Coinbase heeft zijn antifraude-stack opnieuw opgebouwd door machine learning-modellen strak te integreren met een high-speed regels-engine, waardoor de reactietijden op nieuwe oplichtingspatronen zijn teruggebracht van dagen naar uren, net nu TRM Labs waarschuwt dat cryptofraude een miljardenindustrie per jaar is geworden, versterkt door AI.
Coinbase heeft zijn antifraude-stack geüpgraded door machine learning-modellen strak te integreren met een regels-engine, waardoor de reactietijd op nieuwe fraudepatronen is teruggebracht van meerdere dagen tot slechts enkele uren, nu door AI mogelijk gemaakte scams toenemen in de cryptosector.
Het bedrijf beschrijft een strategie met twee sporen, waarbij “modellen verantwoordelijk zijn voor langetermijnverdediging en regels verantwoordelijk zijn voor snelle respons”, allemaal ondergebracht in een uniform framework dat regels in staat stelt nieuwe fraudetypen vast te leggen die vervolgens kunnen worden teruggekoppeld naar modellen om de algehele verdediging in de loop van de tijd te versterken.
Coinbase zegt dat het wat voorheen een handmatig en langzaam proces was voor het opstellen van regels, heeft omgevormd tot een datagestuurd, geautomatiseerd aanbevelingssysteem door gegevens te herstructureren, schema-evolutie te automatiseren en notebook-gebaseerde analytische tools te introduceren voor zijn risicoteams.
Als onderdeel van de herziening zijn de prestaties van regel-backtesting met meer dan 10 keer verbeterd, waardoor Coinbase veel sneller nieuwe beveiligingen kan testen en uitrollen naarmate het scamgedrag in realtime evolueert.
Volgens Coinbase gebruikt het systeem nu machine learning om regelparameters aan te bevelen, met als doel "het verminderen van vals-positieven terwijl fraude wordt bestreden en de impact op normale gebruikers wordt geminimaliseerd", een belangrijke balans voor een grote beurs die miljarden aan handelsvolume verwerkt.
De nieuwste upgrade bouwt voort op eerdere inspanningen die zijn beschreven in een Coinbase-blog over geavanceerde machine learning-modellen, waarin het bedrijf stelde dat zijn missie is "schaalbare, adaptieve, blockchain-bewuste ML-systemen te blijven bouwen die Coinbase in staat stellen risico's voor zijn producten effectief te beheren" zonder de gebruikerservaring aan te tasten.
De stap komt op een moment dat fraude in crypto geïndustrialiseerd is.
Blockchain-intelligentiebedrijf TRM Labs meldde dat wereldwijde cryptofraude in 2025 ongeveer $35 miljard bedroeg, en waarschuwde dat, wanneer onderrapportage wordt meegerekend, "de totale jaarlijkse verliezen waarschijnlijk meer dan $200 miljard wereldwijd bedragen".
In een afzonderlijk misdaadrapport van 2026 zei TRM dat illegale cryptostromen in 2025 een record van $158 miljard bereikten, waarbij scamnetwerken steeds meer opereren als professionele bedrijven en AI-tools impersonatie en outreach op schaal versnellen.
De Chief Information Security Officer van Coinbase zelf, Philip Martin Lunglhofer, heeft eerder gezegd dat de beurs een groeiend "AI-gebruik voor fraudedetectie" ziet en al machine learning gebruikt om gebruikersactiviteit en ondersteuningschats te monitoren op tekenen van scams of accountovernames.
De nieuwste investering van de beurs in geautomatiseerde, event-gestuurde regelgeneratie en potentiële "één-klik conversie" van efficiënte regels naar modelfuncties is bedoeld om Coinbase dichter bij een volledig geautomatiseerd risicobeheersysteem te brengen, aangezien fraudeurs zelf AI inzetten om zwakke plekken sneller dan ooit te onderzoeken en te exploiteren.
Voor bredere context over Coinbase's beveiligingshouding en gebruikersbeschermingsinspanningen kunnen lezers verwijzen naar Coinbase's fraudegerichte blogposts over machine learning en compliance, evenals eerdere berichtgeving over Coinbase scamactiviteit en cryptofraudetrends op crypto.news.
