Großes CEX-Upgrade: Betrugserkennungssystem mit maschinellem Lernen und Rule-Engine, verkürzt Reaktionszeit auf Stunden

Gate News-Meldung, 23. April — Eine große zentrale Börse kündigte eine Überarbeitung ihres Anti-Betrugs-Systems an, indem sie maschinelle Lernmodelle mit regelbasierten Engines integriert, eine Dual-Track-Strategie umsetzt, bei der Modelle die langfristige Verteidigung übernehmen und Regeln eine schnelle Reaktion ermöglichen. Das einheitliche Framework schafft eine Feedback-Schleife: Regeln erfassen sich abzeichnende Betrugsmuster und geben Daten zurück, um die Modelle neu zu trainieren, wodurch die gesamten Abwehrfähigkeiten kontinuierlich gestärkt werden.

Die Börse hat ihre Dateninfrastruktur neu strukturiert, die Schema-Weiterentwicklung automatisiert und notebookbasierte Analyse-Tools eingeführt, um die Erstellung von Regeln von manuellen Prozessen hin zu datengesteuerter Automatisierung zu verlagern. Die Backtesting-Performance der Regeln verbesserte sich um über das Zehnfache, während die gesamte Reaktionszeit von Tagen auf Stunden reduziert wurde. Empfehlungen des maschinellen Lernens für Parameter helfen außerdem, die Rate an False Positives zu senken und minimieren damit die Auswirkungen auf legitime Nutzer.

Die Börse plant, die ereignisgesteuerte, automatisierte Generierung von Regeln voranzutreiben und zu untersuchen, wie effiziente Regeln mit nur einem Klick in Modellmerkmale umgewandelt werden können, wodurch sie sich weiter in Richtung vollständig automatisierter Risikomanagementsysteme bewegt.