段為客戶提供金融服務；2.理解大數據技術對金融業(yè)帶來的影響并積極予以運用。內容導航一大數據的基本概念二大數據的處理流程三大數據技術在金融領域的應用四大數據技術的發(fā)展趨勢及應用前景大數據技術在金融領域的應用三三、大數據技術在金融領域的應用01征信領域02反洗錢領域04證券投資領域06互聯網金融領域05保險領域07金融監(jiān)管領域03商業(yè)銀行領域三、大數據技術在金融領域的應用01征信領域三、大數據技術在金融領域的應用聚合多類數據A信用動態(tài)評估B運用數學模型C實時出具報告C大數據征信有以下四個特征：三、大數據技術在金融領域的應用【大數據征信案例：ZestFinance 】三、大數據技術在金融領域的應用大

28、數據征信在實踐中還面臨諸多挑戰(zhàn)，包括：數據質量參差不齊同人不同信用的問題信息安全問題數據壁壘問題征信機構的獨立性問題三、大數據技術在金融領域的應用做中學2-3 大數據征信試一試5-6名同學一組，分析大數據征信應從哪些渠道來征集數據？應從哪些維度來分析客戶的信用狀況？思考：大數據征信可能出現哪些問題和風險？三、大數據技術在金融領域的應用02反洗錢領域三、大數據技術在金融領域的應用反洗錢是指為了預防通過各種方式掩飾、隱瞞毒品犯罪、黑社會性質的組織犯罪、恐怖活動犯罪、走私犯罪、貪污賄賂犯罪、破壞金融管理秩序犯罪、金融詐騙犯罪等犯罪所得及其收益的來源和性質的洗錢活動，依照反洗錢法規(guī)定采取相關措施的行為

29、。三、大數據技術在金融領域的應用12一方面，金融機構除了使用自身數據和行業(yè)數據外，還可使用來自工商、稅務、房管、海關、公安、法院等政府部門以及消費、娛樂、社交等商業(yè)活動的數據；除了使用客戶關系、會計系統(tǒng)等結構化數據，還可使用社交媒體、電子郵件、文本、音頻、視頻、網絡日志等非結構化數據，在此基礎上，建立反洗錢大數據平臺，通過對相關數據的科學分析，甄別客戶身份和可疑交易，從而將洗錢犯罪活動拒之門外。另一方面，政府通過加強制度建設，為大數據開放共享建立相應的社會保障制度。我國從2008年即開始實施政府信息公開條例，近年來不斷采取措施推動各級政府部門在數據信息方面的共享。政府有必要牽頭建立一個國家層面

30、的跨系統(tǒng)、跨平臺、跨數據結構的大數據網絡，打破數據壁壘，消除信息孤島，促進大數據在各機構間的流動和信息共享。三、大數據技術在金融領域的應用【反洗錢案例：Trulioo】三、大數據技術在金融領域的應用做中學2-4大數據反洗錢應用拓展5-6名同學一組，分析如何應用大數據技術實現可疑交易的識別和追蹤？每組可通過PPT或小戲劇方式進行研究成果展示。思考：利用大數據實現可疑交易識別，需要解決的關鍵問題有哪些？三、大數據技術在金融領域的應用03商業(yè)銀行領域三、大數據技術在金融領域的應用風險評估C運營優(yōu)化D大數據技術在商業(yè)銀行領域的應用體現在以下方面：客戶營銷A產品創(chuàng)新B三、大數據技術在金融領域的應用客戶營

31、銷A銀行可通過大數據分析平臺，獲得客戶通過社交網絡、電子商務、終端媒介等方式形成的非結構化數據，掌握客戶的消費習慣、消費水平、興趣愛好等信息，再將這些非結構化數據與銀行自身掌握的結構化數據結合，為客戶畫像，在此基礎上實現精準營銷。三、大數據技術在金融領域的應用產品創(chuàng)新B商業(yè)銀行通過大數據分析挖掘用戶潛在需求，開發(fā)相關產品或增值服務，創(chuàng)新業(yè)務模式，提高客戶粘性。三、大數據技術在金融領域的應用風險評估C風險管理能力是商業(yè)銀行的核心競爭力之一。通過大數據構建企業(yè)信用檔案，可使銀行實時掌握企業(yè)經營情況和資產動向，提升銀行的信貸風險控制能力。三、大數據技術在金融領域的應用運營優(yōu)化D傳統(tǒng)的銀行信貸流程包括

