欢迎加入我们！csse@szu.edu.cn
欢迎加入我们！csse@szu.edu.cn
“区块链是一种由多方共同维护，使用密码学保证传输和访问安全，能够实现数据一致存储、无法篡改、无法抵赖的技术体系” （摘自《可信区块链认证系列标准》）。区块链的基础是P2P分布式网络、加密算法和共识机制。比特币是区块链技术的第一个成功的应用。
区块链技术的核心优势是去中心化，可追溯，不可篡改。能够通过运用数据加密、时间戳、分布式共识和经济激励等手段，在节点无需互相信任的分布式系统中实现基于去中心化信用的点对点交易、协调与协作，从而为解决中心化机构普遍存在的高成本、低效率和数据存储不安全等问题提供了解决方案。区块链技术被认为是继大型机、个人电脑、互联网、移动/社交网络之后计算模式的第五次颠覆式创新，很可能在全球范围引起一场新的技术革新和产业变革。联合国、国际货币基金组织，以及美国、英国、日本等国家对区块链的发展给予高度关注，积极探索推动区块链的应用，中国人民银行也已成立专门的数字货币研究所，研究探讨发行虚拟货币的可行性。
区块链技术发展方兴未艾，各国政府逐渐认识到区块链技术在各领域的应用潜力，开始推进区块链技术的合规发展。欧洲政府对区块链的研究和试点较为积极，瑞典在区块链的应用中落地较早，正在大规模公开测试，用区块链记录土地所有权。英国在区块链技术的研究较多，于2016年发布了《分布式账本技术：超越区块链》白皮书，并推出了加密货币RSCoin原型。荷兰央行也正在开发基于区块链的原型货币“DNBCoin”。美国应用同样积极，美国国土安全部正寻求利用区块链技术保证美国边境摄像头的安全，特拉华州政府已经使用区块链技术降低企业注册成本。而日本央行与日本交易所集团(JPX)牵头成立日本区块链联盟，开展资本市场基础设施建设导向的数个区块链项目。中国在2016年将区块链列入“十三五”规划，积极推进和探索区块链技术。
区块链是一个正在推动社会生产生活产生革命性变化的技术，吸引了学术界的高度关注。例如自然杂志2019.1月发布的2018年主要科学数据库中的热门搜索词中，“癌症”，“区块链 ”，“大数据”和“人工智能”排名前四。探索以区块链思想为核心，包括计算机网络科学、密码学、经济学、计算机科学等多学科在内的综合科学技术系统具有重要的意义。
区块链的核心可以建模为一个大规模分布式对等广播（LDPB）网络。这个逻辑网络建立在底层的TCP/IP架构之上，同时支持上层的区块链业务应用。首先基于复杂网络的理论，研究理想的LDPB网络的性能分布函数，建立定量的可扩展性、去中心化和安全性之间的函数关系（不可能三角）。之后，在理想LDPB网络中引入底层的带宽、时延、处理能力等限制参数，引入上层的共识算法、密码学算法、大数据存储等需求，从而扩展之前的不可能三角函数，理解不同限制因素对区块链性能的影响。最后，基于上述理论分析，探索网络分片、RDMA、分层技术等对LDPB区块链网络的改进。
具体研究路线分为下面四步。(1)抽象LDPB网络：首先将区块链系统抽象为一个大规模分布式对等广播（LDPB）网络，研究这个理想的LDPB网络的性能函数。即给定网络节点数N，这些节点按照给定规则随机进行连接之后形成大规模对等网络，研究这个网络在不同的对等程度下（分布式）的消息广播性能，从而建立最基本的LDPB网络性能域。这个性能域的建立包括两个方面，一方面是性能域外界，即理论上不可达的性能边界；另一方面需要研究各种方案下可能达到的最大性能域。(2)考虑共识算法因素：在内容(1)中主要考虑单个消息的广播性能，而区块链系统需要完成长时间稳定运行的广播数据同步任务。区块链通过使用分布式共识算法保证系统的数据一致性和节点间协调稳定，所以需要研究共识算法下区块链的性能。在这种情况下，除了消息的平均稳定广播时间，还需要考虑网络分裂/消息劫持风险。所以针对系统的性能分析将变成一个三维性能空间：广播速度、网络安全和节点对等程度（分布式）。