Poin-poin Utama

  • Platform Binance P2P (peer-to-peer) menggunakan model bahasa besar (LLM) yang canggih untuk memantau transaksi guna mengetahui tanda-tanda perilaku penipuan dan membantu dalam menyelesaikan banding pengguna.

  • Taktik penipuan yang umum terjadi termasuk menipu penjual agar melepaskan kripto mereka sebelum menerima pembayaran sebenarnya atau meminta pembeli untuk membatalkan pesanan mereka setelah pembayaran.

  • Dengan menggabungkan alat kecerdasan buatan dan tim layanan pelanggan yang tekun, kami bertujuan untuk memastikan pengalaman pengguna yang aman di Binance P2P.

Intip pekerjaan para pahlawan tanpa tanda jasa yang bekerja di balik layar untuk memastikan pengalaman pengguna yang aman di Binance P2P.

Platform P2P Binance diluncurkan pada akhir tahun 2018 untuk memfasilitasi transaksi pertukaran mata uang antara bitcoin dan mata uang lokal. Meskipun mudah, perdagangan peer-to-peer (P2P) memiliki risiko tersendiri. Alih-alih melalui bursa terpusat, Anda memercayai pengguna lain untuk memenuhi permintaan Anda untuk membeli atau menjual kripto.

Bagaimana jika Anda bertransaksi dengan penipu? Pasar P2P yang memiliki reputasi baik, seperti Binance P2P, menggunakan layanan escrow dan proses verifikasi identitas yang ketat untuk memerangi aktivitas penipuan. Namun, bahkan dengan semua perlindungan yang tepat, penipu dapat dan sering kali menemukan cara.

Dengan memanfaatkan model kecerdasan buatan (AI), kami telah membangun infrastruktur keamanan yang dirancang untuk mengurangi risiko spesifik yang terkait dengan perdagangan P2P. Namun sebelum kita membahasnya lebih lanjut, mari kita lihat beberapa penipuan umum yang dialami pedagang saat menggunakan fitur ‘Obrolan’ di Binance P2P.

Empat Penipuan P2P Binance yang Umum

1. Perwakilan layanan pelanggan palsu

Penipu sering kali menyamar sebagai Binance Support untuk mengelabui korban agar memberikan detail akun atau kartu kredit mereka. Mereka mungkin mengklaim bahwa Binance telah "menerima pembayaran" sebelum meminta penjual untuk melepaskan kripto mereka dalam rekening bersama.

Jika ada satu hal yang harus Anda ingat: Tim dukungan kami tidak akan pernah — dalam keadaan apa pun — berkomunikasi dengan Anda melalui kotak obrolan Binance P2P.

2. Penipuan escrow

Dalam penipuan ini, penipu berpura-pura menjadi pembeli. Selama transaksi, penipu akan berbohong dan mengklaim pembayaran fiat disimpan dalam rekening bersama Binance P2P. Penipu mengklaim Binance akan "mengirim" uang setelah Anda melepaskan kripto Anda.

Ini bukan cara kerja sistem escrow Binance P2P. Untuk sementara, kami hanya mengamankan kripto milik penjual dalam escrow, dan pembayaran fiat dari pembeli tidak pernah melalui layanan escrow kami.

3. Mengancam akan memanggil polisi

Penipu mungkin mengklaim telah membayar setelah melakukan pemesanan. Jika Anda ragu, mereka akan menekan Anda agar melepaskan pembayaran dengan mengancam akan memanggil polisi.

Jangan menyerah pada ancaman di Binance P2P. Untuk sengketa atau masalah yang sah dengan mitra dagang Anda, silakan ajukan banding dengan mengikuti langkah-langkah dalam panduan ini: Cara Mengajukan Banding untuk Pesanan P2P di Aplikasi Binance.