32、貸前調查、貸中審查、貸后檢查，需要耗費大量人力和時間。在大數據時代，銀行可憑借嚴格設計的評分模型和決策引擎，自動審批客戶的貸款申請。資信狀況良好的客戶可以在線即時提取貸款資金，徹底打通貸款的申請、盡職調查、審批、放款各環(huán)節(jié)。三、大數據技術在金融領域的應用【直銷銀行案例：ING DIRECT 銀行】三、大數據技術在金融領域的應用做中學2-5 大數據在商業(yè)銀行產品營銷中的應用 5-6名同學一組，每組選擇一種商業(yè)銀行產品，分析如何應用大數據技術開展營銷？每組形成一份營銷計劃，并可通過PPT或小戲劇方式進行展示。三、大數據技術在金融領域的應用04證券投資領域三、大數據技術在金融領域的應用大數據技術在證

33、券投資領域的應用主要體現在智能投顧程序化交易大數據基金三、大數據技術在金融領域的應用智能投顧智能投顧所涉及的大數據主要包括兩大類：客戶行為大數據和金融交易大數據。智能投顧是指以投資者的風險偏好和財務狀況為依據，利用大數據和量化模型，為客戶提供資產配置建議和財富管理服務。三、大數據技術在金融領域的應用【智能投顧案例：Wealthfront】三、大數據技術在金融領域的應用程序化交易程序化交易也是大數據應用比較多的領域。程序化交易又稱高頻交易（HFT），是一種通過高速計算能力，盡可能利用瞬時數據以及其他先進信息技術等識別、捕捉市場中細微價格偏離以獲利的交易方式。三、大數據技術在金融領域的應用大數據基

34、金國內一些基金公司通過量化策略和大數據投資方法的有機結合，成立了大數據基金。大數據基金通過算法篩選策略因子，設計出符合投資理念的量化模型，并借此篩選出更多優(yōu)質投資標的。三、大數據技術在金融領域的應用做中學2-6大數據在證券投資中的應用 5-6名同學一組，收集大數據在證券投資方面應用的案例，提煉出利用大數據技術開展證券投資的適用對象、投資特點、優(yōu)勢以及不足之處，并分組匯報。三、大數據技術在金融領域的應用05保險領域三、大數據技術在金融領域的應用大數據在保險業(yè)的應用主要涉及：識別欺詐行為個性化定價挖掘客戶需求030201三、大數據技術在金融領域的應用挖掘客戶需求中國的眾安保險公司是一家互聯網保險公

35、司，基于用戶在電商網站的購買行為，推出網購退貨運費險、網上支付安全險等創(chuàng)新險種。保險公司可通過客戶在社交網絡、電商網站等留下的瀏覽和交易痕跡，挖掘客戶需求，尋找潛在客戶。美國前進保險公司（Progressive Insurance）通過精細化分析客戶財務狀況、資產價值、風險偏好等數據，向客戶提供量身定制的保險產品。三、大數據技術在金融領域的應用個性化定價在美國，保險公司可以通過安裝在車上的通信工具收集有關數據來判斷駕駛員的駕駛行為模式，結合駕駛員的年齡、駕齡、健康狀況等特征，對車輛保險費率實現個性化定價。保險產品的精算定價能力是保險公司的核心競爭力。大數據可以幫助保險公司提升精算能力。三、大數

