4月23日——一家大型中心化交易所宣布，通过将机器学习模型与基于规则的引擎集成来彻底改造其反欺诈系统，并实施“双轨”策略：模型负责长期防御，规则则支持快速响应。统一框架创建了一个反馈闭环：规则捕捉新兴的欺诈模式，并将数据回传用于重新训练模型，从而持续增强整体防御能力。

该交易所重组了其数据基础设施，自动化模式演进，并引入基于笔记本的分析工具，将规则创建从手动流程转向数据驱动的自动化。规则回测性能提升了 10 倍以上，而整体响应时间则从数天缩短至数小时。针对参数的机器学习推荐也有助于降低误报率，从而最大限度减少对合法用户的影响。

该交易所计划推进基于事件驱动的自动化规则生成，并探索能否通过单击将高效规则转换为模型特征，进一步向完全自动化的风险管理系统迈进。