Principais tópicos do post:

• No primeiro semestre de 2026, os sistemas de risco orientados por IA da Binance ajudaram a proteger mais de 8 milhões de usuários e evitar aproximadamente US$ 4,6 bilhões em possíveis perdas.

• Atualmente, a IA embasa 80% a 90% das decisões de risco em tempo real em verificação de identidade, segurança da conta, pagamentos e triagem de transações, com revisores humanos lidando com os casos extremos que exigem um julgamento mais refinado.

• Mais de 100 modelos de IA impulsionam controles antifraude para detectar golpes, documentos falsificados e tentativas de engenharia social em escala.

Uma captura de tela de pagamento falsificada ou um documento de identidade adulterado agora pode ser gerado em segundos, e um roteiro de golpe pode ser personalizado para um único alvo a um custo quase zero. À medida que a enganação se torna mais barata de produzir, a única forma realista de acompanhar é avaliar o risco continuamente, em escala e em tempo real.

É aqui que a IA se tornou central para a forma como a Binance protege seus usuários. No primeiro semestre de 2026, os sistemas de risco orientados por IA da Binance ajudaram a proteger mais de 8 milhões de usuários e evitar aproximadamente US$ 4,6 bilhões em possíveis perdas, cobrindo atividades de trading anormais, tentativas de invasão de conta, golpes e fraude em transações.

Este blog detalha os números: onde a IA atua ao longo da jornada do usuário, como modelos internos e externos trabalham juntos, por que revisores humanos continuam centrais no ciclo e como a abordagem vai além da prevenção de perdas para alcançar conformidade e operações internas.

A Binance transforma mais de 100 modelos de IA em proteção ao usuário em tempo real

No primeiro semestre de 2026, a Binance interceptou milhões de tentativas de golpe e phishing, colocou mais de 42.000 endereços maliciosos na lista de bloqueio e emitiu mais de 14.000 alertas em tempo real por dia.

Esses resultados vêm de uma infraestrutura de IA que a Binance desenvolve, treina e supervisiona internamente. Atualmente, operamos mais de 100 modelos de IA em nossos controles antifraude e antigolpes, com analistas humanos de risco definindo os limites, revisando casos extremos e retreinando modelos à medida que novos padrões de golpe surgem.

No KYC (verificação de identidade), nossos pipelines de revisão habilitados por IA entregaram ganhos de até 100x em eficiência operacional em relação a processos manuais em fluxos de trabalho específicos, mantendo especialistas no ciclo para casos de maior risco.

A Binance incorpora proteção de risco por IA ao longo da jornada do usuário

A IA está incorporada em toda a jornada do usuário, sempre que uma decisão de risco em tempo real precisa ser tomada. Isso inclui verificação de identidade, segurança da conta (como detectar sinais de invasão de conta), pagamentos e proteção e triagem mais amplas de transações.

Cada ação é avaliada no momento em que acontece, e a grande maioria é resolvida automaticamente. É isso que permite que a proteção opere em escala de plataforma sem desacelerar usuários legítimos, já que a maioria das pessoas nunca vê as verificações sendo executadas em segundo plano durante sua atividade.

Uma pilha híbrida de modelos, desenvolvida internamente e além

A Binance usa uma combinação de tecnologia proprietária e externa. Os modelos internos são construídos sob medida para os riscos específicos observados na plataforma, enquanto a IA externa líder e modelos de base lidam com tarefas de raciocínio mais amplas.

Essa abordagem híbrida mantém a detecção na fronteira da capacidade de IA, ao mesmo tempo em que preserva uma vantagem adaptada aos usuários, produtos e escala da Binance. Ela também significa que novas capacidades podem ser adotadas rapidamente à medida que o campo mais amplo da IA avança.

Além dos modelos de detecção, a Binance mantém uma Red Team interna que testa as defesas como um adversário real faria, incluindo sondar como tecnologias emergentes poderiam ser usadas contra a plataforma.

Jimmy Su, Chief Security Officer da Binance, explica: “Esses exercícios nos ajudam a identificar fragilidades antes que os atacantes o façam, validar que nossos controles funcionam em condições realistas e fortalecer continuamente as pessoas, os processos e a tecnologia que protegem nossos usuários. Em segurança, você não pode simplesmente presumir que suas defesas vão funcionar — você precisa desafiá-las.”

Exemplo: defesas em camadas contra engenharia social

Alguns ataques são projetados para contornar totalmente a tecnologia e, em vez disso, ter como alvo a confiança. O trading P2P é uma área em que tentativas de engenharia social são especialmente comuns.

Na Binance, modelos internos de visão computacional detectam imagens falsas de comprovante de pagamento ao analisar detalhes da transação e manipulações sutis de imagem. Modelos de processamento de linguagem natural identificam mensagens de golpe no chat. Modelos tradicionais de machine learning avaliam o nível de risco de cada ordem. Além disso, modelos de linguagem de grande porte ajudam a interpretar a intenção da mensagem e a capturar texto de golpe incorporado dentro de imagens.

