Coinbase：基于人工智能（AI）的反欺诈
在过去几年里，以比特币为代表的加密数字货币已经引发了一连串的头条新闻。这些数字代币具有可购买、可交易和可消费等类似硬通货的一系列特征。事实上，数字货币交易已经带动形成了一个全新的市场，这个市场中每一次价格的波动都会引发来自投资者和投机者的密切关注。
而 Coinbase 就处在这个全新市场的核心位置。Coinbase 的总部位于旧金山，是一个数字货币的交易平台，并提供相关的钱包服务。自 2012 年成立以来，已有 2000 多万商家和消费者在 Coinbase 平台上进行了超过 1500 亿美元的数字货币的交易。
与所有金融服务公司一样，Coinbase 需要采取措施确保其运营环境的安全。为此，该公司使用 了基于 Amazon Web Services (AWS) 机器学习的人工智能 (AI)来完成这一艰巨任务。
“Coinbase 从创始之际，DNA 中就融入了人工智能技术。” Coinbase 的数据科学主管 Soups Ranjan 说，“加密货币交易平台面临的最大风险之一就是欺诈，而机器学习是我们反欺诈系统的关键。”
Amazon SageMaker 是一种能够帮助用户轻松构建、训练和部署机器学习模型的工具，Coinbase 的工程师们利用它开发了一种基于机器学习的反欺诈系统，这个系统可以识别用户标识来源中的不匹配和异常情况，以帮助他们快速采取措施防范潜在的欺诈风险。
“线上的身份验证也是一个非常棘手的问题，”Ranjan 指出，“当你进入酒吧，门卫查看你的驾驶执照时，他可以通过利用一定频率的光线查找隐藏在驾照中的全息图案来检验证件的真伪。
但这种方式在线上是行不通的。因此 Coinbase 使用 Amazon SageMaker 开发机器学习算法来进行图像分析，打击诈骗行为。例如，面部相似性算法能够自动从上传的身份证中提取面部特征，然后将这些面部特征与已上传的其他身份证的面部特征进行比较。诈骗者通常会将同一张照片放在多个身份证件上，因为否则他们必须在身份证上的几个位置编辑面部照片。而通过这种面部相似性算法，Coinbase 可以快速发现这些伪造的证件。
“机器学习有助于 Coinbase 抵御欺诈风险，同时为客户提供更高的灵活性，我们希望我们的客户获得最佳用户体验。”
Soups Ranjan
数据科学主管
Coinbase
“机器学习有助于我们平衡 Coinbase 的风险，通过为客户提供的灵活性，我们希望他们获得最佳体验。”
Soups Ranjan
数据科学主管
Coinbase
“事实上，数字货币交易平台的客户通常会使用平台提供的不同类型的服务，”Ranjan 说。“机器学习不仅有助于 Coinbase 抵御欺诈风险，而且能够帮助我们的客户获得最佳的用户体验。”
在构建反欺诈算法中积累的经验也使 Coinbase 能够为客户提供定制化的用户体验 -- 这是一种简单并且直观的方式，用于区分那些购买并持有少量数字货币的初级投资者，以及那些频繁交易的专业用户。在最近的一次客户群划分练习中，Coinbase 的 分析师只要简单地在笔记本电脑上编写聚类算法，然后就可以通过 SageMaker 运行这些算法来分析客户是如何对加密货币进行操作的，将那些只是热衷于交易的人从长期投资的人群中划分出来。
同时，风险管理只是数字货币交易平台业务管理的一个方面。鉴于其数字化的本质，加密货币与传统的金融市场一样，每天都会产生并需要处理大量数据也就不足为奇了。“我们的数据仓库收集来自各种微服务的数据，包括区块链和用户数据 - 总共有数百 TB，”Ranjan 说。“自今年年初以来，这个数字已经翻了一倍。”
由于在高度监管的环境下运营，Coinbase采取了额外的措施来确保客户数据得到保护，甚至连Coinbase自己的数据科学家和工程师都无法随意访问到这些数据。在 Coinbase 生产服务器上运行的任何代码在投产前都必须经过多组人员的代码审查。“我们的核心原则之一就是安全第一，因为存储在我们平台上的数字资产都属于我们的客户。”Ranjan 说。
在对安全高度敏感的环境中，对数据访问的限制使得机器学习变得更加困难，因为出于安全考虑，机器学习工程师不能在未授权的情况下登录到生产服务器，或运行尚未经过审核的代码。为了克服这一挑战，Coinbase 让机器学习工程师使用经过彻底审核并提交到 Amazon Elastic Container Registry 的代码访问数据日志。
归根结底，数字加密货币的存在源于信任。像 Coinbase 这样的公司可以依赖 AWS 提供的技术和服务 来建立和维护这种信任，不断地防患于未然。