上海金融与发展实验室首席专家、主任曾刚对记者分析指出，在数据安全和隐私保护方面，可以通过数据加密、脱敏处理和差分隐私技术，确保数据在传输和处理中的安全性。同时，支持本地化部署，避免数据外流，增强企业对数据的掌控力。此外，严格的访问控制和操作审计机制也能进一步保障数据安全。而在合规运营上，DeepSeek需符合欧盟的GDPR（《通用数据保护条例》）、美国的CCPA（《加州消费者隐私法案》）等数据保护法规和金融行业标准（如ISO27001信息安全管理体系认证）。通过提供模型可解释性工具，满足监管对算法透明度的要求，并定期进行模型审计和性能监控，确保合规性和风险可控。
"幻觉"问题仍是一大挑战
DeepSeek系列模型以其出色表现迅速席卷金融科技圈，但"幻觉"问题依然是它面临的一大挑战。在Vectara HHEM人工智能幻觉测试（行业权威测试，通过检测语言模型生成内容是否与原始证据一致，从而评估模型的幻觉率，帮助优化和选择模型）中，DeepSeek-R1显示出14.3%的幻觉率。
"目前有待解决的是幻觉问题。"华泰证券科技与电子行业首席分析师黄乐平对记者直言，数据是金融企业的核心资源，使用OpenAI公司开发的闭源模型时，需要上传私有数据，是金融行业使用大模型的主要痛点。DeepSeek开源，可以以更低的成本部署在金融企业自己的本地服务器上，这解决了数据泄露的风险，为大模型在金融行业普及铺平了道路。
朱威也指出，DeepSeek推理模型相对于通用模型会产生更大幻觉，这是消费金融企业在AI落地过程中需要解决的另一个主要问题。他建议，通过知识库检索增强生成（RAG）、领域微调、人工校验等方式进行缓解，从而确保推理结果的准确性与可靠性。
针对大模型幻觉问题，曾刚建议，通过引入金融领域知识图谱和规则库，限制生成内容在可信范围内；同时，通过高质量数据的监督微调优化模型表现，并结合结果验证机制和人工审核，确保输出的准确性和可靠性。这种多层次的控制能够有效降低幻觉风险，提升模型在金融场景中的可信度。
