本研究提出了一种基于用户凭证验证的访问控制框架，旨在解决AI安全系统的双重用途问题。通过结合小型专家模块与生成模型，有效实施风险检测，确保经过验证的用户能够获取专业知识，同时阻止对手访问，从而实现模型效用与安全性的平衡。

在数字化转型中，企业越来越重视软件供应链的安全性。FCIS 2024大会将讨论风险识别与治理，周幸将分享关键技术与方法，助力企业转型。

应用自然语言处理（NLP）技术在金融风险检测方面的研究，构建了一个基于 NLP 的金融风险检测模型，旨在识别和预测金融文件和通信中的潜在风险。通过实证研究验证，该模型在风险识别和预测方面表现出色，并为金融机构提供有效的风险管理工具。该研究利用先进的 NLP 技术，为金融风险管理领域提供了有价值的参考，提高了风险检测的准确性和效率。

对于自杀风险的早期检测非常重要，本研究通过青少年自发言语对自杀风险进行自动检测，并收集了汉语数据集，包括来自千名年龄在十到十八岁之间的青少年 15 小时的自杀言语进行实验。通过使用 Whisper 语音模型和大型文本语言模型 (LLM) 来检测自杀风险，采用了全参数微调和参数效率微调方法来适应预训练模型，评估了多种音频文本融合方法来结合 Whisper 和 LLM...

通过使用半监督深度标签平滑方法，Reddit C-SSRS数据集上的五个标签多类分类问题的准确性从43％提高到52％，有潜力更好地支持心理困扰的人们。未来的工作应该探索在嘈杂数据集中同时进行自然语言处理和量化认识不确定性和已知不确定性的概率方法的使用。

Cloudflare One引入了基于用户行为的风险检测功能。通过人工智能/机器学习技术，Cloudflare分析用户活动和行为，识别异常行为和潜在的威胁指标。这使安全团队能够封锁可疑活动并调整安全策略。Cloudflare引入了零信任用户风险评分，根据行为规则自动评估上下文风险。用户风险评分根据Cloudflare账户中的日志数据构建。用户可以启用和禁用风险行为并调整风险评分。用户风险评分和数据丢失防护是Cloudflare One的一部分。

该研究提出了FINER框架，用于生成高保真度和高可理解性的风险检测分类器解释。通过从模型开发者、特征归因设计者和安全专家中获得解释，FINER框架采用解释引导的多任务学习策略提高保真度，并通过任务知识提高可理解性。FINER改善了风险检测的解释质量，并在恶意软件分析方面超过了最先进的工具。