按照内容(1)的研究思路，探索这个性能空间的外界与可达边界。(3)考虑计算机网络因素：LDPB网络是一个逻辑抽象网络，区块链必须运行于计算机网络之上，每个节点都是有一台计算机完成的。所以区块链性能还必须考虑实际计算机网络的影响。计算机网络会带来延时、抖动、丢包、拥塞等不同情况，计算机节点都会有处理能力和带宽的限制。将这些因素加入研究内容(2)的模型之中，获得更符合实际系统的理论模型与理论结果。这个理论模型可以帮助我们认识到现有计算机网络在哪些部分对区块链的性能影响最大，从而可以指导我们改进现有计算机网络协议，提升区块链系统的性能。(4)区块链优化与设计：基于上述理论分析，将对区块链的系统设计构架、设计参数、共识算法、密码学算法等进行优化，获得一个能够逼近性能空间外界的区块链系统。探讨RDMA网络、分布式存储、机器学习算法等在区块链系统中的应用。
密码学（cryptography）是区块链技术最重要的理论基石之一。目前，安全哈希算法（secure hash algorithm），数字签名（digital signature）、非对称加密（asymmetric cryptography）支撑了区块链的基本应用需求。然而，当前主流区块链平台采用的密码学技术主要采用多年前就已成熟的密码学技术，随着区块链平台规模的扩大和应用多样性程度的提高，传统密码学在效率和隐私保护方面的不足开始显现，为针对区块链的密码学研究提出了挑战。
一方面，密码学作为区块链系统不可或缺的一环，其算法效率直接影响到整个区块链系统的吞吐量。例如，在比特币和以太坊中，在每一笔交易处理的流程中都会多次调用基于secp256k1椭圆曲线的非对称密码学算法（非对称加密和数字签名），由于该算法的复杂度较高软件执行速度慢，降低了系统的交易处理速度从而影响到整个区块链系统的吞吐量（TPS），限制了区块链系统的大规模实时性应用。为了提高区块链吞吐量，实现高性能低复杂度的密码学技术是亟待突破的瓶颈。针对这个瓶颈，可以通过优化和改进目前效率极低的非对称密码学和零知识证明算法以及研究密码学算法模块硬件化技术来提升区块链系统吞吐量，满足大规模实时性应用的需求。
另一方面，用户隐私安全性是区块链系统的一个重要性能指标。虽然非对称加密技术的使用给区块链带来了一定程度的“匿名性”，但是多个研究结果表明可以通过数据挖掘技术追溯账户之间的关系甚至是账户的真实身份。由于区块链的链上数据是全网公开的，如何在公开数据环境下保护用户隐私也是区块链技术研究的一个重要课题。从目前的解决方案来看，环签名、群签名能够有效保护账户的匿名性，而零知识认证（zkSNARK）则能在保证可信交易的同时不泄露任何其他信息。所以，针对区块链系统应用的低复杂度的零知识证明算法和群签名、环签名算法研究也是一个重要的研究方向。
区块链应用场景非常丰富，这些应用场景一方面为区块链的研究提供需求指引，另一方面区块链应用系统的研发也是推动区块链落地的关键。该方向主要进行以下三个方向的研发。
(1)基于区块链技术的去中心化大数据交易系统
利用区块链技术打造一个去中心化的可信数据收集、存储和交易网络。研发系统的整体架构
底层为区块链层：除了传统的机制保证区块正常生成，我们特别引入分片技术，提高交易速度；
虚拟链层：我们引入虚拟机层，规定数据的交易模式，以及数据展示、查询的数据模式；所研发的名誉系统与激励机制也在这一层定义，提升交易质量；
路由层与存储层：我们提供存储层用于在线存储交易数据，可以同时存储在多种分布式在线数据库，同时提供路由层用于寻址访问数据。
其中，区块链层和虚拟链层构成了本系统的控制面，路由层和存储层构成了本系统的数据面。
(2)区块链金融科技的应用
联盟链层：考虑到该KYC项目的特点，拟在各金融机构，监管机构之间及用户之间建立一条联盟链。联盟链节点分为记账节点和非记账节点两种类型。特定节点之间可产生交易，转移KYC Coin。拟采用基于POA共识算法的以太坊搭建此联盟链。
(3)基于区块链的跨境贸易实施系统
