疫情大大加速了电子商务在全球的发展和企业的数字化转型。PayPal 为了能够应对不断变化的内外环境，借助业界领先的机器学习算法，投入使用了整体策略和日常决策的自动化。本次演讲将分享以上经验。

演讲提纲：

1. PayPal 数据科学自动化的背景及挑战

2. 方案设计及案例分析

• 敏捷模型和策略的更新
• 解决方案的闭环自动化

3. 数据科学自动化产品的未来展望

你将获得：

• 如何构建数据科学自动化生态
• 通过标准化和定制化节省规则/策略生成的人力资源

业务数字化的推进，对核心的既存应用系统快速响应业务需求的要求越来越高，核心系统的改造迫在眉睫。本次分享，将深入分析核心系统的解耦、重构、上云，以及团队技术转型从 0 到 1 的实现路径。

演讲提纲：

1. 核心既存系统的现状与挑战

• 相对封闭的平台
• 缺少工具支持
• 开发人员稀缺
• 业务复杂耦合度高，牵一发动全身

2. 系统改造之路——技术转型如何选择

• 重构系统，迁移上云
• 通过工具自动转换开发语言构建云上系统
• 重写 vs 工具的对比和使用场景

3. 系统改造之路——决定成败的是人

• 赋能团队
• 团队技能持续改进的文化建设 

你将获得：

• 了解核心既存系统转型的挑战
• 了解不同的核心系统改造并且上云的方法
• 了解如何赋能团队进行技术转型

金融科技在发展的同时也面临诸多挑战，包括网络安全风险、应用代码安全风险、供应链软件安全风险在内的科技风险治理就是一个需要重点攻关的课题。

大多数金融科技企业都已根据自身情况初步建立了软件安全研发生命周期流程体系（SDL/DevSecOps），以期通过研发过程中识别和消除大部分安全风险。如何全方位、系统化的高效识别研发流程中的各类安全风险，提升安全研发管控流程的数字化水平，整个行业都在探索技术方案上的创新和突破。

复杂的支付业务场景往往具有较长的逻辑链路，传统安全工具难以进行自动化理解和风险全面扫描识别。安全风险的发现和处置非常倚赖研发工程师、安全工程师的意识、经验和人力投入，风险覆盖度无法系统性保障，安全生产效率也难以提升。在落地SDL体系的过程中，我们曾被这个问题长期困扰。最终我们引入图计算等技术手段，升级构建了一套新的安全研发流程平台与工具体系，较好的解决了这个难题。

在新的工具体系中，我们使用动静态程序分析技术对单个应用进行了完整地业务抽象建模，设计了以业务场景风险数据为主体的图数据库，构建代码调用链路图和数据流转链路图对业务逻辑进行准确刻画。在此基础上，我们将安全专家的经验和已有安全漏洞案例抽象为图数据库的风险查询规则，专家的经验转化为图数据库计算能力，实现了工程师与自动化工具的高效协同。

我们正在支付宝实践与落地这套平台与工具体系，并以此为基础构建了核心安全风险指标体系，形成较为全面的安全风险图谱，全面提升了科技风险识别能力和处置水平。

演讲提纲：

1. 安全研发生命周期体系的技术挑战和痛点

2. 破局：构建图计算驱动的新一代安全研发工具体系

• 基于程序分析技术的业务抽象建模
• 构建业务场景风险数据为主体的图数据库
• 构建高效、高精度跨应用时序链路的探索能力

3. 实战应用案例

• 基于可视化链路的场景识别与风险评估过程
• 基于数据流转链路的内容安全风险识别

4. 安全研发体系的未来

你将获得：

• 在复杂组织中落地软件安全研发流程体系的实践经验
• 如何结合程序分析、图数据库技术实际解决安全风险评估痛点问题的实践经验