Coinbase rakensi tekoälyagentin, joka vähensi onramp-petoksia 30 prosentilla
Kryptopörssi Coinbase kertoo rakentaneensa tekoälyagentin, joka tarkistaa epäilyttäviä maksuja yhtiön Onramp-palvelussa. Kolmiosaisessa tutkimussarjassa yhtiö kuvaa, miten agentti lisättiin olemassa olevan koneoppimismallin ja sääntöjen päälle ja miten se suoriutui sekä verkkokokeessa että vertailumittauksissa. Tulokset ovat yhtiön omia, eikä niitä ole riippumattomasti vahvistettu.
Agentti täydentää aiempaa petostentorjuntaa
Onramp-palvelun kautta käyttäjät voivat ostaa kryptoja kumppanisovelluksissa, myös vieraana ilman Coinbase-tiliä. Ilman aiempia tilitietoja petosten tunnistaminen on vaikeaa, koska osa väärinkäytöksistä paljastuu vasta, kun useita siirtoja tarkastellaan yhdessä.
Coinbase kuvaa ratkaisun niin, että perinteinen koneoppimismalli ja sääntömoottori tekevät ensiseulonnan ja kielimalliin perustuva agentti tekee sen jälkeen lisätarkistuksen valituille siirroille. Agentti voi estää siirron, jonka aiemmat tarkistukset olisivat päästäneet läpi, mutta se ei voi ohittaa ylävirran estoa. Coinbasen mukaan verkkokokeessa agentin käyttöönotto vähensi petollisia siirtoja 30 prosenttia ja petosten arvoa 22 prosenttia verrattuna pelkkään aiempaan malliin ja sääntöihin.
Uudemmat mallit eivät olleetkaan parempia
Sarjan toisessa osassa Coinbase vertaili eri kielimallien versioita omalla petosmittarillaan. Mittaristo koostui 16 140 siirrosta ja 7 293 käyttäjästä yhdeksän viikon ajalta ennen agentin käyttöönottoa, ja siihen kuului 813 vahvistettua petostapausta.
Yhtiön mukaan uudemmat Opus-, Sonnet- ja GPT-versiot eivät parantaneet tulosta: niiden tarkkuus saattoi kohentua, mutta kokonaistulos, muistettavuus ja arvopainotettu muistettavuus heikkenivät. Johtopäätös oli, että yleiskäyttöiset vertailumittarit eivät kerro, miten malli käyttäytyy tietyssä tehtävässä.
Avoimen mallin hienosäätö päihitti suljetut mallit
Kolmannessa osassa Coinbase hienosääteli avoimen Qwen3.5-9B-mallin omalla petosaineistollaan. Koulutus tehtiin SkyRL-ohjelmistolla Anyscalen alustalla vahvistusoppimisella, jossa mallin päätöksiä pisteytettiin tiedettyjen petostulosten perusteella.
Yhtiön mukaan hienosäädetty malli voitti Opus 4.5:n kaikilla neljällä mittarilla, F1-pisteissä 9,6 prosenttia paremmin, ja verkkopalvelussa viive laski 55 prosenttia. Koulutus onnistui yhdellä NVIDIA RTX PRO 6000 96 gigatavun näytönohjaimella alle sadalla dollarilla, mikä tekee lähestymistavasta poikkeuksellisen edullisen.
Miksi tapaus kiinnostaa kryptoyhtiöitä
Coinbasen kokemus havainnollistaa kahta alan suuntausta. Ensinnäkin yhä useampi palvelu rakentaa tekoälyagentteja nimenomaan kapeaan tehtävään ja mittaa niitä omalla aineistollaan sen sijaan, että luottaisi yleisiin mallivertailuihin. Toiseksi avoimien mallien hienosäätö on tullut niin halvaksi, että se voi olla varteenotettava vaihtoehto suurillekin toimijoille.
Kryptopalveluissa tämä liittyy suoraan luottamukseen: mitä nopeammin ja tarkemmin väärinkäytökset tunnistetaan, sitä vähemmän niistä kärsivät sekä käyttäjät että alusta. Coinbase korostaa, että petostieto on yhtiön omaa, joten ulkopuolinen ei voi toistaa mittausta sellaisenaan.
Lähteet
- Coinbase – Owning Intelligence Series, Part 1/3: How Coinbase Built, Evaluated, and Post-Trained a Fraud Agent – 6.10.2026 – https://www.coinbase.com/blog/part-one-how-coinbase-built-evaluated-and-post-trained-a-fraud-agent
- Coinbase – Owning Intelligence Series, Part 2/3: How Coinbase Built, Evaluated, and Post-Trained a Fraud Agent – 7.10.2026 – https://www.coinbase.com/blog/part-two-owning-intelligence-series
- Coinbase – Owning Intelligence Series, Part 3/3: How Coinbase Built, Evaluated, and Post-Trained a Fraud Agent – 8.10.2026 – https://www.coinbase.com/blog/part-three-owning-intelligence-series
- Anyscale – Why Coinbase chose Ray and Anyscale for ML Infra – https://www.anyscale.com/resources/case-study/coinbase-ml-infrastructure
Vastuuvapauslauseke: Tämä artikkeli on tarkoitettu vain tiedotustarkoituksiin. Sitä ei tarjota tai ole tarkoitettu käytettäväksi oikeudellisena, verotuksellisena, sijoitus-, rahoitus- tai muuna neuvona.
Mainos: jutun lopussa on kumppanimainoksia ja mainoslinkkejä. Kryptouutiset.net voi saada provision, jos rekisteröidyt palveluun kutsukoodin tai linkin kautta. Tämä kaupallinen yhteistyö ei vaikuta uutisten sisältöön tai toimituksellisiin johtopäätöksiin.
