Poin-poin utama dari postingan:

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

  • Saat ini, AI mendukung 80% hingga 90% keputusan risiko secara real-time dalam verifikasi identitas, keamanan akun, pembayaran, dan penyaringan transaksi, dengan peninjau manusia menangani kasus-kasus ekstrem yang membutuhkan pertimbangan yang lebih terperinci.

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

Sebuah tangkapan layar pembayaran palsu atau dokumen identitas yang dimanipulasi kini dapat dibuat dalam hitungan detik, dan naskah penipuan dapat dipersonalisasi untuk satu target dengan biaya yang hampir nol. Saat penipuan menjadi lebih murah untuk diproduksi, satu-satunya cara yang realistis untuk mengimbanginya adalah menilai risiko secara terus-menerus, dalam skala, dan secara real-time.

Di sinilah AI menjadi inti dari cara Binance melindungi penggunanya. Pada semester pertama 2026, sistem risiko berorientasi AI Binance membantu melindungi lebih dari 8 juta pengguna dan mencegah sekitar US$ 4,6 miliar dalam potensi kerugian, dengan mencakup aktivitas trading yang tidak biasa, upaya pembobolan akun, penipuan, dan penipuan dalam transaksi.

Blog ini merinci angka-angkanya: di mana AI berperan di sepanjang perjalanan pengguna, bagaimana model internal dan eksternal bekerja sama, mengapa peninjau manusia tetap menjadi pusat dalam siklus, dan bagaimana pendekatannya melampaui pencegahan kerugian untuk mencapai kepatuhan dan operasi internal.

Binance mengubah lebih dari 100 model AI menjadi perlindungan bagi pengguna secara real-time

Pada semester pertama 2026, Binance mencegat jutaan upaya penipuan dan phishing, menempatkan lebih dari 42.000 alamat berbahaya ke daftar blokir, serta mengeluarkan lebih dari 14.000 peringatan real-time setiap hari.

Hasil ini berasal dari infrastruktur AI yang Binance kembangkan, latih, dan awasi secara internal. Saat ini, kami mengoperasikan lebih dari 100 model AI dalam kontrol anti-penipuan dan anti-kepalsuan kami, dengan analis risiko manusia yang menetapkan batas, meninjau kasus ekstrem, serta melatih ulang model saat pola penipuan baru muncul.

Dalam KYC (verifikasi identitas), pipeline peninjauan yang didukung AI memberikan peningkatan efisiensi operasional hingga 100x dibandingkan proses manual pada alur kerja tertentu, sambil tetap menjaga spesialis dalam siklus untuk kasus berisiko lebih tinggi.

Binance menyematkan perlindungan risiko berbasis AI di sepanjang perjalanan pengguna

AI terintegrasi di seluruh perjalanan pengguna, setiap kali keputusan risiko real-time perlu diambil. Ini mencakup verifikasi identitas, keamanan akun (seperti mendeteksi tanda pembobolan akun), pembayaran, serta perlindungan dan penyaringan transaksi yang lebih luas.

Setiap tindakan dinilai pada saat terjadi, dan sebagian besar diselesaikan secara otomatis. Inilah yang memungkinkan perlindungan beroperasi dalam skala platform tanpa memperlambat pengguna yang sah, karena kebanyakan orang tidak pernah melihat verifikasi dijalankan di latar belakang selama aktivitas mereka.

Tumpukan model hibrida—dikembangkan secara internal dan di luar

Binance menggunakan kombinasi teknologi milik sendiri dan pihak eksternal. Model internal dibangun khusus untuk risiko spesifik yang teramati di platform, sementara AI eksternal terkemuka dan model dasar menangani tugas penalaran yang lebih luas.

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

Selain model deteksi, Binance memelihara Red Team internal yang menguji pertahanan seolah-olah menjadi lawan nyata, termasuk menyelidiki bagaimana teknologi yang sedang berkembang dapat digunakan untuk menyerang platform.

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

Contoh: pertahanan berlapis melawan rekayasa sosial

Beberapa serangan dirancang untuk sepenuhnya menghindari teknologi dan justru menargetkan kepercayaan. Trading P2P adalah area di mana upaya rekayasa sosial sangat umum.

Di Binance, model internal computer vision mendeteksi gambar bukti pembayaran palsu dengan menganalisis detail transaksi dan manipulasi gambar yang halus. Model pemrosesan bahasa alami mengidentifikasi pesan penipuan di chat. Model machine learning tradisional menilai tingkat risiko untuk setiap order. Selain itu, model bahasa besar membantu menafsirkan maksud pesan dan menangkap teks penipuan yang disisipkan di dalam gambar.

