اخبار کم اهمیت
هوش مصنوعی کوین‌بیس کلاهبرداری‌ها را ۳۰ درصد کاهش داد

کاهش ۳۰ درصدی کلاهبرداری در کوین‌بیس با استفاده از عامل هوش مصنوعی جدید

تاریخ انتشار:
هوش مصنوعی و کریپتوعلی کفاش
42
زمان مطالعه:
3 دقیقه

کوین‌بیس با استفاده از یک عامل هوش مصنوعی سفارشی، تعداد تراکنش‌های کلاهبرداری را ۳۰ درصد کاهش داد. مدل تخصصی این صرافی در تشخیص تقلب، عملکرد بهتری نسبت به مدل‌های عمومی بزرگ مانند GPT داشته است. به گفته مدیرعامل کوین‌بیس، مدل‌های تخصصی در وظایف محدود، کارایی بیشتری نسبت به مدل‌های عمومی خواهند داشت.

کاهش ۳۰ درصدی کلاهبرداری در کوین‌بیس با استفاده از عامل هوش مصنوعی جدید

صرافی ارز دیجیتال کوین‌بیس اعلام کرد که با تنظیم دقیق یک مدل هوش مصنوعی متن-باز (open-weight) بر اساس داده‌های تراکنش‌های اختصاصی خود، توانسته است در زمینه تشخیص کلاهبرداری، از یک مدل پیشرو منبع-بسته (closed-source) پیشی بگیرد. این مدل جدید نه‌تنها امتیازات بهتری در تشخیص تقلب کسب کرده، بلکه تأخیر کمتری نیز در پاسخ‌دهی دارد.

در یک آزمایش آنلاین، این شرکت یک عامل هوش مصنوعی را به سیستم تشخیص کلاهبرداری موجود خود برای سرویس «آن‌رمپ» (Onramp) اضافه کرد. این سرویس به کاربران امکان می‌دهد از طریق اپلیکیشن‌های همکار، حتی بدون داشتن حساب کاربری کوین‌بیس، ارز دیجیتال خریداری کنند. نتایج نشان داد که گروه تحت بررسی با عامل هوش مصنوعی، ۳۰ درصد تراکنش‌های کلاهبرداری کمتر و ۲۲ درصد کاهش در ارزش مالی کلاهبرداری‌ها را تجربه کردند.

مدل‌های تخصصی در برابر مدل‌های عمومی

برایان آرمسترانگ، مدیرعامل کوین‌بیس، در پستی در ۱۲ اکتبر توضیح داد که این شرکت مدل Qwen3.5-9B را با استفاده از داده‌های داخلی خود بهینه‌سازی کرده و دریافته است که این مدل در وظیفه تخصصی پیشگیری از کلاهبرداری، «با هزینه و سرعت بسیار کمتر، عملکرد بهتری نسبت به مدل‌های پیشگام داشته است».

نکته اصلی این نیست که مدل‌های کوچک‌تر همیشه بهتر هستند، بلکه عملکرد آن‌ها به وظیفه‌ای بستگی دارد که برای آن آموزش دیده‌اند.

عامل هوش مصنوعی جدید کوین‌بیس، توالی تراکنش‌های اخیر را برای شناسایی الگوهایی بررسی می‌کند که ممکن است در یک پرداخت واحد قابل تشخیص نباشند. این عامل می‌تواند تراکنشی را که از بررسی‌های اولیه عبور کرده مسدود کند، اما قادر به لغو مسدودیتی که قبلاً توسط سیستم اعمال شده، نیست.

چرخش به سمت مدل‌های متن-باز

کوین‌بیس پیش از این، نسخه‌های جدیدتر مدل‌های منبع-بسته مانند Opus، Sonnet و GPT را در برابر یک معیار ثابت شامل ۱۶,۱۴۰ تراکنش آزمایش کرده بود. نتایج نشان داد که این مدل‌های جدیدتر در چندین معیار تشخیص تقلب، عملکرد ضعیف‌تری نسبت به نسخه‌های قبلی خود داشتند.

برای مثال، مدل GPT-5.6 دقت (precision) بهتری داشت اما نرخ بازیابی (recall) آن پایین‌تر بود؛ به این معنی که بخش کوچک‌تری از تراکنش‌های کلاهبرداری را شناسایی می‌کرد. این نتیجه، کوین‌بیس را به سمت استفاده از یک مدل متن-باز سوق داد که پارامترهای آن می‌توانند مستقیماً تنظیم شوند، نه اینکه فقط از طریق API یک ارائه‌دهنده قابل دسترسی باشند.

این رویکرد در چارچوب بحث گسترده‌تری در مورد استفاده از عوامل هوش مصنوعی در جرایم مالی و امنیت قرار می‌گیرد. شرکت امنیتی سرتیک (CertiK) اخیراً هشدار داده بود که عوامل امنیتی خودکارتر می‌توانند ریسک‌هایی ناشی از خروجی‌های نادرست و کاهش نظارت انسانی به همراه داشته باشند. با این حال، عامل هوش مصنوعی کوین‌بیس با محدودیت‌های مشخصی کار می‌کند؛ این سیستم یک امتیاز ریسک ارائه می‌دهد و کدهای برنامه، سیاست تصمیم‌گیری را اعمال می‌کنند.

آیا مدل‌های هوش مصنوعی تخصصی در آینده جایگزین مدل‌های عمومی بزرگ خواهند شد؟
منابع و مراجع
1 مرجع
1
CryptoPotato
آیا محتوا مفید بود؟
برچسب‌ها:

دیدگاه‌های کاربران

تاکنون هیچ کسی نظری ثبت نکرده، شما اولین نفر باشید

افزودن دیدگاه

با ثبت‌نام در صرافی کیف پول من و ارسال نظر در سایت ارز دیجیتال رایگان هدیه بگیرید.
به این مطلب چند امتیاز می‌دهید؟
انتخاب کنید

می‌خواهید عمیق‌تر یاد بگیرید؟

از اخبار روزانه فراتر بروید؛ مفاهیم، پروژه‌ها و واژه‌نامه را در آکادمی کیف پول مدیا کاوش کنید.

بریم به آکادمی کیف پول مدیا

ویدئو رسانه

در بخش ویدئو رسانه، می‌توانید به آموزش‌ها، تحلیل‌ها و محتوای ویدیویی جذاب درباره ارزهای دیجیتال و خدمات ما دسترسی پیدا کنید.