Poin Utama

• Pada paruh pertama tahun 2026, sistem risiko berbasis AI Binance membantu melindungi lebih dari 8 juta pengguna dan mencegah sekitar $4,6 miliar dari potensi kerugian.

• AI kini menginformasikan 80% hingga 90% keputusan risiko real-time di seluruh verifikasi identitas, keamanan akun, pembayaran, dan penyaringan transaksi, sementara peninjau manusia menangani kasus tepi yang memerlukan penilaian yang lebih halus.

• Lebih dari 100 model AI menggerakkan kontrol anti-penipuan untuk mendeteksi penipuan, dokumen palsu, dan upaya rekayasa sosial dalam skala besar.

Tangkapan layar pembayaran palsu atau dokumen identitas yang telah dimanipulasi kini dapat dihasilkan dalam hitungan detik, dan skrip penipuan dapat dipersonalisasi untuk satu target dengan biaya nyaris nol. Ketika penipuan menjadi lebih murah untuk diproduksi, satu-satunya cara yang realistis untuk tetap mengimbangi adalah menilai risiko secara berkelanjutan, dalam skala besar, dan secara real time.

Di sinilah AI menjadi sentral dalam cara Binance melindungi penggunanya. Pada paruh pertama 2026, sistem risiko Binance berbasis AI membantu melindungi lebih dari 8 juta pengguna dan mencegah sekitar $4,6 miliar potensi kerugian, mencakup aktivitas perdagangan yang tidak wajar, upaya pembajakan akun, penipuan, dan fraud transaksi.

Blog ini menguraikan angka-angkanya: di mana AI beroperasi di seluruh perjalanan pengguna, bagaimana model internal dan eksternal bekerja sama, mengapa peninjau manusia tetap menjadi inti dalam proses, serta bagaimana pendekatannya melampaui pencegahan kerugian menjadi kepatuhan dan operasi internal.

Binance Mengubah 100+ Model AI Menjadi Perlindungan Pengguna Real-Time

Pada H1 2026, Binance mencegat jutaan upaya penipuan dan phishing, memasukkan lebih dari 42.000 alamat berbahaya ke daftar hitam, dan menerbitkan lebih dari 14.000 peringatan real-time setiap hari.

Hasil-hasil ini berasal dari infrastruktur AI yang dibangun, dilatih, dan diawasi langsung oleh Binance. Kini kami menjalankan lebih dari 100 model AI di seluruh kontrol anti-fraud dan anti-scam, dengan analis risiko manusia yang menetapkan ambang batas, meninjau kasus-kasus tepi, serta melatih ulang model ketika pola penipuan baru muncul.

Dalam KYC (verifikasi identitas), pipeline peninjauan berbasis AI kami telah menghasilkan peningkatan efisiensi operasional hingga 100x dibandingkan proses manual pada workflow tertentu, sambil tetap menjaga spesialis tetap terlibat dalam kasus berisiko lebih tinggi.

Binance Menanamkan Perlindungan Risiko Berbasis AI di Sepanjang Perjalanan Pengguna

AI tertanam di seluruh perjalanan pengguna, di mana pun keputusan risiko real-time perlu dibuat. Ini mencakup verifikasi identitas, keamanan akun (seperti mendeteksi tanda-tanda pembajakan akun), pembayaran, serta perlindungan dan penyaringan transaksi yang lebih luas.

Setiap tindakan dinilai saat terjadi, dan sebagian besar besar diselesaikan secara otomatis. Inilah yang memungkinkan perlindungan beroperasi pada skala platform tanpa memperlambat pengguna yang sah, karena kebanyakan orang tidak pernah melihat pemeriksaan yang berjalan di balik aktivitas mereka.

Tumpukan Model Hibrida, Dibangun Internal dan Lebih Jauh

Binance menggunakan perpaduan teknologi milik sendiri dan teknologi eksternal. Model internal dirancang khusus untuk risiko-risiko yang diamati di platform, sementara model AI dan foundation terkemuka dari pihak eksternal menangani tugas penalaran yang lebih luas.

Pendekatan hibrida ini menjaga deteksi tetap berada di garis depan kemampuan AI, sekaligus mempertahankan keunggulan yang disesuaikan dengan pengguna, produk, dan skala Binance. Ini juga berarti kemampuan baru dapat diadopsi dengan cepat seiring kemajuan bidang AI yang lebih luas.

Bersama model deteksi, Binance menjalankan internal Red Team yang menguji pertahanan seperti yang akan dilakukan penyerang sungguhan, termasuk menguji bagaimana teknologi yang sedang berkembang dapat digunakan untuk menyerang platform.

Jimmy Su, Chief Security Officer di Binance, menjelaskan: “Latihan-latihan ini membantu kami mengidentifikasi kelemahan sebelum penyerang melakukannya, memvalidasi bahwa kontrol kami bekerja dalam kondisi yang realistis, dan secara berkelanjutan memperkuat orang, proses, dan teknologi yang melindungi pengguna kami. Dalam keamanan, Anda tidak bisa sekadar mengasumsikan pertahanan Anda akan bekerja—Anda harus menantangnya.”

Contoh: Pertahanan Berlapis Melawan Rekayasa Sosial

Beberapa serangan dirancang untuk melewati teknologi sepenuhnya dan menargetkan kepercayaan. Perdagangan P2P adalah salah satu area yang upaya rekayasa sosialnya sangat umum.

Di Binance, model visi komputer internal mendeteksi gambar bukti pembayaran palsu dengan menganalisis detail transaksi dan manipulasi gambar yang halus. Model pemrosesan bahasa alami mengidentifikasi pesan penipuan di chat. Model pembelajaran mesin tradisional menilai tingkat risiko untuk setiap pesanan. Di atas itu, model bahasa besar membantu menafsirkan maksud pesan dan menangkap teks penipuan yang tertanam di dalam gambar.