系统架构设计分为三层，其中基础网络和逻辑层是基础设施、用户系统是建立在基础设施上的特性应用，可以针对不同的应用需求和场景灵活调整功能，基础设施依赖区块链技术建立多方可信的价值网络，用于解决各方之间的数据同步、互信问题，提高信息传递效率和可信度。
基础网络：基础网络由区块链节点组成的信任网络以及分布式存储节点组成的存储网络构成，区块链是昂贵的信息存储方式，不适合存储大量数据，在实际应用中只有参与各方共同关心的，有必要背书的数据才会存储在区块链上，其他数据我们使用分布式的存储网络来存储和共享
合约层：智能合约是运行在区块链上的“合同”，负责实现数据处理的逻辑。
用户系统：用户系统是直接面向用户的顶层软件系统，它的底层数据支持是区块链网络，跨境贸易管理平台初步设计由三个用户系统组成，每个用户系统会对应一个区块链网络，这些用户系统分别是：政府系统、跨境贸易信息管理平台系统、企业系统。
基于区块链密码学和网络科学的理论研究，面向区块链系统的经济学应用，提出新一代用户隐私认证方案、区块链系统架构、先进的共识算法、智能虚拟机等核心技术；开发一套高效低复杂度的区块链底层技术，开发多个区块链应用系统。
主地址是和实体用户唯一对应的地址账户，在用户创建客户端生成钱包时创建，每个用户有且仅有一个主地址，和身份一一对应。主地址采用椭圆曲线Secp256k1生成公私钥对，再用公钥生成地址，经过数字证书认证之后可以发起交易。隐私地址数量不限，用户根据自己的需求而生成，隐私地址生成要使用到用户的主账户公钥，首次使用需要经过链上验证。隐私地址和主地址分开保存；隐私地址和主地址的依赖关系不可见。
隐私地址生成算法如下。隐私地址根据椭圆曲线Elliptic-curve Diffie–Hellman (ECDH) 算法生成。假设用户X公私钥对为(A,a)，随机生成 Keypair(s,S)，同时有另一名用户Y的密钥对是（B，b），用户X拿到用户Y的公钥B后，可以生成自己的子账户。
子账户公钥：
子账户私钥：
隐私地址即为即：A_1，对应私钥为(a_1,s)，存储到keystore文件中。任意其他用户是无法知道隐私地址A_1和主地址 A的对应关系，只有用户Y才能知晓子账户A_1确实是由主地址 A产生的，因为有：
用户Y代入地址A_1 、A以及自己的私钥b，即可扫描出地址A_1 、A的主从关系。
为了提高底层区块链系统的性能，我们提出了一种模块化的区块链技术架构，其中的每个模块都可以根据系统应用的需求灵活配置具体的算法实现。该架构主要由协议管理模块（protocol manager）、交易池（Txpool）、区块处理（block process）、挖矿管理（miner）。
为了保持POW的优良特性，减少POW新出现的各种问题，提出RPOW算法。在RPOW算法中，每个矿工i在打包第j个块的时候会概率性的获得一个随机难度降低因子 ，所以每个矿工需要计算的哈希值需要满足
其中T是全链的基础难度值。这样，网络里每个节点的难度值都是不同的，而且每个块都会随机变化。为了实现 的随机性、可识别性与不可修改性， 可以根据每个挖矿主地址、当前区块链数据和事先存储信息计算出来。所以在整个出块权的竞争中，获得极大难度降低的节点会大概率获得出块，具体矿工挖矿过程如下：
矿工A同步全量区块账本数据， 并导入挖矿账户信息，挖矿账户地址为T；
在接受到最新的区块后，检查区块的有效性；
打包交易缓冲池内的交易数据，同时检查打包交易的交易有效性；
A计算自己当前的挖矿难度，基础难度会根据上次出块时间和叔块数进行调整，同时矿工对前一个区块的区块数据和挖矿地址进行数据签名，得到签名字符串MinerTag；
计算MinerTag与地址T的匹配程度，根据匹配程度计算难度调整。少数节点可能会获得极大的难度降低，增大出块机率；
调整区块数据（随机数nonce、时间戳、交易等），进行哈希运算，直至区块满足难度要求；
广播新区块，其他节点在接收到区块会检验区块的有效性包括难度的有效性。
