A Coinbase reconstruiu sua pilha antifraude, integrando estreitamente modelos de aprendizado de máquina com um motor de regras de alta velocidade, reduzindo os tempos de resposta a novos padrões de golpes de dias para horas, no momento em que a TRM Labs alerta que a fraude cripto é agora uma indústria de dezenas de bilhões por ano, superalimentada por IA.
A Coinbase atualizou sua pilha antifraude, integrando estreitamente modelos de aprendizado de máquina com um motor de regras, reduzindo seu tempo de resposta a novos padrões de fraude de vários dias para apenas algumas horas, enquanto golpes habilitados por IA aumentam no setor cripto.
A empresa descreve uma estratégia de dupla via onde “os modelos [são] responsáveis pela defesa de longo prazo, as regras [são] responsáveis pela resposta rápida”, tudo abrigado em uma estrutura unificada que permite que as regras capturem novos tipos de fraude que podem então ser retroalimentados nos modelos para fortalecer as defesas gerais ao longo do tempo.
A Coinbase afirma que transformou o que costumava ser um fluxo de trabalho manual e lento de criação de regras em um sistema de recomendação automatizado e orientado por dados, reestruturando dados, automatizando a evolução de esquemas e introduzindo ferramentas analíticas baseadas em notebooks para suas equipes de risco.
Como parte da revisão, o desempenho do backtesting de regras melhorou mais de 10 vezes, permitindo que a Coinbase teste e implemente novas proteções muito mais rapidamente à medida que o comportamento de golpes evolui em tempo real.
De acordo com a Coinbase, o sistema agora usa aprendizado de máquina para recomendar parâmetros de regras, com o objetivo de “reduzir as taxas de falsos positivos enquanto combate a fraude e minimiza o impacto nos usuários normais”, um equilíbrio importante para uma grande exchange que processa bilhões em volume de negociação.
A última atualização baseia-se em esforços anteriores descritos em um blog da Coinbase sobre modelos avançados de aprendizado de máquina, onde a empresa afirmou que sua missão é “continuar construindo sistemas de ML escaláveis, adaptativos e cientes de blockchain que permitam à Coinbase gerenciar riscos de forma eficaz para seus produtos” sem degradar a experiência do usuário.
A medida ocorre no momento em que a fraude em cripto se industrializou.
A empresa de inteligência de blockchain TRM Labs relatou que a fraude cripto global atingiu cerca de US$ 35 bilhões em 2025, alertando que, quando a subnotificação é incluída, “as perdas anuais totais provavelmente excedem US$ 200 bilhões em todo o mundo”.
Em um relatório de crimes separado de 2026, a TRM disse que os fluxos cripto ilícitos atingiram um recorde de US$ 158 bilhões em 2025, com redes de golpes cada vez mais operadas como negócios profissionais e ferramentas de IA acelerando a personificação e o alcance em larga escala.
O próprio diretor de segurança da informação da Coinbase, Philip Martin Lunglhofer, já havia dito que a exchange está observando crescentes “casos de uso de IA para detectar fraudes” e já está usando aprendizado de máquina para monitorar a atividade do usuário e os chats de suporte em busca de sinais de golpes ou invasões de contas.
O mais recente investimento da exchange em geração de regras automatizada e orientada por eventos e potencial “conversão com um clique” de regras eficientes em recursos de modelo destina-se a aproximar a Coinbase de um sistema de gerenciamento de riscos totalmente automatizado, à medida que os próprios golpistas usam a IA como arma para sondar e explorar vulnerabilidades mais rápido do que nunca.
Para um contexto mais amplo sobre a postura de segurança da Coinbase e os esforços de proteção do usuário, os leitores podem consultar as publicações do blog da Coinbase focadas em fraude, sobre aprendizado de máquina e conformidade, bem como a cobertura anterior da atividade de golpes na Coinbase e tendências de fraude cripto no crypto.news.
