金融 / 数字资产交易所
Coinbase：合作方应用内加密资产购买的欺诈风险追加审核
- 企业
- Coinbase
- 国家
- 美国
- 实施阶段
- 有限运营
- 资料发布
- 日期依据
- 资料发布的时间，可能与启用日期不同。
- 依据核验方式
- 阅读原文正文
业务问题
据Coinbase技术博客文章介绍，Coinbase Onramp让用户在合作方应用内购买加密资产，也支持没有Coinbase账户的访客结账。该文章说明，现有机器学习模型和规则引擎能快速、低成本地筛查访客结账，但难以识别信号分散在多笔交易中的攻击。该文章表示，交易次数或支出总额等预先设定的特征无法反映时间、支付方式和收款方的组合，而且欺诈确认结果出现较晚，难以针对新手法进行评估和调整。
使用的技术与数据
据该文章介绍，Coinbase设计的流程中，Onramp服务把交易发送到Risk Service后，先由现有模型和规则检查，再由LLM风险审核智能体对选定的交易再审核一次。该文章说明，模型和智能体在同一个Ray Serve部署中运行，智能体可以拦截现有检查已放行的交易，但不能放行前一阶段已拦截的交易。该文章表示，智能体接收交易信息、近期交易记录摘要、用自然语言写成的欺诈审核指南和校准示例，只输出风险等级，决策规则的执行和例外处理由应用程序代码负责，模型不执行任何支付操作。据该文章介绍，首次部署使用Claude Opus，在约7,000个token的输入下，LLM调用延迟的中位数(P50)约为1.5秒。该文章补充说，修改指南不需要重新训练模型，但每次修改都要用真实交易结果进行验证。
成果
据该文章介绍，在一项在线实验中，对照组只使用现有模型和规则，实验组在50%的流量上增加了智能体审核，结果实验组的欺诈交易笔数减少30%，欺诈金额减少22%。该文章表示，实验组的欺诈笔数和欺诈率更低，而交易总数、用户数和总收入更高。该文章说明，根据实验结果估算的欺诈防范节省额约为按模型提供商公开价格计算的推理成本的3倍。据该文章介绍的系列计划，后续文章将讨论新模型版本在公司欺诈基准测试中召回率和F1较低的评估，以及对Qwen3.5-9B进行后训练使延迟降低55%的结果。
局限与待解问题
该文章没有公开实验期间、送交智能体审核的交易比例以及欺诈笔数和金额的绝对值，交易数和收入的增幅只用图表展示，正文没有给出数字。30%和22%是Coinbase自行测得的在线实验结果，该文章没有说明实验后是否把智能体扩展到全部交易。
来源
本案例根据公开资料整理，并非 ATF Works 客户的成果。