코인베이스가 반사기 시스템을 업그레이드하여 머신러닝과 규칙 엔진을 통합하고 응답 시간을 몇 시간으로 단축했습니다

Coinbase는 기계 학습 모델과 규칙 엔진을 통합하여 반사기 시스템의 규칙 생성 프로세스를 최적화하고 더 효율적인 위험 관리를 실현하고 있다고 밝혔습니다. 또한 "모델은 장기 방어를 책임지고, 규칙은 빠른 대응을 책임진다"는 이중 트랙 전략을 제시하고, 두 가지가 피드백 루프를 형성할 수 있도록 통합 프레임워크를 구축했습니다: 규칙은 새로운 사기 행위를 포착하는 데 사용되며, 이를 통해 모델을 역으로 훈련시켜 전체 방어 능력을 지속적으로 향상시킵니다.

구체적인 최적화 측면에서 Coinbase는 데이터 구조를 재구성하고, 자동화된 스키마 진화를 수행하며, 노트북 기반 분석 도구를 도입하여 원래 수작업에 의존하던 규칙 생성 프로세스를 데이터 기반 및 자동 추천으로 전환하여 효율성을 크게 향상시켰습니다. 이 중 규칙 백테스트 성능은 10배 이상 향상되었고, 전체 응답 시간은 며칠에서 몇 시간으로 단축되었습니다. 또한 새로운 시스템은 기계 학습을 통해 추천된 매개변수를 사용하여 오판률을 낮추는 데 도움이 되며, 사기를 단속하는 동시에 정상 사용자에 대한 영향을 줄입니다. Coinbase는 다음 단계로 사건 기반의 자동 규칙 생성을 추진하고, 효율적인 규칙을 "원클릭 변환"하여 모델 특성으로 탐색하여 자동화된 위험 관리 시스템으로 나아갈 것이라고 밝혔습니다.