36、據技術在金融領域的應用識別欺詐行為保險公司借助大數據，可以識別客戶欺詐行為，防范騙保風險。在車險領域保險公司能夠利用過去的欺詐事件建立預測模型，將理賠申請分級處理，可實施車險理賠申請欺詐偵測、業(yè)務員及修車廠勾結欺詐偵測，遏制騙保行為。在醫(yī)療保險領域常見的欺詐手段有兩種：一種是非法騙取保險金；另一種是在醫(yī)保額度內重復就醫(yī)、浮報理賠金額。借助大數據技術，保險公司通過分析保險欺詐特征，建立預測模型，并通過自動化計分功能，快速將理賠案件按照欺詐風險級別進行分類處理。三、大數據技術在金融領域的應用【大數據在保險行業(yè)應用案例：Metromile】三、大數據技術在金融領域的應用06互聯網金融領域三、大數據技

37、術在金融領域的應用大數據作為一項基礎設施和新興工具，在互聯網金融領域也有諸多應用，主要包括：第三方支付智能信貸精準營銷三、大數據技術在金融領域的應用精準營銷互聯網金融實時掌握客戶的借款、還款、投資等情況，通過與電商網站的數據共享，可以實時生成客戶畫像，了解客戶的風險偏好、資金需求、投資偏好、信用狀況等，從而有針對性地向客戶推送定制化的金融產品，提升營銷精準度，并能刺激客戶金融需求，有助于擴大業(yè)務規(guī)模。三、大數據技術在金融領域的應用智能信貸以阿里小貸為例，從風險審核到最終放款，阿里小貸實現了全程線上模式，所有的貸前、貸中、貸后環(huán)節(jié)都能實時有效連接，并可以向那些難以通過傳統(tǒng)渠道獲得貸款的個人和小微

38、企業(yè)發(fā)放貸款，實現普惠金融。借助大數據進行信用評估，能夠實時更新借款人的信用狀況，實時確定借款人的信用額度，實現即時放款。三、大數據技術在金融領域的應用第三方支付第三方支付機構經過十年多的發(fā)展，積累了大量的用戶數據和支付信息，構成了第三方機構的大數據資源。這些大數據具有體量大、覆蓋廣、質量好的特點，能夠為商戶的精準營銷、客戶服務、資金融通等提供強有力的支持。例如，支付寶擁有大量的用戶消費數據，每年都會發(fā)布國民年度消費統(tǒng)計報告，勾勒出中國消費分布情況和趨勢變化，為商家掌握消費者數據并制定營銷策略提供數據支持。三、大數據技術在金融領域的應用07金融監(jiān)管領域三、大數據技術在金融領域的應用以美國為例，

39、2008年次貸危機之后，多德-佛蘭克法案授權美國財政部下屬的金融研究辦公室（OFR）收集金融機構的微觀交易和頭寸數據；美國證券交易委員會（SEC）也從2010年起要求大型貨幣基金提交月度交易數據。美國金融監(jiān)管當局從這些海量數據中抽取那些被認為可能引爆系統(tǒng)性金融風險的相關信息，在借助大數據的相關手段對其進行量化計算，對風險進行預測，實施宏觀審慎監(jiān)管。以我國證券公司為例，證券公司的風控系統(tǒng)接口須向證監(jiān)會開放，證券公司每月均須向證監(jiān)會上報風控指標報表，以使證監(jiān)會及時掌握行業(yè)的風險狀況，有助于證監(jiān)會實施以流動性風險為核心的宏觀審慎監(jiān)管。金融科技Financial Technology項目二 大數據金融

40、教學目標知識目標1.掌握大數據的基本概念； 2.了解大數據技術的處理流程；3.掌握大數據在金融領域的應用； 4.了解大數據技術的應用趨勢。能力目標1.能夠利用大數據技術手段為客戶提供金融服務；2.理解大數據技術對金融業(yè)帶來的影響并積極予以運用。內容導航一大數據的基本概念二大數據的處理流程三大數據技術在金融領域的應用四大數據技術的發(fā)展趨勢及應用前景大數據技術的發(fā)展趨勢及應用前景四四、大數據技術的發(fā)展趨勢及應用前景大數據技術的發(fā)展趨勢01大數據技術的應用前景02四、大數據技術的發(fā)展趨勢及應用前景大數據技術的發(fā)展趨勢01大數據技術的應用前景02四、大數據技術的發(fā)展趨勢及應用前景大數據已呈現出以下發(fā)展