Mesin melakukan penyaringan, manusia memutuskan, model belajar

Meski AI sangat unggul dalam penemuan dan penyaringan awal, manusia tetap penting untuk validasi mendalam dan penilaian kontekstual. Deteksi liveness dan pemalsuan dokumen identitas adalah contoh yang baik. AI dapat melakukan pra-penyaringan cepat terhadap volume besar dan menyoroti pihak yang mencurigakan, tetapi banyak kasus ekstrem masih memerlukan peninjau manusia untuk memberi label dan menilai dengan lebih akurat.

Seiring munculnya pola serangan baru, AI membantu menemukannya dan mengidentifikasikannya, lalu temuan tersebut digunakan untuk menyempurnakan model. Hasilnya adalah siklus berkelanjutan: AI memberikan skala dan manusia memberikan ketepatan. Pada seluruh kontrol anti-penipuan, model AI mengambil 80% hingga 90% keputusan risiko real-time dan membantu sekitar 45% dalam alur kerja peninjauan manusia.

Agar AI tetap bertanggung jawab pada skala ini, Binance menerapkan tata kelola model yang terstruktur di seluruh siklus hidup model—mulai dari pengembangan dan validasi hingga penerapan dan pemantauan berkelanjutan. Model diuji terhadap bias dan akurasi sebelum masuk produksi, dan kinerjanya terus dipantau terhadap hasil dunia nyata.

Ketika akurasi model menyimpang atau tingkat false positive meningkat melewati batas yang dapat diterima, sebagaimana ditetapkan oleh proses peninjauan manusia yang disebut sebelumnya, model tersebut secara otomatis ditandai untuk pelatihan ulang. Ini memastikan keputusan otomatis tetap adil, dapat dijelaskan, dan dapat diaudit—bukan hanya cepat.

Selain pencegahan kerugian: kepatuhan dan efisiensi internal

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

Lebih dari 24 inisiatif AI telah diterapkan pada onboarding pengguna, peningkatan skala penyaringan, dan due diligence mitra. Model-model ini mengelompokkan kasus berdasarkan prioritas, mengidentifikasi pola dalam kumpulan data yang kompleks—termasuk aktivitas on-chain dan sidik jari perangkat—lalu mengarahkan masalah yang tepat ke peninjau manusia, sehingga meminimalkan peringatan palsu.

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

Mendukung semuanya, ada komitmen terhadap privasi sejak rancangan (privacy by design). Sistem AI Binance beroperasi dalam kerangka yang memprioritaskan privasi, di mana minimalisasi data, pembatasan tujuan, dan perlindungan hak pengguna diintegrasikan ke cara model AI dibangun dan diterapkan. Tujuannya jelas: melindungi pengguna dari penyalahgunaan finansial dan kerusakan tanpa mengorbankan hak privasi data mereka—dan melakukannya secara transparan, sehingga pengguna memahami bahwa perlindungan bekerja di latar belakang tanpa data mereka digunakan melebihi kebutuhan untuk tugas tersebut.

Pertimbangan akhir

Di Binance, perlindungan pengguna adalah prioritas yang terus kami investasikan. AI menghadirkan skala; manusia menghadirkan penilaian. Saat alat untuk menghasilkan penipuan menjadi lebih murah, kombinasi ini harus terus berkembang—yang berarti melatih ulang model, menyempurnakan batas, dan menjaga analis berpengalaman pada kasus-kasus yang memang membutuhkannya.

Bacaan tambahan

Pemberitahuan hukum: Konten ini disajikan kepada Anda “apa adanya”, hanya untuk tujuan informasi umum dan edukasi, tanpa pernyataan atau jaminan apa pun dari jenis apa pun. Konten ini tidak boleh ditafsirkan sebagai nasihat keuangan, juga tidak dimaksudkan untuk merekomendasikan pembelian produk atau layanan spesifik apa pun. Harga aset digital dapat bergejolak. Nilai investasi Anda dapat turun atau naik, dan Anda mungkin tidak memulihkan nilai yang diinvestasikan. Anda sepenuhnya bertanggung jawab atas keputusan investasi Anda dan Binance tidak bertanggung jawab atas kerugian apa pun yang mungkin Anda alami. Ini bukan nasihat keuangan. Untuk informasi lebih lanjut, lihat Syarat Penggunaan dan Pemberitahuan Risiko kami.

Perhatian: Perlu diperhatikan bahwa mungkin terdapat perbedaan antara konten asli berbahasa Inggris ini dan versi terjemahannya (versi tersebut dapat dihasilkan oleh AI). Silakan merujuk ke versi bahasa Inggris asli untuk informasi yang paling akurat jika muncul perbedaan.