Основные темы публикации:

  • В первом полугодии 2026 года ориентированные на ИИ системы риск-менеджмента Binance помогли защитить более 8 миллионов пользователей и предотвратить примерно 4,6 миллиарда долларов США потенциальных потерь.

  • В настоящее время ИИ лежит в основе 80%–90% решений по управлению рисками в режиме реального времени при проверке личности, обеспечении безопасности аккаунта, платежах и автоматической сортировке транзакций, при этом люди-ревьюеры берут на себя крайние случаи, которые требуют более точного суждения.

  • Более 100 моделей ИИ усиливают антифрод-контроли для выявления мошенничества, поддельных документов и попыток социальной инженерии в масштабе.

Поддельный скриншот платежа или поддельный документ, удостоверяющий личность, теперь можно сгенерировать за секунды, а сценарий мошенничества можно адаптировать под одного-единственного получателя практически за бесценок. По мере того как обман становится дешевле в производстве, единственный реалистичный способ не отставать — постоянно оценивать риск в масштабе и в режиме реального времени.

Именно здесь ИИ стал центральным элементом того, как Binance защищает своих пользователей. В первой половине 2026 года ИИ-ориентированные системы управления рисками Binance помогли защитить более 8 миллионов пользователей и предотвратить примерно 4,6 миллиарда долларов возможных потерь, охватив аномальные торговые активности, попытки взлома аккаунтов, мошеннические схемы и фрод в транзакциях.

В этом блоге подробно описаны цифры: где ИИ работает на протяжении пути пользователя, как внутренние и внешние модели работают вместе, почему человеческие рецензенты по-прежнему остаются ключевыми в цикле и как подход выходит за рамки предотвращения потерь, чтобы обеспечивать соответствие требованиям и поддержку внутренних операций.

Binance превращает более 100 моделей ИИ в защиту пользователей в реальном времени

В первой половине 2026 года Binance перехватила миллионы попыток мошенничества и фишинга, заблокировала более 42 000 вредоносных адресов и выдавала более 14 000 оповещений в реальном времени ежедневно.

Эти результаты обеспечиваются инфраструктурой ИИ, которую Binance разрабатывает, обучает и контролирует внутри компании. В настоящее время мы используем более 100 моделей ИИ в наших антифрод- и антискам-контролях; при этом аналитики по рискам определяют границы, проверяют крайние случаи и переобучают модели по мере появления новых мошеннических паттернов.

В KYC (проверка личности) наши ИИ-активированные конвейеры проверки обеспечили рост эффективности операционных процессов до 100 раз по сравнению с ручными процедурами в отдельных рабочих потоках, при этом специалисты остаются в цикле для случаев повышенного риска.

Binance внедряет ИИ-защиту от рисков на всем пути пользователя

ИИ встроен в весь путь пользователя — всякий раз, когда требуется принимать решение по рискам в режиме реального времени. Это включает проверку личности, безопасность аккаунта (например, выявление признаков взлома аккаунта), платежи и расширенную защиту и триаж транзакций.

Каждое действие оценивается в момент его выполнения, и подавляющее большинство случаев решается автоматически. Именно поэтому защита может работать в масштабе платформы, не замедляя законных пользователей: большинство людей никогда не видит проверок, которые выполняются в фоновом режиме во время их активности.

Гибридный стек моделей, разработанный внутри компании и не только

Binance использует сочетание собственной и внешней технологий. Внутренние модели создаются с учетом конкретных рисков, наблюдаемых на платформе, тогда как ведущие внешние модели ИИ и базовые модели берут на себя более широкие задачи рассуждений.

Такой гибридный подход сохраняет детектирование на переднем крае возможностей ИИ, одновременно обеспечивая адаптированное преимущество под пользователей, продукты и масштабы Binance. Это также означает, что новые возможности можно быстро внедрять по мере развития более широкой области ИИ.

Помимо моделей детектирования, Binance также поддерживает внутреннюю Red Team, которая тестирует защиты так, как это сделал бы реальный противник: в том числе исследует, как возникающие технологии могут быть использованы против платформы.