41、趨勢：大力挖掘非結構化數據價值A大數據遷移上云B開源軟件將推動大數據技術進步C四、大數據技術的發(fā)展趨勢及應用前景大數據技術的發(fā)展趨勢01大數據技術的應用前景02四、大數據技術的發(fā)展趨勢及應用前景大數據技術的應用將促進金融行業(yè)：實現精準營銷服務增強風險管理能力提升決策效率A強化數據資產管理能力BDC四、大數據技術的發(fā)展趨勢及應用前景金融科技Financial Technology項目三 區(qū)塊鏈金融主講教師：*教學目標1. 能夠運用區(qū)塊鏈技術的案例解決工作實際問題； 2. 能夠運用區(qū)塊鏈技術的應用與客戶溝通；3. 能夠熟練使用區(qū)塊鏈技術的工作原理進行實操。知識目標1. 了解區(qū)塊鏈的歷史；2. 了解

42、區(qū)塊鏈技術在金融創(chuàng)新中的應用；3. 理解區(qū)塊鏈金融的國外案例；4. 掌握區(qū)塊鏈技術的工作原理、工作過程。能力目標目錄認識區(qū)塊鏈一二三區(qū)塊鏈技術基礎區(qū)塊鏈技術支持金融創(chuàng)新四區(qū)塊鏈金融的國外案例任務一 認識區(qū)塊鏈一3.1 認識區(qū)塊鏈拜占庭將軍問題區(qū)塊鏈技術的發(fā)展歷史區(qū)塊鏈的定義3214區(qū)塊鏈技術解決信任和安全問題的思路5區(qū)塊鏈的特征3.1 認識區(qū)塊鏈1拜占庭將軍問題3.1 認識區(qū)塊鏈一、拜占庭將軍問題 拜占庭帝國為了防御目的，給帝國的周邊部署了十支防御軍隊。在沒有通信手段的基礎上，將軍與將軍之間只能靠信差傳遞消息。去攻打某一敵對國家，十支軍隊單獨作戰(zhàn)，都會失利；只有當其中十支軍隊的一半以上同時應敵

43、時，拜占庭帝國的進攻才會戰(zhàn)勝敵國。 在拜占庭將軍問題里，將軍們如何能達成共識；如果有叛徒，可能會出現各種問題。(1)叛徒可能欺騙某些將軍自己將采取進攻行動。(2)叛徒可能慫恿其他軍隊行動，自己靜觀其變。(3)叛徒可能迷惑其他將軍，使他們接受不一致的信息，從而感到迷惑。3.1 認識區(qū)塊鏈一、拜占庭將軍問題 科學家們針對拜占庭問題得出一個結論：如果叛徒的數量大于或等于1/3，拜占庭帝國對敵國的進攻將失敗。 將軍們決定，每個將軍都可以派人向各個將軍派信，收信者如果同意，則在原信上簽名蓋章。但在現實中仍然可能面臨以下幾種問題：（1）物理距離導致信息傳輸延遲；（2）簽名造假的問題也沒法避免；（3）簽名消

44、息記錄的保存難以擺脫中心化的機構；（4）在這種異步通信的條件下，要能協(xié)商一致仍然是個大問題。3.1 認識區(qū)塊鏈一、拜占庭將軍問題 從分布式系統(tǒng)的角度來說，如果要保證分布式系統(tǒng)的一致性和可用性，就必須處理錯誤節(jié)點，防止系統(tǒng)出現用戶可以觀察到的錯誤。 拜占庭假設是對現實世界的模型化，由于硬件錯誤、網絡擁塞或斷開以及遭到惡意攻擊，計算機和網絡可能出現不可預料的行為。拜占庭將軍問題提出了一個錯誤模型，即錯誤節(jié)點可以做任意事情(不受協(xié)議限制)。在這樣的情況下，分布式系統(tǒng)會受到嚴峻挑戰(zhàn)。3.1 認識區(qū)塊鏈2區(qū)塊鏈的定義3.1 認識區(qū)塊鏈二、區(qū)塊鏈的定義區(qū)塊鏈定義： 區(qū)塊鏈是指通過“去中心化”和“去信任”的

