Coinbase推出AI驱动规则引擎 大幅缩减欺诈应对时间

Coinbase重构反欺诈体系，以机器学习结合高速规则引擎应对新型**

随着TRM Labs警告加密货币欺诈已发展为年规模达数百亿美元并由人工智能技术助长的产业，Coinbase近期通过将机器学习模型与高速规则引擎紧密集成，重建了其反欺诈技术栈，将对新型**模式的响应时间从数日缩短至数小时。

反欺诈架构升级

Coinbase采用双轨策略：机器学习模型负责长期防御，规则引擎负责快速响应，两者在统一框架下协同运作。该框架允许规则引擎捕捉新型欺诈模式，随后将数据反馈至机器学习模型，从而持续强化整体防御能力。公司通过重构数据、自动化架构演进，并为风险团队引入基于笔记本的分析工具，将过去手动且**的规则创建流程转变为数据驱动的自动化推荐系统。

在本次升级中，规则回溯测试性能提升超十倍，使Coinbase能在**行为实时演变时更快地试验并部署新的防护措施。系统现利用机器学习推荐规则参数，旨在**误报率的同时打击欺诈行为，并**限度减少对正常用户的影响。此次升级建立在Coinbase早前提出的可扩展、自适应且感知区块链的机器学习系统愿景之上，旨在不损害用户体验的前提下有效管理产品风险。

加密货币欺诈的工业化趋势

当前加密货币欺诈已呈现工业化态势。区块链情报公司TRM Labs报告显示，2025年全球加密货币欺诈规模约达350亿美元，若计入未报告案例，全球年度损失可能超过2000亿美元。其2026年犯罪报告进一步指出，2025年非法加密货币流动达创纪录的1580亿美元，**网络日益趋向专业化运营，人工智能工具更大幅加速了仿冒身份与规模化渗透行为。

Coinbase**信息安全官菲利普·马丁·伦格霍弗曾表示，交易所**证“人工智能检测欺诈用例”的快速增长，已运用机器学习监测用户活动及支持聊天中的**或账户劫持迹象。交易所近期对自动化、事件驱动规则生成及**规则“一键转换”为模型特征的投资，旨在推动其向全自动风险管理系统迈进——与此同时，欺诈者自身也在利用人工智能更快速地探测并利用系统漏洞。