4. Menipu pembeli agar membatalkan pesanan setelah pembayaran

Tidak semua penipuan diprakarsai pembeli – penjual juga dapat melakukan skema jahat. Setelah menerima pembayaran, penjual dapat mengklaim ada masalah dengan kata sandi satu kali (OTP) atau pelepasan pembayaran dan menyarankan pembeli untuk membatalkan pesanan. Penjual kemudian akan "berjanji" untuk mengembalikan uang Anda secara penuh setelah pesanan dibatalkan.

Tentu saja, penjualnya hanyalah seorang penipu yang tidak pernah berencana untuk mengembalikan uang. Siapa pun yang meminta Anda untuk membatalkan pesanan setelah Anda membayarnya kemungkinan besar mencoba menipu Anda.

Bertemu dengan Penjaga Tak Terlihat di Tempat Kerja

Untuk melindungi pengguna kami agar tidak menjadi korban penipuan yang disebutkan di atas, kami memiliki tim pahlawan AI kami sendiri yang bekerja di balik layar 24/7.

Para pahlawan ini adalah model AI khusus yang dilatih untuk mengendus pengguna yang bertindak dengan niat jahat. Model-model tersebut pada dasarnya bertindak sebagai penjaga gerbang, mengawasi berbagai fase jalur transaksi dengan tujuan tunggal untuk mencegat aktivitas penipuan. Berikut ini adalah tinjauan lebih dekat terhadap model-model yang kami gunakan dan bagaimana model-model tersebut berfungsi untuk memberikan pengalaman perdagangan P2P yang andal kepada jutaan pengguna.

Jack of All Trades: Model Bahasa Besar (LLM)

Istilah model bahasa besar (LLM) merujuk pada sistem AI serbaguna yang mahir dalam "memahami" dan menghasilkan bahasa manusia. LLM dilatih menggunakan data teks dari seluruh internet.

Seiring berjalannya waktu, model-model ini dapat dilatih, atau disempurnakan, agar unggul dalam tugas-tugas tertentu, seperti menghasilkan teks asli atau mengenali pesan-pesan yang dapat menandakan niat jahat pengirimnya.

Bagaimana kita menggunakan LLM untuk melatih model P2P kita?

Untuk menyempurnakan model kami, kami memaparkannya pada data komunikasi yang terkait dengan transaksi P2P – dengan kata lain, apa yang orang katakan satu sama lain saat mereka bertransaksi. Awalnya, model kami menemukan lebih banyak contoh aktivitas transaksi umum daripada perilaku terkait penipuan selama proses pembelajaran. Hal ini menimbulkan rintangan yang signifikan: Bagaimana model kami dapat mempelajari cara penipu berkomunikasi dengan sangat sedikit contoh untuk menarik data?

Kami mencoba beberapa pendekatan:

  1. Meningkatkan set pelatihan kelompok minoritas (sampel penipu) dengan mengulang kejadiannya (oversampling) lebih sering dalam model.

  2. Mengurangi jumlah instance dari pengguna reguler (undersampling).

  3. Menyesuaikan pentingnya setiap kelompok (mengubah bobot kelas).

Ketiga metode tersebut masih belum memuaskan karena keragaman data akibat keterbatasan ukuran sampel. Pendekatan yang paling efektif adalah membuat contoh pelatihan tambahan melalui LLM seperti LLaMa 2, OpenAssistant, dan Falcon.

Kami menggunakan LLM ini untuk merumuskan kembali contoh-contoh perilaku komunikatif penipu yang ada, atau bahkan menciptakan contoh-contoh baru dengan pesan yang serupa. Hal ini menghasilkan serangkaian materi pelatihan yang lebih seimbang dengan ukuran sampel penipu yang memuaskan untuk model klasifikasi kami.

Memahami Maksud Pengguna

Sebagian besar interaksi pengguna di Binance P2P terjadi di fitur obrolan bawaan kami. Isi percakapan ini dapat mengungkapkan wawasan utama tentang maksud pengguna. Misalnya, jika seseorang berpura-pura menjadi agen layanan pelanggan, melanggar aturan tentang cara membayar, atau membutuhkan bantuan untuk menyelesaikan pesanan, mereka mengatakan hal-hal tertentu dalam obrolan.