45、方式集體維護一個可靠數據庫的技術方案。132區(qū)塊鏈實質： 區(qū)塊鏈是要解決信任和安全問題。分布式計算機技術、數字技術以及互聯網技術的飛速發(fā)展，尤其是其中的區(qū)塊鏈技術給我們提供了解決這些問題的一種方法。區(qū)塊鏈技術： 區(qū)塊鏈技術是一種全民參與記賬的方式，或者說區(qū)塊鏈其實是一種數據庫賬本。該技術過去主要應用在比特幣(P2P形式的數字貨幣)上。3.1 認識區(qū)塊鏈3區(qū)塊鏈技術的發(fā)展歷史三、區(qū)塊鏈技術的發(fā)展歷史（一）區(qū)塊鏈技術的起源 區(qū)塊鏈技術源自點對點(P2P)技術，是把需要下載的文件分成無數碎塊，擴散到不同的電腦，這些電腦之間可以分別承擔一些碎塊的下載，同時彼此傳輸已經獲得的碎塊，最終各電腦都可以根據需

46、要合成一個完整的文件。3.1 認識區(qū)塊鏈三、區(qū)塊鏈技術的發(fā)展歷史（二）神秘的中本聰 2008年11月1日，中本聰( Satoshi Nakamoto)的一篇研究論文比特幣：一種點對點的電子現金系統(tǒng)中，描述了他對一種新的數字貨幣的設計，該數字貨幣名叫比特幣( bitcoin)。 比特幣利用公開分布總賬的方法廢除了第三方管理，中本聰將其稱之為“區(qū)塊鏈”。用戶樂于奉獻自己電腦的CPU力量，運行一款特殊的軟件進行“挖礦”，并形成一個網絡來共同維持區(qū)塊鏈。3.1 認識區(qū)塊鏈三、區(qū)塊鏈技術的發(fā)展歷史（三）金融世界的區(qū)塊鏈變革 2015年9月，13家頂級銀行加入了一個由金融技術公司R3領導的組織； 2015

47、年10月，首屆全球區(qū)塊鏈峰會“區(qū)塊鏈新經濟藍圖”在上海舉辦； 2015年10月中旬，國家互聯網信息辦公室文件中提到了區(qū)塊鏈技術； 2016年2月3日，中關村區(qū)塊鏈產業(yè)聯盟正式成立； 2016年4月19日，中國分布式總賬基礎協(xié)議聯盟成立； 2016年5月31日，金融區(qū)塊鏈聯盟在深圳成立。3.1 認識區(qū)塊鏈3.1 認識區(qū)塊鏈4區(qū)塊鏈技術解決信任和安全問題的思路3.1 認識區(qū)塊鏈四、區(qū)塊鏈技術解決信任和安全問題的思路143分布式賬本： 交易記賬由分布在不同地方的多個節(jié)點共同完成，而且每一個節(jié)點記錄的都是完整的賬目，因此它們都可以參與監(jiān)督交易合法性，同時也可以共同為其作證。2對稱加密和授權： 存儲在區(qū)

48、塊鏈上的交易信息是公開的，但是賬戶身份信息是高度加密的，只有在數據擁有者授權的情況下才能訪問到，從而保證了數據的安全和個人的隱私。共識機制： 所有記賬節(jié)點之間如何達成共識，去認定一個記錄的有效性。這既是認定的手段，也是防止篡改的手段。智能合約： 基于這些可信的不可篡改的數據，可以自動化地執(zhí)行一些預先定義好的規(guī)則和條款。3.1 認識區(qū)塊鏈四、區(qū)塊鏈技術解決信任和安全問題的思路 對于區(qū)塊鏈技術，我們可以看作：區(qū)塊鏈是一門集數學、金融學、法學、信息技術等學科為一體，解決人與人之間信任問題的科學；區(qū)塊鏈是信息技術發(fā)展到一定程度后產生的技術，利用“信息冗余”和“高速傳遞”以及“分布式”的概念產生的種難以