Mesin Menyaring, Manusia Memutuskan, Model Belajar

Meskipun AI sangat unggul dalam penemuan dan penyaringan awal yang kasar, manusia tetap penting untuk validasi yang lebih detail dan penilaian kontekstual. Deteksi kelangsungan hidup (liveness) dan pemalsuan dokumen identitas adalah contoh yang baik. AI dapat melakukan praperiksa cepat dalam volume besar dan menonjolkan yang mencurigakan, namun banyak kasus tepi masih memerlukan peninjau manusia untuk memberi label dan menilai dengan lebih presisi.

Saat pola serangan baru muncul, AI membantu mengungkap dan mengidentifikasinya, lalu temuan tersebut digunakan untuk menyetel ulang model. Hasilnya adalah loop berkelanjutan: AI memberi skalanya, dan manusia memberi ketepatannya. Di seluruh kontrol fraud, model AI membuat 80% hingga 90% keputusan risiko real-time dan membantu sekitar 45% dari alur kerja peninjauan oleh manusia.

Agar AI tetap dapat dipertanggungjawabkan pada skala ini, Binance menerapkan tata kelola model yang terstruktur di seluruh siklus hidup model, mulai dari pengembangan dan validasi hingga penerapan serta pemantauan berkelanjutan. Model diuji untuk bias dan akurasi sebelum diterapkan, dan kinerjanya dilacak terus-menerus dibandingkan dengan hasil di dunia nyata.

Ketika presisi model melenceng atau tingkat false positive meningkat melewati ambang batas yang dapat diterima, sebagaimana ditemukan oleh proses peninjauan manusia yang disebutkan sebelumnya, model tersebut otomatis diberi tanda untuk pelatihan ulang. Ini memastikan keputusan otomatis tetap adil, dapat dijelaskan, dan dapat diaudit—bukan hanya cepat.

Di Luar Pencegahan Kerugian: Kepatuhan dan Efisiensi Internal

Selain melindungi pengguna kami, tim kepatuhan menggunakan alat otomatisasi berbantuan AI untuk meningkatkan skala dan menstandardisasi proses seperti deteksi penipuan KYC dan pelaksanaan pemantauan transaksi.

Lebih dari 24 inisiatif AI telah diterapkan di seluruh proses orientasi pengguna, eskalasi penyaringan, dan due diligence mitra. Model-model ini mengurutkan kasus berdasarkan prioritas, mengidentifikasi pola di antara kumpulan data yang kompleks—termasuk aktivitas on-chain dan sidik jari perangkat—serta mengarahkan masalah yang tepat ke peninjau manusia sambil meminimalkan peringatan palsu.

Secara internal, dampaknya serupa. Analis menggunakan AI untuk bergerak lebih cepat dalam analisis, pemantauan, dan penerapan model, sementara tim operasional menggunakannya untuk membantu investigasi dan detail kasus. Dalam kedua kasus, tujuannya sama: menyerahkan pekerjaan yang berulang agar orang dapat fokus pada keputusan penilaian bernilai lebih tinggi. Hal ini tercermin pada adopsi—alat internal agentic Binance kini melihat sekitar 72% adopsi di seluruh tim, didukung oleh pelatihan di seluruh perusahaan, program prompt engineering, dan pengawasan yang terstruktur.

Yang mendasari semuanya adalah komitmen untuk privasi sejak desain. Sistem AI Binance beroperasi dalam kerangka yang mengutamakan privasi, di mana minimisasi data, pembatasan tujuan, dan perlindungan hak pengguna tertanam dalam cara model AI dibangun dan diterapkan. Tujuannya sederhana: melindungi pengguna dari penyalahgunaan finansial dan bahaya tanpa mengorbankan hak mereka atas privasi data—dan melakukannya secara transparan, sehingga pengguna memahami bahwa perlindungan bekerja di latar belakang tanpa data mereka digunakan di luar kebutuhan tugas.

Pemikiran Penutup

Di Binance, perlindungan pengguna adalah prioritas yang terus kami tingkatkan investasinya. AI memberikan skalanya; manusia memberikan penilaiannya. Karena alat untuk menghasilkan penipuan menjadi lebih murah, kombinasi itu harus terus membaik—yang berarti melatih ulang model, menyempurnakan ambang batas, dan menjaga analis berpengalaman tetap terlibat pada kasus yang memerlukannya.

Bacaan Lanjutan

• Bagaimana Keamanan Binance Mencegah Serangan Tata Kelola Senilai $1,2 Juta

• AI Melawan AI – Cara Binance Melindungi Pengguna di Era Penipuan Cerdas

• Pusat Keamanan Dompet Binance – Dirancang untuk Mengidentifikasi, Menilai, dan Mengelola Potensi Ancaman di Seluruh DeFi

Pernyataan Penyangkalan: Konten ini Anda terima dalam format "apa adanya" untuk informasi umum dan tujuan edukasi saja, tanpa pernyataan atau jaminan dalam bentuk apa pun. Konten ini tidak boleh ditafsirkan sebagai nasihat keuangan, dan juga tidak dimaksudkan untuk merekomendasikan pembelian produk atau layanan tertentu. Harga aset digital dapat berfluktuasi. Nilai investasi Anda dapat turun atau naik dan Anda mungkin tidak mendapatkan kembali jumlah yang diinvestasikan. Anda sepenuhnya bertanggung jawab atas keputusan investasi Anda, dan Binance tidak bertanggung jawab atas kerugian apa pun yang mungkin Anda alami. Bukan nasihat keuangan. Untuk informasi lebih lanjut, lihat Ketentuan Penggunaan dan Peringatan Risiko kami.