Gran CEX mejora el sistema de detección de fraudes con aprendizaje automático y motor de reglas, reduce el tiempo de respuesta a horas

Mensaje de Gate News, 23 de abril — Un gran exchange centralizado anunció una revisión de su sistema antifraude al integrar modelos de aprendizaje automático con motores basados en reglas, implementando una estrategia de doble vía en la que los modelos se encargan de la defensa a largo plazo y las reglas permiten una respuesta rápida. El marco unificado crea un ciclo de retroalimentación: las reglas capturan patrones emergentes de fraude y devuelven los datos para reentrenar los modelos, fortaleciendo continuamente las capacidades generales de defensa.

El exchange reorganizó su infraestructura de datos, automatizó la evolución del esquema e introdujo herramientas analíticas basadas en notebooks para pasar la creación de reglas de procesos manuales a una automatización impulsada por los datos. El rendimiento de la validación retrospectiva (backtesting) de reglas mejoró más de 10 veces, mientras que el tiempo de respuesta general se redujo de días a horas. Las recomendaciones de aprendizaje automático para parámetros también ayudan a reducir las tasas de falsos positivos, minimizando el impacto en los usuarios legítimos.

El exchange planea avanzar hacia la generación automatizada de reglas impulsadas por eventos y explorar la conversión de reglas eficientes en funciones del modelo con un solo clic, avanzando aún más hacia sistemas de gestión de riesgos totalmente automatizados.