深度学习技术在海关风险甄别中的应用研究

随着互联网的高速发展和人工智能时代的到来,越来越多从前必须由人脑完成的工作能够利用计算机技术来完成,而深度学习的出现更解决了传统机器学习算法在计算机视觉领域、自然语言处理领域表现不佳的问题,使机器也能够拥有准确感知图像和语音的能力。人脸识别是深度学习网络最常见的应用场景之一,具有自然、直接、方便的特点,且不需要检测对象配合,因此非常适合用于公共安全领域的风险检测。研究充分结合海关实际需求,搭建基于深度学习技术的人脸识别模型,提供对通关旅客进行实时风险甄别的解决方案,以及海关通关风险防控场景的理论参考,为后续深度学习技术在海关业务的研究提供支撑。     

全球智慧海关在线服务发展综述

为借鉴各国发展成果为智慧海关建设提供参考,本文依据世界海关组织的机构设置,选取62个事项对185个海关成员、59个语种的在线内容逐一梳理,通过构建指标,分析各区域、各成员在综合管理、税则和贸易、合规与便利、检验检疫、能力建设方面的发展情况。考虑到难以对各业务条线的重要性赋予权重,因此仅构建了覆盖率指标。通过对照,欧洲区域、亚太区域不仅总体覆盖率较高,在各分项方面也居于领先位置;具体成员方面,由于各经济体海关机构设置、信息化发展沿革存在差异,因此各分项之间覆盖率排序变化较大;国际化方面,联合国官方语言依然是主体。分析表明,由于海关非传统职能不断扩充,因此通过电子申报率单一指标评价智慧海关建设情况不够全面。研究显示,通过构建量化评估指标,并据此提升在线服务覆盖率和语种数量,有助于跟踪国际海关动向,分析自身优势和短板,为智慧海关建设提供决策参考。