Principal CEX melhora sistema de deteção de fraudes com machine learning e engine de regras, reduz tempo de resposta para horas

Mensagem do Gate News, 23 de abril — Uma grande exchange centralizada anunciou uma reformulação do seu sistema anti-fraude, integrando modelos de machine learning com motores baseados em regras, implementando uma estratégia de dupla via em que os modelos tratam da defesa a longo prazo e as regras permitem uma resposta rápida. A estrutura unificada cria um ciclo de feedback: as regras capturam padrões emergentes de fraude e devolvem dados para reitreinar os modelos, reforçando continuamente as capacidades de defesa globais.

A exchange reestruturou a sua infraestrutura de dados, automatizou a evolução de esquemas e introduziu ferramentas analíticas baseadas em notebooks para transformar a criação de regras de processos manuais em automação orientada por dados. O desempenho da retroanálise (backtesting) das regras melhorou mais de 10 vezes, enquanto o tempo de resposta global foi reduzido de dias para horas. As recomendações de machine learning para parâmetros também ajudam a baixar as taxas de falso positivo, minimizando o impacto nos utilizadores legítimos.

A exchange planeia avançar para a geração automatizada de regras orientadas por eventos e explorar a conversão de regras eficientes em features do modelo com um único clique, aproximando-se ainda mais de sistemas totalmente automatizados de gestão de risco.