Coinbase 通过新的人工智能驱动规则引擎缩短欺诈响应时间

Coinbase 通过将机器学习模型与高速规则引擎紧密集成来重建其反欺诈堆栈，将新诈骗模式的响应时间从几天缩短到几小时，正如 TRM Labs 警告说，加密欺诈现在是一个每年数百亿美元的人工智能行业。

Coinbase 通过将机器学习模型与规则引擎紧密集成来升级其反欺诈堆栈，随着人工智能诈骗在加密行业激增，将其对新欺诈模式的响应时间从几天缩短到几个小时。

该公司描述了一种双轨策略，其中“模型负责长期防御，规则负责快速响应”，所有这些都位于一个统一的框架中，让规则捕获新的欺诈类型，然后将其反馈到模型中，以随着时间的推移加强整体防御。

Coinbase 表示，它已将过去手动且缓慢的规则创建工作流程转变为 target="_blank" href="https://www.rootdata.com/news/618934">

Coinbase 的新欺诈手册

作为改革的一部分，规则回测的性能提高了 10 倍以上，使得 Coinbase 能够随着诈骗行为的实时演变而更快地试用和发布新的保护措施。

据 Coinbase 称，该系统现在使用机器学习来推荐规则参数，目标是“减少误报率，同时打击欺诈并尽量减少对普通用户的影响”，这是处理数十亿交易量的主要交易所的重要平衡。

最新的升级建立在 Coinbase 博客中概述的关于高级机器学习模型的早期努力的基础上，该公司表示其使命是“不断构建可扩展、自适应、区块链感知的机器学习系统，使 Coinbase 能够有效管理其产品的风险”，而不会降低用户体验。

人工智能对抗加密货币欺诈的军备竞赛

此举是在加密货币欺诈已经工业化之际发生的。

区块链情报公司 TRM Labs 报告称，到 2025 年，全球加密货币欺诈规模将达到约 350 亿美元，并警告称，如果算上漏报情况，“全球每年的总损失可能超过 2000 亿美元”。

TRM 在另一份 2026 年犯罪报告中表示，非法加密货币流量到 2025 年将达到创纪录的 1580 亿美元，诈骗网络越来越像专业企业一样运行，人工智能工具加速了大规模的冒充和推广。

Coinbase 自己的首席信息安全官 Philip Martin Lunglhofer 此前曾表示，该交易所正在看到越来越多的“人工智能用例来检测欺诈”，并且已经在使用机器学习来监控用户活动并支持聊天以发现欺诈或帐户接管的迹象。

该交易所最新投资于自动化、事件驱动的规则生成以及将有效规则“一键转换”为模型功能的可能性，旨在推动 Coinbase 更接近完全自动化的风险管理系统，因为欺诈者本身会利用人工智能来比以往更快地探测和利用弱点。

有关 Coinbase 安全状况和用户保护工作的更广泛背景，读者可以参阅 Coinbase 关于机器学习和合规性的以欺诈为重点的博客文章，以及 crypto.news 上先前对 Coinbase 诈骗活动和加密欺诈趋势的报道。