Principal CEX atualiza sistema de detecção de fraude com aprendizado de máquina e motor de regras, reduz tempo de resposta para horas

Mensagem da Gate News, 23 de abril — Uma grande exchange centralizada anunciou uma reformulação de seu sistema de antifraude ao integrar modelos de aprendizado de máquina com mecanismos baseados em regras, implementando uma estratégia de dupla via em que os modelos lidam com a defesa de longo prazo e as regras habilitam respostas rápidas. A estrutura unificada cria um ciclo de feedback: as regras capturam padrões emergentes de fraude e alimentam os dados de volta para retreinar os modelos, fortalecendo continuamente as capacidades gerais de defesa.

A exchange reestruturou sua infraestrutura de dados, automatizou a evolução de esquemas e introduziu ferramentas analíticas baseadas em notebooks para deslocar a criação de regras de processos manuais para automação orientada por dados. O desempenho de backtesting das regras melhorou mais de 10 vezes, enquanto o tempo de resposta geral foi reduzido de dias para horas. Recomendações de aprendizado de máquina para parâmetros também ajudam a reduzir as taxas de falso positivo, minimizando o impacto sobre usuários legítimos.

A exchange planeja avançar na geração automatizada de regras orientada por eventos e explorar a conversão de regras eficientes em atributos do modelo com um único clique, movendo-se ainda mais em direção a sistemas totalmente automatizados de gerenciamento de risco.