大型CEX以機器學習與規則引擎升級詐騙偵測系統，將回應時間縮短至數小時

門戶新聞訊息，4月23日——一家大型集中式交易所宣布，透過將機器學習模型與基於規則的引擎整合，對其反詐騙系統進行全面改造；採用雙軌策略，讓模型負責長期防禦、規則則能實現快速響應。整合後的框架建立了回饋迴路：規則用來捕捉新興詐騙模式，並將資料回饋以重新訓練模型，持續強化整體防禦能力。

該交易所重組了其資料基礎設施，實現了自動化的架構演進，並推出基於筆記本的分析工具，將規則的建立從手動流程轉向以資料驅動的自動化。規則回測效能提升超過10倍，同時整體回應時間由數天縮短到數小時。用於參數的機器學習建議也有助於降低誤報率，將對合法用戶的影響降至最低。

該交易所計劃推進事件驅動的自動化規則生成，並探索透過單擊將高效率規則轉換為模型特徵，進一步朝向完全自動化的風險管理系統邁進。