Coinbase 升级反欺诈体系，融合机器学习与规则引擎，将响应时间缩短至数小时

ChainCatcher 消息，Coinbase 表示，其正通过整合机器学习模型与规则引擎，优化反欺诈系统中的规则创建流程，实现更高效的风险管理，同时还提出“模型负责长期防御、规则负责快速响应”的双轨策略，并构建统一框架，使两者形成反馈闭环：规则用于捕捉新型欺诈行为，并反向训练模型，从而持续提升整体防御能力。

在具体优化上，Coinbase 通过重构数据结构、自动化 Schema 演进以及引入基于 Notebook 的分析工具，将原本依赖人工的规则创建流程转为数据驱动与自动推荐，显著提升效率。其中，规则回测性能提升超过 10 倍，整体响应时间由数天缩短至数小时。此外，新系统通过机器学习推荐参数，有助于降低误判率，在打击欺诈的同时减少对正常用户的影响。Coinbase 表示，下一步将推进事件驱动的自动规则生成，并探索将高效规则“一键转化”为模型特征，进一步迈向自动化风险管理体系。