币圈界报道：

Coinbase重塑反欺诈架构：以智能引擎应对快速演进的网络威胁

在区块链情报机构TRM Labs警示加密货币欺诈已演变为由人工智能驱动、年规模达数百亿美元的工业化犯罪生态背景下，Coinbase启动核心技术升级，将机器学习模型与高速规则引擎深度整合，使新型诈骗识别与响应周期从数日压缩至数小时。

双轨防御机制实现动态协同进化

公司采用“长期预测+即时拦截”双轨策略：机器学习系统承担持续性风险建模任务，规则引擎则专注于对突发异常行为的即时处置。二者在统一计算框架中实时交互——规则引擎捕获新型攻击模式后，自动将关键数据回流至模型训练环节，形成闭环优化能力。通过重构数据管道、引入自动化架构迭代机制，并为风控团队配备基于笔记本的分析环境，原有依赖人工的经验式规则开发流程已被替换为基于数据洞察的智能推荐系统。

此次架构革新使规则回溯测试效率提升逾十倍，显著增强系统对诈骗手法快速变异的适应力。当前系统能依据机器学习输出自动推荐规则参数，在有效遏制欺诈的同时大幅降低误判率，保障正常用户交易体验。该举措延续了平台早前提出的可扩展、自适应且具备链上感知能力的智能风控愿景，致力于在不牺牲可用性的前提下实现风险的精准管控。

诈骗活动趋向规模化与智能化并行

据TRM Labs最新报告，2025年全球加密货币欺诈总额约达350亿美元，若包含未披露案例，总损失可能突破2000亿美元大关。其2026年犯罪趋势分析指出，当年非法资金流动量达到历史峰值1580亿美元，诈骗组织正向专业化、企业化运营转型，广泛使用人工智能工具实施大规模身份伪造与渗透攻击。

Coinbase首席信息安全官菲利普·马丁·伦格霍弗表示，平台正经历“人工智能用于反欺诈”的显著增长期，已部署模型监控用户行为轨迹及客服对话中的异常信号，以识别账户劫持或诱导转账等风险。近期在自动化事件触发规则生成、高效规则特征转化等方面的投入，标志着平台加速迈向全自动风险管理体系。然而，对手亦同步利用AI技术加快漏洞探测与攻击部署速度，形成攻防间的持续竞速格局。