قامت منصة Coinbase بتحديث نظام مكافحة الاحتيال الخاص بها: دمج التعلم الآلي ومحركات القواعد لتقليل وقت الاستجابة إلى بضع ساعات فقط.

أعلنت منصة Coinbase أنها تعمل على تحسين عملية إنشاء القواعد في نظامها لمكافحة الاحتيال، وذلك من خلال دمج نماذج التعلم الآلي ومحرك القواعد لتحقيق إدارة أكثر فعالية للمخاطر. كما اقترحت استراتيجية مزدوجة المسار: "تتولى النماذج مهمة الدفاع طويل الأمد، بينما تتولى القواعد مهمة الاستجابة السريعة"، وقامت ببناء إطار عمل موحد لإنشاء حلقة تغذية راجعة: حيث تُستخدم القواعد لرصد أنواع جديدة من السلوك الاحتيالي وتدريب النموذج بشكل عكسي، مما يُحسّن باستمرار قدرات الدفاع الشاملة. وعلى وجه التحديد، حسّنت Coinbase الكفاءة بشكل ملحوظ من خلال إعادة هيكلة هياكل البيانات، وأتمتة تطوير المخططات، وإدخال أدوات تحليلية قائمة على دفاتر الملاحظات، مما حوّل عملية إنشاء القواعد اليدوية السابقة إلى عملية توصية آلية تعتمد على البيانات. وقد تحسّن أداء اختبار القواعد بأكثر من عشرة أضعاف، وانخفض وقت الاستجابة الإجمالي من أيام إلى ساعات. علاوة على ذلك، يستخدم النظام الجديد التعلم الآلي للتوصية بالمعايير، مما يساعد على تقليل الإنذارات الكاذبة وتقليل التأثير على المستخدمين الشرعيين مع مكافحة الاحتيال. أعلنت شركة Coinbase أن خطوتها التالية ستكون تطوير توليد القواعد الآلية القائمة على الأحداث واستكشاف "التحويل بنقرة واحدة" للقواعد الفعالة إلى ميزات النموذج، والمضي قدماً نحو نظام إدارة المخاطر الآلي.