logo

Coinbase met à niveau son système anti-fraude, intégrant le machine learning à un moteur de règles, réduisant le temps de réponse à quelques heures

By: rootdata|2026/04/23 22:42:01
0
Partager
copy

Coinbase a déclaré qu'elle optimisait le processus de création de règles dans son système antifraude en intégrant des modèles d'apprentissage automatique à un moteur de règles, pour une gestion des risques plus efficace. Il a également proposé une stratégie à double voie de « modèles responsables de la défense à long terme, règles responsables de la réponse rapide », et a construit un cadre unifié pour créer une boucle de rétroaction entre les deux : les règles sont utilisées pour capturer de nouveaux types de fraude et former le modèle à l'envers, améliorant ainsi continuellement les capacités globales de défense.

En termes d'optimisations spécifiques, Coinbase a transformé le processus de création de règles précédemment manuel en un système de recommandation automatisé et basé sur les données en restructurant les données, en automatisant l'évolution des schémas et en introduisant des outils d'analyse basés sur des carnets, améliorant considérablement l'efficacité. Parmi ces améliorations, les performances des backtests de règles ont été multipliées par plus de 10, et le temps de réponse global a été réduit de plusieurs jours à quelques heures. De plus, le nouveau système utilise l'apprentissage automatique pour recommander des paramètres, ce qui aide à réduire les taux de faux positifs tout en luttant contre la fraude et en minimisant l'impact sur les utilisateurs normaux. Coinbase a indiqué que la prochaine étape consistera à faire progresser la génération automatique de règles basée sur les événements et à explorer la « conversion en un clic » de règles efficaces en fonctionnalités modèles, en s'orientant vers un système automatisé de gestion des risques.

Vous pourriez aussi aimer

Cryptos populaires

Dernières actus crypto

Lire plus