49、被破壞和群體間相互信任、相互協(xié)作的世界一體化的數據存儲機制。3.1 認識區(qū)塊鏈5區(qū)塊鏈的特征五、區(qū)塊鏈的特征（一）去中心化 由于使用分布式核算和存儲，不存在中心化的硬件或管理機構，任意節(jié)點的權利和義務都是均等的，并且采用純數學方法代替原來的中心機構，節(jié)點間的信任關系更強。 區(qū)塊鏈系統(tǒng)建立在網絡基礎之上，權限對等、數據公開、數據分布式、高冗余存儲，無法算改。 區(qū)塊鏈系統(tǒng)建立在共識系統(tǒng)的基礎上，可編程，智能化，可保密，個性化。3.1 認識區(qū)塊鏈五、區(qū)塊鏈的特征（二）開放性，信息透明 區(qū)塊鏈系統(tǒng)是開放的，除了交易各方的私有信息被加密外，區(qū)塊鏈的數據對所有人公開，任何人都可以通過公開的接口查詢區(qū)塊鏈數

50、據和開發(fā)相關應用，因此整個系統(tǒng)信息高度透明。3.1 認識區(qū)塊鏈五、區(qū)塊鏈的特征（三）自治性 區(qū)塊鏈采用基于協(xié)商一致的規(guī)范和協(xié)議使得整個系統(tǒng)中的所有節(jié)點能夠在去信任的環(huán)境中自由安全地交換數據，使得對“人”的信任改成了對機器的信任，任何人為的干預都不起作用。3.1 認識區(qū)塊鏈五、區(qū)塊鏈的特征（四）集體維護 分布式系統(tǒng)中所有節(jié)點均可參與數據區(qū)塊的驗證過程(如比特幣“挖礦”)，每個節(jié)點分享權利和義務。3.1 認識區(qū)塊鏈五、區(qū)塊鏈的特征（五）信息不可算改 一旦信息經過驗證并添加至區(qū)塊鏈，就會水久的存儲起來，除非能夠同時控制系統(tǒng)中超過51的節(jié)點，否則單個節(jié)點上對數據庫的修改是無效的，因此區(qū)塊鏈的數據穩(wěn)定性

51、和可靠性極高。3.1 認識區(qū)塊鏈五、區(qū)塊鏈的特征（六）可靠數據庫 除非能夠同時控制整個系統(tǒng)中超過51的節(jié)點，否則單個節(jié)點上對數據庫的修改是無效的，也無法影響其他節(jié)點上的數據內容。因此參與系統(tǒng)中的節(jié)點越多和計算能力越強，該系統(tǒng)中的數據安全性越高。3.1 認識區(qū)塊鏈五、區(qū)塊鏈的特征（七）匿名性 由于節(jié)點之間的交換遵循固定的算法，其數據交互是無需信任的(區(qū)塊鏈中的程序規(guī)則會自行判斷活動是否有效)，因此交易對手無需通過公開身份的方式讓對方對自己產生信任，對信用的累積非常有幫助。由于節(jié)點和節(jié)點之間是無需互相信任的，因此節(jié)點和節(jié)點之間無需公開身份，在系統(tǒng)中的每個參與的節(jié)點都是置名的。3.1 認識區(qū)塊鏈五、

52、區(qū)塊鏈的特征（八）開源性 由于整個系統(tǒng)的運作規(guī)則必須是公開透明的，所以對于程序而言，整個系統(tǒng)必定會是開源的。所有人可免費參與，共同促進區(qū)塊鏈技術的發(fā)展和進步。3.1 認識區(qū)塊鏈五、區(qū)塊鏈的特征（九）無國界、跨境 目前，跨國匯款會經過層層外匯管制機構，而且交易記錄會被多方記錄在案。但如果用比特幣交易，直接輸入數字地址，點一下鼠標，等待P2P網絡確認交易后，大量資金就過去了。不經過任何管控機構，也不會留下任何跨境交易記錄。3.1 認識區(qū)塊鏈五、區(qū)塊鏈的特征（十）山寨者難以生存 由于區(qū)塊鏈技術算法是完全開源的，誰都可以下載到源碼，修改些參數，重新編譯下就能創(chuàng)造一種新區(qū)塊鏈。但創(chuàng)造這些山寨版需要控制正

