Coinbase 已重建其反詐騙系統，透過將機器學習模型與高速規則引擎緊密整合，將應對新詐騙模式的時間從數天縮短到數小時，正值 TRM Labs 警告加密貨幣詐騙已成為每年數百億美元、由 AI 加速的產業。
Coinbase 已升級其反詐騙系統，透過將機器學習模型與規則引擎緊密整合，將應對新詐騙模式的時間從數天縮短到數小時，因為 AI 助長詐騙在加密貨幣領域激增。
該公司描述了一種雙軌策略，其中「模型負責長期防禦，規則負責快速響應」，所有這些都整合在一個統一的框架中，使規則能夠捕捉新的詐騙類型，然後可以將這些類型反饋到模型中，以隨著時間推移加強整體防禦。
Coinbase 表示，透過重組數據、自動化模式演變，並為其風險團隊引入基於筆記本的分析工具，它已將過去手動且緩慢的規則創建工作流程轉變為數據驅動、自動化的推薦系統。
作為徹底改革的一部分，規則回溯測試的性能提高了 10 倍以上，使 Coinbase 能夠隨著詐騙行為的即時演變，更快地測試並發布新保護措施。
據 Coinbase 稱，該系統現在使用機器學習來推薦規則參數，目標是「在打擊詐騙的同時降低誤報率並最大限度地減少對正常用戶的影響」，這對於一個處理數十億交易量的大型交易所來說是一個重要的平衡。
最新的升級建立在 Coinbase 關於先進機器學習模型部落格文章中概述的早期努力之上，該公司在文章中表示，其使命是「不斷建立可擴展、適應性強、具備區塊鏈感知能力的機器學習系統，使 Coinbase 能夠有效管理其產品的風險」而不降低用戶體驗。
此舉正值加密貨幣詐騙已產業化之際。
區塊鏈情報公司 TRM Labs 報告稱，2025 年全球加密貨幣詐騙達到約 350 億美元，並警告說，如果包含未報告的案例，全球年度總損失「可能超過 2000 億美元」。
在 2026 年的一份獨立犯罪報告中，TRM 表示 2025 年非法加密貨幣流動創下 1580 億美元的紀錄，詐騙網絡越來越像專業企業一樣運營，AI 工具大規模加速冒充和接觸。
Coinbase 自身的首席資訊安全長 Philip Martin Lunglhofer 曾表示，該交易所正看到越來越多的「應用 AI 偵測詐騙的案例」，並且已經使用機器學習監控用戶活動和支援聊天，以發現詐騙或帳戶盜用跡象。
該交易所對自動化、事件驅動規則生成以及將高效規則「一鍵轉換」為模型特徵的最新投資，旨在推動 Coinbase 更接近一個完全自動化的風險管理系統，因為詐騙者自己也利用 AI 以前所未有的速度探測和利用漏洞。
有關 Coinbase 安全態勢和用戶保護措施的更廣泛背景，讀者可以參考 Coinbase 關於機器學習和合規性的詐騙主題部落格文章，以及 crypto.news 上先前關於 Coinbase 詐騙活動和加密貨幣詐騙趨勢的報導。