RPOW算法可以减低矿池的算力集中程度，降低电力资源浪费，同时提升整个系统的出块速度。
应用区块链技术，研究内容一搭建一个上至政府监管部门、上游需求企业和施工单位，下至供货企业、物流仓储企业、金融机构和检验机构的联盟链（图 12）。联盟区块链的共识过程受若干个主要节点的管理，既能够保证组织运作的效率，又可以兼顾系统安全性和成员共同利益。最初由国家安全生产监督管理局和国家安全生产委员会作为政府牵头部门组建联盟，其他相关政府部门、企业和组织被联盟审核批准后才可作为成员节点加入区块链。准入式机制可以保证参与主体的合法合规性，对私人信息进行加密处理，使参与方获取授权后才能拥有信息访问权。在采购领域，可以遵循区块链格式、加解密算法和传递机制，记录商品信息、用户信息与交易信息，加上时间戳形成数据记录，集成一个安全性、可靠性和透明度高的数据库，并伴随交易活动的发生不断进行更新。采购环节结束后，继续关注供应物品的整个生命周期，一旦发生安全事故，能迅速找到根源，从事故起因反推至商品供应商，既便于追责又能加强供应侧约束。最后通过多区块记录的多次交易数据进行智能分析，可以形成供应链企业的全景视图，展示企业的交易记录及信用状况，进而为智能合约的应用提供基底。
运用智能合约，建立包括供应商选择、交易过程、支付体系、奖惩激励的系统性市场契约，具体概括为以下步骤。第一，注册信息。各供应商在区块链中注册，输入供给能力、特性、诚信记录等信息，并将智能合约注册到区块链中，构成一条元数据区块链。所有市场参与者均成为区块链的节点。第二，设置条件。预置粤港澳大湾区区块联盟链的准入原则，使系统自动筛选准入企业。供应商的选择需要综合考虑价格成本、产品质量、客户服务、售后服务等因素。第三，设置合约。预计交易情况写入区块链参与预交易，收货方确认交易后将交易成功的信息写入区块链。区块链中每个节点都包含实时更新的供需、交易、违约信息。第四，合约运行。运行过程中，实时向系统内相关企业广播合约运行情况。智能合约可以实现：自动交易，即需求和供给情况相互匹配，系统根据智能合约的设定条件触发交易，交易达成后记录在区块链中；自动结算，即根据区块链中存储的交易信息，周期性地进行自动结算，因供应方信息透明清晰，结算不需第三方监管审核；自动调账，即链条上的某个企业内部的资金流低于一定的水平，系统会根据该企业的征信情况、资金流缺口等自动计算出融资额度、融资期限以及融资利率，进而从相关联的保理商划扣账款，并锁定该笔账款。
既能利用区块链技术的数字化又能确保区块链的技术条件，既能利用智能合约的系统性又能保障智能合约的市场工具执行力，是研究内容三构建政策环境的突出优势。粤港澳大湾区拟采取以中央政府为主导，政策、市场与先进技术共同发挥作用的混合社会治理模式。
基于平安集团在对公业务线在风控、投资、营销领域的丰富场景和专业资源，集合了“海量大数据”、“专业场景”和“先进算法”三块人工智能技术发展必备要件，将创新金融的思想融入项目建设中，构建一个以平台生态经营为特色的企业知识图谱，旨在提供卓越的基础商业服务设施和优质的社会公共服务，打造真正落地的工业级平台产品。
在产品开发中，自然语言处理技术主要用于智能提取公开媒体报道、公告、法律文书、社交媒体信息等数据中的关键信息。然后主要通过有监督，半监督或无监督等学习方法来进行信息分析，如事件概念识别、实体发现、属性预测、知识演化建模，关系挖掘能力，情感推断等。目前本项目研发的系统智能关系推断模型精度已达到91%以上，语义情感分析模型精度达到93%以上，实体识别模型精度达到96%以上，超越业界最领先水平。
项目的建设内容以企业供应链/产业链分析为中心，突出智能分析和关联推理能力，具体主要分为以下几点：
(1)企业风控跟踪及量化评级：内容包括对银行、基金、证券、资管、保险资金等在投后/贷后管理方面，特别是固定收益类投资和权益类投资进行全面风险监控和动态量化评级。
