Coinbaseは、機械学習とルールエンジンを統合した反詐欺システムをアップグレードし、応答時間を数時間に短縮しました。
Coinbaseは、機械学習モデルとルールエンジンを統合することで、反詐欺システムにおけるルール作成プロセスを最適化し、より効率的なリスク管理を実現していると述べています。また、「モデルは長期的な防御を担当し、ルールは迅速な対応を担当する」という二本柱の戦略を提案し、両者がフィードバックの閉ループを形成する統一フレームワークを構築しています：ルールは新しい詐欺行為を捕捉するために使用され、逆にモデルをトレーニングすることで、全体的な防御能力を継続的に向上させます。具体的な最適化において、Coinbaseはデータ構造の再構築、自動化されたスキーマの進化、ノートブックベースの分析ツールの導入を通じて、もともと手動に依存していたルール作成プロセスをデータ駆動型および自動推奨に変換し、効率を大幅に向上させました。その中で、ルールのバックテスト性能は10倍以上向上し、全体の応答時間は数日から数時間に短縮されました。さらに、新しいシステムは機械学習を通じてパラメータを推奨し、誤判率を低下させるのに役立ち、詐欺を取り締まる一方で正常なユーザーへの影響を減少させます。Coinbaseは、次のステップとしてイベント駆動型の自動ルール生成を進め、高効率なルールを「ワンクリックでモデルの特徴に変換」することを探求し、さらなる自動化リスク管理システムへの移行を目指すと述べています。
