Coinbase ulepsza swój system przeciwdziałania oszustwom, łącząc uczenie maszynowe z silnikiem reguł, co skraca czas reakcji do kilku godzin

Firma Coinbase poinformowała, że optymalizuje proces tworzenia reguł w swoim systemie przeciwdziałania oszustwom poprzez integrację modeli uczenia maszynowego z silnikiem reguł, co pozwala na bardziej efektywne zarządzanie ryzykiem. Zaproponowano również dwutorową strategię opartą na „modelach odpowiedzialnych za długoterminową ochronę oraz regułach odpowiedzialnych za szybką reakcję” i stworzono ujednoliconą strukturę zapewniającą sprzężenie zwrotne między nimi: reguły służą do wykrywania nowych rodzajów oszustw i szkolenia modelu w trybie odwrotnym, co pozwala na ciągłe wzmacnianie ogólnych zdolności obronnych.

Jeśli chodzi o konkretne usprawnienia, firma Coinbase przekształciła dotychczasowy, ręczny proces tworzenia reguł w oparty na danych i zautomatyzowany system rekomendacji poprzez restrukturyzację danych, automatyzację ewolucji schematów oraz wprowadzenie narzędzi analitycznych opartych na notebookach, co znacznie poprawiło wydajność. Wśród tych ulepszeń wydajność testowania historycznego strategii wzrosła ponad dziesięciokrotnie, a całkowity czas reakcji skrócił się z kilku dni do kilku godzin. Ponadto nowy system wykorzystuje uczenie maszynowe do sugerowania parametrów, co pomaga zmniejszyć odsetek wyników fałszywie pozytywnych, jednocześnie zwalczając oszustwa i minimalizując wpływ na zwykłych użytkowników. Coinbase zaznaczyło, że kolejnym krokiem będzie udoskonalenie automatycznego generowania reguł opartego na zdarzeniach oraz zbadanie możliwości „konwersji jednym kliknięciem” skutecznych reguł na cechy modelu, co stanowi kolejny krok w kierunku stworzenia zautomatyzowanego systemu zarządzania ryzykiem.