(2)企业营销及客户关系管理：内容包括对公业务人员所需的目标企业背景调查，商机智能提取及推送；同时，通过该平台解决大中型企业与海量小微企业之间商务地位不平等，信息不透明问题，加速商务交易撮合速度，反哺企业社会信用体系建设。
(3)企业投资及量化交易支持：内容包括投资标的（如股票、期货、期权、外汇等）筛选、跟踪，以及支持量化交易模型开发所需要的因子库建设、事件驱动策略开发等。
依托于企业大数据认知图谱及金融风控平台，以供应链、产业链为内在业务逻辑，以公开公共信息为基础，以知识图谱、自然语言理解及语义推理等人工智能技术为驱动力，以平安的丰富场景为依托，通过关联企业、行业、人物和事件，实现企业经营的全方位考察，为企业风控、投资、营销，及政府公共服务提供智能化的综合解决方案。
主要应用领域为金融垂直领域，应用场景分为风控，营销，投资以及公共服务。就金融领域来说，规则可以是专家对行业的理解，投资的逻辑，风控的把握，关系可以是企业的上下游、合作、竞争对手、子母公司、投资、对标等关系，可以是高管与企业间的任职等关系，也可以是行业间的逻辑关系，实体则是投资机构、投资人、企业等等，把它们用知识图谱表示出来，从而进行更深入的知识推理。
核心底层技术是自然语言语义理解、推理、图分析等处理非结构化数据的技术，与同类项目相比，主要依据结构化数据做可视化或整合相比，技术壁垒更高。目前本项目研发的系统智能关系推断模型精度已经达到91%以上，语义情感分析模型精度达到93%以上，实体识别模型精度达到96%以上，超越业界最领先水平。
目的建设对金融科技产业发展与结构调整的影响作用主要体现在三个方面：信息服务功能，舆情服务及监管功能，以及中小企业金融服务功能。该平台可以面向社会公众免费公开查询相关企业信息，减少信息的不对称性，促进市场的良性竞争与产业的健康发展；该平台有助于企业和国有资产舆情跟踪及监管，实时报告舆情及风险事件走势；该平台可以对中小企业进行相关金融服务的量化评估，帮助中小企业获得第三方金融或类金融机构的信用担保、增信服务，强化其融资能力，有效助力实体企业解决其经营过程中的“融资难、融资贵、融资慢”的问题。
(1)针对每类事件进行针对性开发识别模型，然后进行跟踪调整，优化模型的识别结果。
(2)命名实体识别是信息提取、问答系统、句法分析、机器翻译、面向Semantic Web的元数据标注等应用领域的重要基础工具，通过实体边界识别、确定实体类别（人名、地名、机构名或其他）来构建企业实体和人物实体识别模型。
(3)企业和人物实体识别之后，主要应用有监督的学习方法、半监督的学习方法、无监督的学习方法来对各类实体之间的关系进行建模推断。
(4)情感分析的目的是为了找出说话者/作者在某些话题上或者针对一个文本两极的观点的态度。基于监督学习的情感分析仍然是主流，另外将SCL引入了中文跨领域情感分析中。
(5)采用深度学习模型的解决方案，进行机器阅读理解训练。
(6)在自然语言对句子的理解中，首先通过语词本身的意思来进行解读，需要证实和去除歧义的时候采用句法的分析，另外运用句法结构上的不同，去理解和表达各种关系、结构和变化，再根据结构关系，进行逻辑处理。以此实现关联推理。
新兴的单生物特征的识别技术，如人脸识别、指纹识别提高了传统身份认证的效率和准确率，节约了大量人力，然而单生物特征的识别技术受到其自身固有的局限性影响，无法达到百分之百的识别精度，对于金融、公安、医疗等敏感行业来说，有时难以满足业务需求。基于此背景，平安科技通过引入前沿的深度学习技术与大数据技术，深度融合人脸、声纹、口型识别能力，创新性地研发出一种基于多模态生物特征识别的身份认证方法。
多模态生物识别是指整合或融合两种及两种以上的生物特征，利用多重生物识别的独特优势，使认证过程更加精确、便捷、安全。相比于单生物特征识别，多模态的多重认证过程保证了单生物特征识别之间优势互补，极大的提高了识别技术的可靠性和安全性；用户可以根据不同的使用环境和需求选择不同的生物识别技术进行融合，有极大的个性化定制的空间，辐射更广泛的需求。
