Coinbase 升级反欺詐體系，融合機器學習與規則引擎，將響應時間縮短至數小時

ChainCatcher 消息，Coinbase 表示，其正透過整合機器學習模型與規則引擎，優化反欺詐系統中的規則創建流程，實現更高效的風險管理，同時還提出"模型負責長期防禦、規則負責快速響應"的雙軌策略，並構建統一框架，使兩者形成反饋閉環：規則用於捕捉新型欺詐行為，並反向訓練模型，從而持續提升整體防禦能力。

在具體優化上，Coinbase 透過重構數據結構、自動化 Schema 演進以及引入基於 Notebook 的分析工具，將原本依賴人工的規則創建流程轉為數據驅動與自動推薦，顯著提升效率。其中，規則回測性能提升超過 10 倍，整體響應時間由數天縮短至數小時。此外，新系統透過機器學習推薦參數，有助於降低誤判率，在打擊欺詐的同時減少對正常用戶的影響。Coinbase 表示，下一步將推進事件驅動的自動規則生成，並探索將高效規則"一鍵轉化"為模型特徵，進一步邁向自動化風險管理體系。