53、版的51的運算能力，而想要控制區(qū)塊鏈網絡51的運算力，所需要的主機數量將是一個天文數字，代價太高，因此山塞者很難生存。3.1 認識區(qū)塊鏈金融科技Financial Technology項目三 區(qū)塊鏈金融主講教師：*教學目標1. 能夠運用區(qū)塊鏈技術的案例解決工作實際問題； 2. 能夠運用區(qū)塊鏈技術的應用與客戶溝通；3. 能夠熟練使用區(qū)塊鏈技術的工作原理進行實操。知識目標1. 了解區(qū)塊鏈的歷史；2. 了解區(qū)塊鏈技術在金融創(chuàng)新中的應用；3. 理解區(qū)塊鏈金融的國外案例；4. 掌握區(qū)塊鏈技術的工作原理、工作過程。能力目標目錄認識區(qū)塊鏈一二三區(qū)塊鏈技術基礎區(qū)塊鏈技術支持與金融創(chuàng)新四區(qū)塊鏈金融的國外案例任務

54、二 區(qū)塊鏈技術基礎二3.2 區(qū)塊鏈技術基礎區(qū)塊鏈的基本組成結構區(qū)塊鏈主要術語區(qū)塊鏈的工作過程區(qū)塊鏈的網絡架構區(qū)塊鏈平臺區(qū)塊鏈技術的風險與監(jiān)管1區(qū)塊鏈的基本組成結構3.2 區(qū)塊鏈技術基礎區(qū)塊鏈的基本組成結構一、區(qū)塊鏈的基本組成結構1右圖是區(qū)塊鏈的基本組成結構示意圖，區(qū)塊鏈由區(qū)塊組成，這些區(qū)塊前后有序銜接，構成一個鏈狀結構進而組成區(qū)塊鏈。3.2 區(qū)塊鏈技術基礎 區(qū)塊的基本結構，一個區(qū)塊存儲區(qū)塊的序列號、前一個區(qū)塊的哈希(hash)值、區(qū)塊具體內容、時間戳、數字簽名以及共識約定。在構造區(qū)塊鏈應用時，核心就是組織區(qū)塊內容與論證共識約定合理性。3.2 區(qū)塊鏈技術基礎區(qū)塊的基本結構一、區(qū)塊鏈的基本組成結構

55、2區(qū)塊頭結構一、區(qū)塊鏈的基本組成結構3區(qū)塊頭結構包括以下六項內容.（1）版本號；（2）父區(qū)塊哈希值；（3）Merkle根；（4）時間戳；（5）難度值；（6）隨機數(nonce)。3.2 區(qū)塊鏈技術基礎3.2 區(qū)塊鏈技術基礎2區(qū)塊鏈主要術語3.2 區(qū)塊鏈技術基礎二區(qū)塊鏈主要術語1、區(qū)塊 是區(qū)塊鏈中的一條記錄，包含相關的交易信息。3.2 區(qū)塊鏈技術基礎二區(qū)塊鏈主要術語2、挖礦 指通過計算形成新的區(qū)塊，是交易的支持者利用自身的計算機硬件為網絡做數學計算進行交易確認和提高安全性的過程。3.2 區(qū)塊鏈技術基礎二區(qū)塊鏈主要術語3、哈希(hash)收列 就是把任意長度的輸入(又叫作預映射，pre-image

56、)，通過攸列算法，變換成固定長度的輸出，該輸出就是散列值。簡單地說，就是一種將任意長度的消息壓縮到某一固定長度的消息摘要的函數。3.2 區(qū)塊鏈技術基礎二區(qū)塊鏈主要術語4、hash性質 所有散列函數都有一個基本特性，即如果兩個散列值是不相同的(根據同一函數)，那么這兩個散列值的原始輸人也是不相同的。這個特性是散列函數具有確定性的結果。但另一方面，散列函數的輸人和輸出不是一一對應的，如果兩個散列值相同，兩個輸入值很可能是相同的，但并不能絕對肯定兩者一定相等。3.2 區(qū)塊鏈技術基礎二區(qū)塊鏈主要術語5、常用hash函數 直接取余法：f(x)=xmod maxM，maxM一般是不太接近2-t的一個質數。