依托于平安集团的海量数据和多项科学前沿技术的深层次研究成果，平安科技将多种生物特征识别技术互相融合，所研发的多模态生物特征识别的身份认证方法助力金融监管、金融商贸服务、个人金融业务办理等领域。目前，多模态生物特征识别的应用已实现无人工审核身份验证以及安全、高效、便捷的审批、授信、放款等个人业务办理。多模态助力金融服务流程的优化、金融业务模式的改进，在提高金融机构风险甄别防范能力和服务创新能力的同时降低人工成本、提高业务效率、为大众带来便捷的金融服务。
在金融领域，目前该技术已运用于平安集团其他多家子公司的金融业务，如平安普惠的贷款业务，平安银行的大额资金操作业务和电话中心业务，以及快乐平安APP登录、解锁业务，用户通过结合多模态身份认证技术，能够通过APP人脸声纹双重身份认证进行各项金融业务办理身份认证，达到最高安全等级。
所提出的多模态身份认证由以下部分构成。
(1)人脸识别
人脸识别是基于人的脸部特征信息进行身份识别的一种生物识别技术。用摄像机或摄像头采集含有人脸的图像或视频流，并自动在图像中检测和跟踪人脸，进而对检测到的人脸进行脸部的一系列相关技术。其中，人脸识别技术全面实现了人脸检测、特征点定位、人脸识别、姿态估计、活体识别等关键技术
(2)声纹识别
通过特定算法从音频信号中提取的一段数字摘要，按照声纹提取算法计算其音频特征，建立识别模型，对说话人进行辨认和确认。声纹识别技术全面实现了文本相关识别、文本无关识别、1对多识别、超短语音识别、防录音、防合成、语音识别、活体检测等关键技术。
(3)其他生物特征识别
该系统是一个开放的接入平台，可以集成其他生物特征识别技术，如虹膜识别、静脉识别、视网膜识别等等，用以提高系统的综合识别能力、可靠性和准确性。
多种生物特征识别技术在本项目中的应用并不是简单的组合拼接，而是基于云计算、大数据算法等技术对单生物特征识别结果的融合，将单个生物特征所不能识别的信息用其他生物特征信息来补充，获取最终的识别结果。
在整个识别流程中，首先借助终端，如手机、平板电脑等，依赖终端所具有的传感器，如摄像头、指纹传感器、麦克风等，获取客户相应的生物特征信息，对每一类信息分别采用相应算法模型进行识别，将所有获取的结果进行加权融合，并进行一系列后处理操作，将单个生物特征所不能识别的信息用其他生物特征信息来补充，获取最终的识别结果。
通过深度学习、生物特征识别等人工智能技术，结合平安云计算、大数据，提供高精度、高性能、高可用性的多模态身份认证服务平台。通过人脸识别和声纹识别等相关生物特征识别技术融合的多模态身份认证技术，有效覆盖全部场景，可弥补单一身份认证方式可能存在的局限性，并且降低风险发生的可能性。同时在提高通过率降低虚警率的同时降低对计算资源的消耗，使得无感知动态识别成为可能。
平安科技人脸识别及声纹识别行业水平：处世界一流行列。声纹识别准确率：文本相关99.8%，文本无关95.3%；人脸识别LFW国际权威测试精确率99.8%，公安三所认证准确率99.84%；唇读算法技术，活体检测识别率在90%~92%左右。依托平安集团的技术积累和数据优势，在准确率和计算性能方面都达到了国际领先水平。
博士，国家千人计划特聘专家，卡耐基梅隆大学博士，教授级高级工程师，平安集团首席科学家，集团执委，平安科技人工智能中心总经理。深圳大学、清华大学、同济大学客座教授，中国医学装备协会人工智能联盟专委会副主任。中国医学装备协会人工智能联盟专委会副主任。肖京博士多次担任IEEE重要国际学术会议委员会成员，美国国家自然科学基金（US-NSF）及美国国家健康研究院（US-NIH）基金评审专家委员会成员。肖博士长期从事人工智能与大数据分析挖掘相关领域的工作，先后在爱普生美国研究院及美国微软公司担任高级研发管理职务，获得90余项美国授权专利，获得69项中国发明专利，并发表80多篇学术论文专著。肖京博士领导平安“金融+科技”智能化转型工作，完成了金融智能推荐、金融风险管理与反欺诈识别、智能投顾、智能医疗健康、智慧城市等领域的技术应用与战略布局。帮助平安集团迅速从传统金融模式向互联网金融模式成功转型，并带领1200余人的人工智能开发团队自主研发了--平安脑智能引擎，集成营销、运营、风控、服务、决策、预测6大服务集成模块，为平安集团内外客户提供AI应用和解决方案。
