Coinbase 新推出的 AI 反欺诈代理在实时测试中将欺诈性入金交易减少 30%

核心提要：Coinbase 推出基于大语言模型的欺诈检测代理，有效降低 Onramp 交易风险2026年10月6日，Coinbase 发布了一篇题为《Owning Intelligence》系列文章的首篇博文，详细介绍了其 Onramp 产品中新增的基于大语言模型（LLM）的欺诈检测代理。该代理旨在帮助用户将法定货币转换为加密货

Coinbase 推出基于大语言模型的欺诈检测代理，有效降低 Onramp 交易风险

2026年10月6日，Coinbase 发布了一篇题为《Owning Intelligence》系列文章的首篇博文，详细介绍了其 Onramp 产品中新增的基于大语言模型（LLM）的欺诈检测代理。该代理旨在帮助用户将法定货币转换为加密货币的过程中，更精准地识别和拦截欺诈行为。

显著的性能提升与成本效益

在开发过程中，团队将该 LLM 代理与前沿的通用模型进行了基准测试对比。结果显示，新代理在 F1 分数上提升了 9.6%，端到端延迟降低了 55%。与现有基础设施不同，该 LLM 代理并非完全取代 Coinbase 现有的反欺诈系统，而是作为下游组件运行，对早期欺诈管道标记的交易提供“额外的上下文审查”。

为了验证实际效果，Coinbase 进行了一场在线 A/B 测试，将新代理与其现有的机器学习和基于规则的系统进行对比。测试数据显示：

欺诈交易数量减少 30%欺诈总金额降低 22%

Coinbase 表示，这一结果相较于之前的反欺诈基线具有显著改进意义。此外，公司披露称，通过提高反欺诈效率所获得的预期节省资金，约为运行该 AI 代理推理成本的三倍。这表明该部署不仅在技术上更为有效，在经济性上也优于所需的计算资源投入。

技术架构与行业背景

在架构方面，该系统基于 Ray Serve 构建，这是一个用于扩展机器学习工作负载的开源框架，反映了 Coinbase 在生产环境中部署 AI 模型的基础设施选择。

随着加密交易所越来越多地采用 AI 驱动的工具来打击涉及入金（Onramp）和出金（Offramp）服务的欺诈行为，此类服务已成为不法分子试图通过看似合法的法定货币转换将非法资金引入或移出加密生态系统的常见目标。因此，像 Coinbase 报告的这种可衡量的欺诈率降低，已成为整个行业密切关注的标杆。

这篇博文是 Coinbase “Owning Intelligence” 系列的第一部分，暗示该平台计划在未来文章中详细介绍其他内部构建的 AI 系统，涵盖其产品栈的其他部分。