57、乘法取整法:f(x)=trunc(x/maxX)*maxlongitmod maxM，主要用于實數。平方取中法:f(r)=(r*x div1000)mod 1000000)，此方法在詞典處理中使用十分廣泛。3.2 區(qū)塊鏈技術基礎二區(qū)塊鏈主要術語6、hash 散列應用舉例SHA256 一種求hash值的加密算法。SHA256工作原理為:將任何一串數據輸人到 SHA256將得到一個256位的hash值(散列值)。其特點是相同的數據輸入將得到相同的結果。3.2 區(qū)塊鏈技術基礎二區(qū)塊鏈主要術語7、數字簽名 數字簽名涉及一個哈希函數、發(fā)送者的公鑰、發(fā)送者的私鑰。數字簽名有兩個作用：一是能確定消息確實是由

58、發(fā)送方簽名并發(fā)出來的；二是數字簽名能確定消息的完整性。3.2 區(qū)塊鏈技術基礎二區(qū)塊鏈主要術語8、數字簽名工作原理 發(fā)送報文時，發(fā)送方用一個哈希函數從文本中生成摘要，然后對摘要進行加密，加密后的摘要將作為報文的數字簽名和報文一起發(fā)送給接收方，接收方首先用與發(fā)送方一樣的哈希函數計算出報文摘要，再用發(fā)送方的公鑰來對數字簽名進行解密，如果摘要相同，那么接收方就能確認該數字簽名是發(fā)送方的。3.2 區(qū)塊鏈技術基礎二區(qū)塊鏈主要術語9、時間截 用來進行比對以及驗證處理，時間戳服務器是一款基于公鑰密碼基礎設施(PKI)技術的時間戳權威系統(tǒng)，對外提供精確可信的時間截服務。它采用精確的時間源、高強度高標準的安全機制

59、，以確認系統(tǒng)處理數據在某一時間的存在性和相關操作的相對時間順序，為信息系統(tǒng)中的時間防抵賴提供基礎服務。3.2 區(qū)塊鏈技術基礎3區(qū)塊鏈的工作過程3.2 區(qū)塊鏈技術基礎三區(qū)塊鏈的工作過程1基于區(qū)塊鏈的電子貨幣交易基本工作過程3.2 區(qū)塊鏈技術基礎三區(qū)塊鏈的工作過程2比特幣的交易機制 比特幣的交易機制是10分鐘產生一個區(qū)塊，意思就是每隔十分鐘計算機就打包全網交易進入一個區(qū)塊。3.2 區(qū)塊鏈技術基礎三區(qū)塊鏈的工作過程2比特幣的交易機制1)比特幣交易證明機制 比特幣交易證明機制前主要分為兩類:POS ( proof of stake)權益證明機制和POW（proof of work)工作量證明機制。工作

60、量證明機制即按照工作量的多少來獲得獎勵。這一點帶來的弊端是算力很容易集中化。3.2 區(qū)塊鏈技術基礎三區(qū)塊鏈的工作過程2比特幣的交易機制2)比特幣信用系統(tǒng)建立過程(1)每一筆交易為了讓全網承認有效，須廣播給每個節(jié)點(礦工)；(2)每個礦工節(jié)點要正確無誤地給這10分鐘的每筆交易蓋上時間戳并計入那個區(qū)塊；(3)每個礦工節(jié)點要競爭10分鐘區(qū)塊的合法記賬權，并爭取得到25個比特幣的獎勵；(4)如果一個礦工節(jié)點解開了難題，他將向全網公布區(qū)塊記錄的所有蓋時間截交易，并由全網其他礦工節(jié)點核對；(5)全網其他礦工節(jié)點核對區(qū)塊記賬正確無誤后將在該合法區(qū)塊之后競爭下一個區(qū)塊。3.2 區(qū)塊鏈技術基礎三區(qū)塊鏈的工作過程