Máquinas fazem a triagem, humanos decidem, modelos aprendem

Embora a IA seja excepcional na descoberta e na triagem inicial, as pessoas continuam essenciais para validação detalhada e julgamento contextual. A detecção de liveness e de falsificação de documentos de identidade é um bom exemplo. A IA pode fazer uma pré-triagem rápida de grandes volumes e destacar os suspeitos, mas muitos casos extremos ainda exigem revisores humanos para rotular e julgar com mais precisão.

À medida que novos padrões de ataque surgem, a IA ajuda a descobri-los e identificá-los, e essas descobertas são então usadas para ajustar os modelos. O resultado é um ciclo contínuo em que a IA oferece escala e as pessoas oferecem precisão. Em todos os controles antifraude, os modelos de IA tomam 80% a 90% das decisões de risco em tempo real e auxiliam em cerca de 45% dos fluxos de trabalho de revisão humana.

Para manter a IA responsável nessa escala, a Binance aplica uma governança estruturada de modelos ao longo de todo o ciclo de vida do modelo, desde desenvolvimento e validação até implantação e monitoramento contínuo. Os modelos são testados quanto a vieses e precisão antes de entrarem em produção, e seu desempenho é acompanhado continuamente em relação a resultados do mundo real.

Quando a precisão de um modelo se desvia ou as taxas de falso positivo aumentam além de limites aceitáveis, conforme identificado pelo processo de revisão humana mencionado anteriormente, ele é automaticamente sinalizado para retreinamento. Isso garante que decisões automatizadas permaneçam justas, explicáveis e auditáveis — não apenas rápidas.

Além da prevenção de perdas: conformidade e eficiência interna

Além de proteger nossos usuários, nossas equipes de conformidade usam ferramentas de automação assistidas por IA para escalar e padronizar processos, como detecção de fraude em KYC e execução de monitoramento de transações.

Mais de 24 iniciativas de IA foram implementadas em onboarding de usuários, escalonamentos de triagem e due diligence de parceiros. Esses modelos classificam casos por prioridade, identificam padrões em conjuntos de dados complexos — incluindo atividade on-chain e impressões digitais de dispositivos — e encaminham os problemas certos para revisores humanos, minimizando alertas falsos.

Internamente, o efeito é semelhante. Analistas usam IA para avançar mais rápido em análise, monitoramento e implantação de modelos, enquanto equipes de operações a utilizam para auxiliar em investigações e detalhes de casos. Em ambos os casos, o objetivo é o mesmo: repassar o trabalho repetitivo para que as pessoas possam se concentrar em decisões de julgamento de maior valor. Isso se reflete na adoção — a ferramenta agentic interna da Binance agora registra aproximadamente 72% de adesão entre as equipes, apoiada por treinamentos em toda a empresa, programas de prompt engineering e supervisão estruturada.

Sustentando tudo isso, há o compromisso com privacidade desde a concepção (privacy by design). Os sistemas de IA da Binance operam dentro de uma estrutura que prioriza a privacidade, em que minimização de dados, limitação de finalidade e salvaguardas de direitos do usuário são incorporadas à forma como os modelos de IA são construídos e implantados. O objetivo é direto: proteger os usuários contra abuso financeiro e danos sem comprometer seu direito à privacidade de dados — e fazê-lo de forma transparente, para que os usuários entendam que as salvaguardas estão atuando em segundo plano sem que seus dados sejam usados além do que a tarefa exige.

Considerações finais

Na Binance, a proteção ao usuário é uma prioridade na qual seguimos investindo. A IA oferece escala; as pessoas oferecem o julgamento. À medida que as ferramentas para produzir enganação ficam mais baratas, essa combinação precisa continuar evoluindo — o que significa retreinar modelos, refinar limites e manter analistas experientes nos casos que precisam deles.

Leitura adicional

• Como a Binance Security evitou um ataque de governança de US$ 1,2M

• IA versus IA – como a Binance está defendendo usuários na era da fraude inteligente

• Binance Wallet Security Center – projetado para identificar, avaliar e gerenciar ameaças potenciais em DeFi

Aviso legal: este conteúdo é apresentado a você “no estado em que se encontra”, apenas para fins de informação geral e educacionais, sem qualquer declaração ou garantia de qualquer tipo. Ele não deve ser interpretado como aconselhamento financeiro, nem tem a intenção de recomendar a compra de qualquer produto ou serviço específico. Os preços dos ativos digitais podem ser voláteis. O valor do seu investimento pode cair ou subir, e você pode não recuperar o valor investido. Você é o único responsável por suas decisões de investimento e a Binance não se responsabiliza por quaisquer perdas que você possa incorrer. Não é aconselhamento financeiro. Para mais informações, consulte nossos Termos de Uso e Aviso de Risco.

Atenção: Note que pode haver discrepâncias entre este conteúdo original em inglês e quaisquer versões traduzidas (essas versões podem ser geradas por IA). Por favor, consulte a versão original em inglês para obter as informações mais precisas, caso surjam discrepâncias.