Coinbase hat seinen Betrugsbekämpfungs-Stack neu aufgebaut, indem es maschinelles Lernen-Modelle eng mit einer Hochgeschwindigkeits-Regel-Engine integriert hat. Dadurch werden die Reaktionszeiten auf neue Betrugsmuster von Tagen auf Stunden reduziert, während TRM Labs davor warnt, dass Krypto-Betrug mittlerweile eine jährlich mehrere zehn Milliarden Dollar umfassende, KI-gestützte Industrie ist.
Coinbase hat seinen Anti-Betrugs-Stack aufgerüstet, indem es Machine-Learning-Modelle eng mit einer Regel-Engine integriert hat, wodurch die Reaktionszeit auf neue Betrugsmuster von mehreren Tagen auf nur wenige Stunden verkürzt wird, während KI-gestützte Betrugsmaschen im Krypto-Sektor zunehmen.
Das Unternehmen beschreibt eine zweigleisige Strategie, bei der „Modelle für die langfristige Verteidigung zuständig sind und Regeln für die schnelle Reaktion“, alles in einem einheitlichen Framework untergebracht, das es Regeln ermöglicht, neue Betrugsarten zu erfassen, die dann in die Modelle zurückgeführt werden können, um die gesamten Abwehrmaßnahmen im Laufe der Zeit zu stärken.
Coinbase gibt an, dass es den ehemals manuellen und langsamen Workflow zur Regelerstellung in ein datengesteuertes, automatisiertes Empfehlungssystem umgewandelt hat, indem es Daten neu strukturiert, die Schema-Evolution automatisiert und Notebook-basierte Analysetools für seine Risikoteams eingeführt hat.
Im Rahmen der Überarbeitung hat sich die Leistung des Regel-Backtestings um mehr als das Zehnfache verbessert, wodurch Coinbase neue Schutzmaßnahmen wesentlich schneller testen und einführen kann, während sich Betrugsverhalten in Echtzeit weiterentwickelt.
Laut Coinbase nutzt das System nun maschinelles Lernen, um Regelparameter zu empfehlen, mit dem Ziel, „Fehlalarmraten zu reduzieren, Betrug zu bekämpfen und die Auswirkungen auf normale Benutzer zu minimieren“ – eine wichtige Balance für eine große Börse, die Milliarden an Handelsvolumen verarbeitet.
Das jüngste Upgrade baut auf früheren Anstrengungen auf, die in einem Coinbase-Blog über fortschrittliche Machine-Learning-Modelle beschrieben wurden. Dort erklärte das Unternehmen, seine Mission sei es, „skalierbare, adaptive, Blockchain-bewusste ML-Systeme weiterzuentwickeln, die es Coinbase ermöglichen, Risiken für seine Produkte effektiv zu managen“, ohne die Benutzererfahrung zu beeinträchtigen.
Dieser Schritt erfolgt, da Betrug im Krypto-Bereich industrialisiert wurde.
Das Blockchain-Intelligence-Unternehmen TRM Labs berichtete, dass der globale Krypto-Betrug im Jahr 2025 etwa 35 Milliarden Dollar erreichte, und warnte, dass bei Berücksichtigung von Untererfassungen „die jährlichen Gesamtverluste weltweit wahrscheinlich 200 Milliarden US-Dollar übersteigen“.
In einem separaten Kriminalitätsbericht von 2026 gab TRM an, dass illegale Krypto-Flüsse im Jahr 2025 einen Rekordwert von 158 Milliarden Dollar erreichten, wobei Betrugsnetzwerke zunehmend wie professionelle Unternehmen geführt werden und KI-Tools die Imitation und Kontaktaufnahme in großem Maßstab beschleunigen.
Coinbases eigener Chief Information Security Officer, Philip Martin Lunglhofer, hat zuvor gesagt, dass die Börse zunehmende „KI-Anwendungsfälle zur Betrugserkennung“ feststellt und bereits maschinelles Lernen einsetzt, um Benutzeraktivitäten und Support-Chats auf Anzeichen von Betrug oder Kontoübernahmen zu überwachen.
Die jüngste Investition der Börse in die automatisierte, ereignisgesteuerte Regelerzeugung und die potenzielle „Ein-Klick-Umwandlung“ effizienter Regeln in Modellmerkmale soll Coinbase einem vollständig automatisierten Risikomanagementsystem näherbringen, da Betrüger selbst KI einsetzen, um Schwachstellen schneller als je zuvor zu testen und auszunutzen.
Für einen breiteren Kontext zu Coinbases Sicherheitslage und den Bemühungen zum Benutzerschutz können Leser Coinbases auf Betrug fokussierte Blogbeiträge zu maschinellem Lernen und Compliance sowie frühere Berichte über Coinbase-Betrugsaktivitäten und Krypto-Betrugstrends auf crypto.news einsehen.
