금융 / 가상자산 거래소
Coinbase: 제휴 앱 가상자산 구매의 사기 위험 추가 검토
- 기업
- Coinbase
- 국가
- 미국
- 도입 상태
- 제한 운영
- 자료 공개
- 날짜 기준
- 자료 발표 시점. 도입 시작일과 다를 수 있음
- 근거 확인 방법
- 원문 본문 열람
업무 문제
Coinbase 기술 블로그 글에 따르면 Coinbase Onramp는 사용자가 제휴사 앱 안에서 가상자산을 사게 해 주며, Coinbase 계정이 없는 비회원 결제도 지원한다. 같은 글은 기존 머신러닝 모델과 규칙 엔진이 비회원 결제를 빠르고 싸게 걸러 내지만, 신호가 여러 거래에 나뉘어 나타나는 공격은 알아보기 어렵다고 설명했다. 같은 글은 거래 횟수나 지출 합계 같은 미리 정한 feature가 시점, 결제 수단, 송금처의 조합을 담지 못하고, 사기 확정 결과가 늦게 나와 새 유형에 맞춰 평가하고 고치기 어렵다고 밝혔다.
적용한 기술과 데이터
같은 글에 따르면 Coinbase는 Onramp 서비스가 거래를 Risk Service로 보내면 기존 모델과 규칙이 먼저 검사하고, 그 뒤에 LLM 위험 검토 agent가 고른 거래만 한 번 더 검토하도록 만들었다. 모델과 agent는 같은 Ray Serve 배포 안에서 실행되며, agent는 기존 검사가 허용한 거래를 막을 수 있지만 앞 단계가 막은 거래를 풀 수는 없다고 같은 글은 설명했다. 같은 글은 agent가 거래 정보, 최근 거래 이력 요약, 자연어로 적은 사기 검토 지침과 보정용 예시를 받아 위험 등급만 내고, 결정 규칙 적용과 예외 처리는 애플리케이션 코드가 맡으며 모델은 결제 동작을 실행하지 않는다고 밝혔다. 같은 글에 따르면 첫 배포에는 Claude Opus를 썼고, 약 7,000 token 입력에서 LLM 호출 지연의 중앙값(P50)은 약 1.5초였다. 같은 글은 지침을 고쳐도 모델을 다시 학습할 필요는 없지만 바꿀 때마다 실제 거래 결과로 검증해야 한다고 덧붙였다.
성과
같은 글에 따르면 기존 모델과 규칙만 쓴 대조군과, 트래픽의 50%에 agent 검토를 더한 실험군을 비교한 온라인 실험에서 실험군의 사기 거래 건수는 30%, 사기 금액은 22% 적었다. 같은 글은 실험군의 사기 건수와 사기 비율이 낮았고 전체 거래 수, 사용자 수, 총매출은 더 높았다고 밝혔다. 같은 글은 실험 결과로 추산한 사기 방지 절감액이 모델 제공사 공개 요금으로 계산한 추론 비용의 약 3배라고 설명했다. 같은 글이 소개한 연재 계획에 따르면 다음 편들은 새 모델 버전들이 자사 사기 벤치마크에서 재현율과 F1이 낮았다는 평가와, Qwen3.5-9B를 후학습해 지연을 55% 줄인 결과를 다룬다.
한계와 남은 과제
같은 글은 실험 기간, agent 검토로 보낸 거래의 비율, 사기 건수와 금액의 절댓값을 밝히지 않았고 거래 수와 매출 증가 폭은 본문 숫자 없이 그림으로만 보여 줬다. 30%와 22%는 Coinbase가 직접 잰 온라인 실험 결과이며, 실험 뒤 agent를 전체 거래로 넓혔는지는 같은 글에 나오지 않는다.
출처
공개된 자료를 정리한 사례입니다. ATF Works 도입 고객의 결과가 아닙니다.