研究表明，金融行业的技术供应商网络安全普遍较差，甚至低于其服务的金融机构。分析指出，关键供应商存在监控不足和风险管理漏洞，未监控的供应商安全风险更高。大型供应商并不一定更安全，行业对其依赖可能导致系统性风险。

本研究提出了一种新的动态图神经网络（DGNN）架构，旨在解决时间金融网络中的条件$m$步预测问题。通过模拟利率掉期交易数据验证，该模型能够准确预测净变动保证金，为监管机构监测系统性风险提供了重要工具。

本研究系统梳理了新兴人工智能技术的短期和长期风险及其管理措施，填补了相关领域的空白，提供了通用人工智能风险来源与管理措施的目录，帮助AI供应商、研究人员和政策制定者识别和减轻系统性风险。