Kami terus menyempurnakan LLM kami untuk mengidentifikasi maksud pengguna di berbagai situasi P2P, seperti yang ditunjukkan pada diagram di atas. Model kami disesuaikan untuk memahami situasi yang unik di pasar kami, serta membedakan antara interaksi yang mencurigakan dan normal.

Tujuan kami adalah mencegah penipuan sebelum penipuan tersebut sempat merugikan pengguna kami. LLM membantu kami menandai pesan yang mencurigakan sebelum percakapan mengarah pada transaksi. Selain memperkuat keamanan, LLM secara rutin membantu kami mengidentifikasi dan membantu pengguna yang memerlukan bantuan untuk menyelesaikan transaksi. Sejauh ini, model AI kami telah membantu kami mendeteksi dan mencegah lebih dari 2.000 potensi penipuan dan secara otomatis memfasilitasi 212.000 penyelesaian pesanan dalam obrolan banding, dengan dana yang terlibat berjumlah lebih dari $28 juta.

Untuk lebih menggambarkan cara kerja model kami, berikut adalah dua contoh penerapannya.

Skenario 1: Pembayaran pihak ketiga

Ketika model kami mengidentifikasi bahwa pengguna bermaksud menggunakan metode pembayaran pihak ketiga, misalnya, menggunakan akun orang lain untuk melakukan pembayaran, model tersebut akan segera memicu peringatan yang dikirim ke sistem obrolan yang dapat dilihat oleh kedua belah pihak.

Peringatan ini bertujuan untuk memberi tahu pengguna kami tentang risiko yang terkait dengan penerimaan permintaan semacam itu.

Skenario 2: Penyelesaian Pesanan

Jika penjual menghadapi tantangan saat merilis dan memenuhi pesanan, mereka dapat menghubungi obrolan banding kami untuk mendapatkan bantuan.

Model kami, setelah mengenali bahwa penjual memerlukan bantuan terkait pesanan, akan mengaktifkan serangkaian aturan yang telah ditetapkan sebelumnya untuk menilai apakah kriteria untuk pemrosesan pesanan otomatis telah terpenuhi. Jika kondisi ini terpenuhi, sistem akan melanjutkan untuk merilis dan memenuhi pesanan atas nama penjual.

Pemikiran Penutup

Di Binance, kami menginvestasikan sumber daya yang signifikan untuk memastikan keamanan pengguna kami, dan kami menggunakan pendekatan yang paling beragam untuk mencapai tujuan tersebut – termasuk solusi inovatif seperti alat yang didukung AI. Kami menggunakan model bahasa yang luas di seluruh pasar P2P kami untuk mengidentifikasi pengguna yang mungkin terlibat dalam perilaku mencurigakan. Untuk memerangi industri penipuan yang terus berkembang, model bahasa kami terus dilatih ulang untuk mendeteksi taktik dan tren terbaru.

Bersama dengan perangkat AI kami, kami bekerja sama dengan tim layanan pelanggan kami yang bersemangat – lagipula, dalam beberapa situasi tidak ada yang dapat menggantikan sentuhan manusia. Bersama-sama, mereka memastikan Binance tidak hanya aman, tetapi juga memberikan pengalaman pengguna yang luar biasa, memastikan bahwa setiap pengguna dapat menaruh kepercayaan pada setiap produk dan fitur yang tersedia di ekosistem Binance.

Jika Anda menjadi korban penipuan P2P, silakan buat laporan ke Dukungan Binance dengan mengikuti langkah-langkah dalam panduan ini: Cara Melaporkan Penipuan di Dukungan Binance.

Bacaan lebih lanjut

  • Riset Binance: AI dalam Kripto – Menjelajahi Kasus Penggunaan dan Kemungkinan

  • Mengapa dan Bagaimana Kami Menggunakan Pembelajaran Mesin Real-Time untuk Memantau Aktivitas Penipuan di Binance

  • Seri Blog Kenali Penipuan Anda