教授、博导，深圳大学区块链技术研究中心主任。1969年9月生，汉族，籍贯陕西西安。1997年4月参加工作，1993年6月加入中国共产党。西安交通大学电子与信息工程学院生物医学工程与电子仪器专业博士。
教授、博导，电子与信息工程学院副院长，区块链研究中心常务副主任。2002年和2005年于中国科学技术大学获得学士与硕士学位，2008年于香港中文大学获得博士学位，然后在深圳大学信息工程学院工作。2008年至2011年承担讲师工作，2012年至2016任职副教授（破格），2016.12晋升教授（破格）,2019年深圳市鹏城学者特聘教授。其中2014.3-2015.3在斯坦福大学访问，任访问副教授；长江商学院客座讲师，深圳市南山区区块链技术应用协会创始会长。张胜利是物理层网络编码(Physical layer Network Coding)的提出者。其2006年在国际顶级会议Mobicom上首次发表了论文” Physical layer Network Coding”，提出了物理层网络编码的概念。目前，该论文的引用超过2000次，被谷歌学术评为首届经典论文。张老师主持的研究项目包括科技部973青年科学家专题（课题负责人，2013CB336700）一项，国家自然科学基金三项，广东省自然科学基金(自由申请)项目两项,深圳市杰出青年项目一项，深圳市基础研究布局项目一项等，经费金额超过600万。作为第一作者、通信作者发表SCI论文20余篇，包括5篇中科院分区1区期刊文章，1篇中科院分区TOP期刊论文，3篇ESI高被引论文，论文的总引用次数超过3000次。本人作为主要撰写者，出版英文专著一部：S. Liew，L. Lu，Shengli Zhang, “A primer on physical-layernetwork coding”，Morgan and Claypool Publishers，2015 (按姓氏排名)；出版中文专著一部：周清峰，张胜利，开彩红，李瑜波“无线网络编码”，人民邮电出版社，ISBN：9787115366412，2014。获得2015年ACM Mobihoc (CCF B类会议)最佳演示奖，获得IEEE Wireless Communications Letter的模范审稿人奖，获得深圳大学2015年学术论文一等奖。
博士，平安科技副总工程师、资深人工智能总监、平安联邦学习技术发展联盟副理事长，平安深度学习平台和AutoML平台总设计师，美国佛罗里达大学人工智能博士后，深圳市领军人才，高级工程师。现任中国计算机学会大数据专家委员会委员，高级会员，CCF深圳分部委员，YOCSEF深圳副主席。曾任美国莱斯大学电子与计算机工程系研究员，专注于联邦学习和人工智能在金融、保险、投资、银行和医疗等领域的研发工作，发表联邦学习、深度学习、云计算和大数据等领域国际论文50余篇，以及发明专利200余项。多届国内知名大数据、人工智能、金融科技和联邦学习会议论坛主席和出品人。
团队围绕区块链这一多学科交叉领域，在区块链网络科学、区块链密码学、区块链经济学以及区块链系统实现方面都有长期的技术积累。在相关方向主持的国家级项目（面上及以上）9个，获得国内外奖励11个，申请专利超过30个（包括两个美国专利），发表顶级期刊或者会议论文50篇（包括14篇ESI高被引论文）。
(1)科学研究
初步建立区块链系统科学的理论体系，发表高水平论文50篇，申请核心专利20个。
(2)产业应用
研发一个智能区块链系统，在5个行业领域进行试点应用。
(2)人才培养
培养博士后30人，博士生30人，硕士生100人。
