在静态代码分析领域，融合 LLM 技术为代码安全治理带来了新的进展。通过在静态代码分析场景下，引入长于代码理解和代码生成能力的大型语言模型技术，帮助静态代码分析工具在完成代码缺陷定位后，基于缺陷分析的结果，实现针对复杂场景代码缺陷的智能化解释，帮助降低用户技术门槛和理解问题的时间成本。同时，实现针对代码缺陷的修复代码自动化生成，帮助用户降低缺陷修复的时间成本。

演讲提纲：

1. 现代软件研发体系下的代码分析工具实践

2. 大语言模型能力在代码分析场景下的应用

3. 从代码安全分析走向代码安全治理

你将获得：

• 了解前沿的程序分析技术突破与局限
• 了解如何构建闭环的代码安全治理方案

企业在拓展海外业务时需要在全球范围内提供服务，往往以一套产品技术架构以及数据体系对全球提供服务，但用户使用服务的过程中会接触到来自企业的第一方和第三方的数据流量。全球主流国家都已发布数据保护相关的法案，随着用户隐私保护意识的提升，经常会出现用户投诉和质疑特定流量及第三方数据共享的情况。同时各国的隐私法律法规都对数据跨境和第三方数据共享有很严格的要求，若处理不当可能会引发媒体报道或监管问询等隐私事件。

本次分享根据我们的实战经验，讲述企业出海面临的法律法规背景介绍、可能遇到的典型客诉问题，以及技术团队如何合理解决用户可直接感知的数据跨境和第三方 SDK 数据共享问题。

演讲提纲：

1. 背景 

• 海外法律法规要求和监管动态
• 典型违规和处罚案例

2. 海外用户和媒体对隐私的态度 

• 海外用户咨询和投诉的常见问题
• 媒体常见爆点和影响

3. 海外用户可感知的数据跨境 

• 数据跨境的常见类型
• 海外数据跨境的常见风险
• 数据跨境治理要点

4. 第三方 SDK 

• 第三方 SDK 引入的问题
• 数据共享和用户退出机制
• 第三方 SDK 治理要点

5. 总结与展望

你将获得：

• 了解出海过程中产品研发常见的风险
• 如何解决用户可直接感知的数据跨境和第三方 SDK 的问题

流量雷达是支付宝业务风险技术团队研发的基于端用户行为的业务风险智能分析平台，提供风险行为刻画、行为模式检索和异常行为检测的产品化能力，有力支撑了多个风险领域的治理工作。在建设过程中，构建了面向用户动线的行为检测标准化模型，通过架构设计和算法创新，将海量数据的计算复杂度从指数级优化到倍数级，实现了数亿用户数十亿行为序列的分钟级检索和秒级风险精准识别，解决了复杂业务场景下风险事件现场还原难、溯源成本高、分析效率低以及强依赖专家人工经验等长期存在的行业难题。本次将就以上经验作出分享。

演讲提纲：

1. 背景

• 业务风险复杂性
• 风险防控的技术难点和挑战

2. 支付宝业务安全风险智能对抗技术体系

• 整体建设思路
• 流量雷达在体系中的重要作用

3. 流量雷达架构设计和技术实现

• 系统架构
• 立体的行为刻画技术
• 高效的行为检测技术
• 智能化的行为分析技术

4. 应用实践

• 恶意营销的风险防控
• 服务不可用的问题定位

5. 总结与展望

你将获得：

• 了解端用户行为在业务风险防控中的运用思路
• 了解海量行为数据的模式检测技术

阿里巴巴风控引擎经历了从只有实时引擎到实时引擎、近线引擎、离线引擎三个引擎并存的现状，本议题会为大家介绍三个引擎的建设历程、背后的思考和技术栈。随着安全合规和业务风控的发展，风控引擎遇到了定制化需求的场景，为了做到业务代码和引擎框架代码解耦，我们开发出了一套成熟的开放扩展体系并得到了广泛的使用。本议题会为大家介绍开放扩展体系的建设之路。