Джимми Сю, Chief Security Officer (директор по безопасности) Binance, объясняет: «Эти упражнения помогают нам выявлять уязвимости до того, как это сделают атакующие, подтверждать, что наши контроли работают в реалистичных условиях, и постоянно укреплять людей, процессы и технологии, которые защищают наших пользователей. В безопасности нельзя просто предполагать, что ваши защиты сработают — их нужно бросить им вызов».

Пример: многоуровневые защиты от социальной инженерии

Некоторые атаки спроектированы так, чтобы полностью обойти технологию и вместо этого нацелиться на доверие. P2P-торговля — это область, где попытки социальной инженерии особенно распространены.

В Binance внутренние модели компьютерного зрения выявляют поддельные изображения подтверждений платежа, анализируя детали транзакции и тонкие манипуляции с изображениями. Модели обработки естественного языка распознают мошеннические сообщения в чате. Традиционные модели машинного обучения оценивают уровень риска каждой заявки. Кроме того, крупные языковые модели помогают интерпретировать намерение сообщения и извлекать мошеннический текст, встроенный внутри изображений.

Машины делают первичный триаж, люди принимают решения, модели учатся

Хотя ИИ отлично справляется с обнаружением и первичным триажем, люди по-прежнему критически важны для детальной валидации и контекстного суждения. Хороший пример — детектирование «живости» (liveness) и подделок документов, удостоверяющих личность. ИИ может быстро провести предварительный триаж больших объемов и выделить подозрительных, но многие крайние случаи все еще требуют человеческих рецензентов, чтобы точнее пометить и вынести суждение.

По мере появления новых шаблонов атак ИИ помогает их обнаруживать и идентифицировать, а затем эти находки используются для настройки моделей. В итоге получается непрерывный цикл: ИИ дает масштаб, а люди — точность. Во всех антифрод-контролях модели ИИ принимают 80–90% решений по рискам в реальном времени и помогают примерно в 45% рабочих процессов ручного пересмотра.

Чтобы поддерживать ответственность ИИ в таком масштабе, Binance применяет структурированное управление моделями на протяжении всего жизненного цикла модели — от разработки и валидации до внедрения и непрерывного мониторинга. Перед запуском в продакшн модели тестируются на наличие смещений и точность, а их эффективность постоянно отслеживается относительно результатов из реального мира.

Когда точность модели отклоняется или когда доля ложных срабатываний растет сверх приемлемых пределов — как это выявляет упомянутый выше процесс ручного пересмотра — модель автоматически направляется на повторное обучение. Это гарантирует, что автоматизированные решения остаются справедливыми, объяснимыми и поддающимися аудиту — а не просто быстрыми.

Помимо предотвращения потерь: соответствие требованиям и эффективность внутренних процессов

Помимо защиты наших пользователей, наши команды по комплаенсу используют инструменты ИИ-автоматизации, чтобы масштабировать и стандартизировать процессы, такие как обнаружение мошенничества в KYC и выполнение мониторинга транзакций.

Более 24 инициатив с применением ИИ внедрены в адаптацию пользователей, эскалацию триажа и due diligence партнеров. Эти модели ранжируют случаи по приоритету, выявляют паттерны в сложных наборах данных — включая активность on-chain и отпечатки устройств — и направляют нужные проблемы к человеческим рецензентам, минимизируя ложные оповещения.

Внутри компании эффект похож. Аналитики используют ИИ, чтобы быстрее продвигаться в анализе, мониторинге и внедрении моделей, а команды операций — чтобы помогать в расследованиях и деталях кейсов. В обоих случаях цель одна: передавать повторяющуюся работу, чтобы люди могли сосредоточиться на решениях более высокой ценности. Это отражается и в принятии — внутренняя агентная утилита Binance теперь используется примерно 72% команд, чему способствуют корпоративные тренинги, программы prompt engineering и структурированный надзор.

Под всем этим лежит приверженность приватности с самого начала (privacy by design). ИИ-системы Binance работают в рамках, где приоритет отдается приватности: минимизация данных, ограничение целевого назначения и гарантии прав пользователя встроены в то, как модели ИИ создаются и внедряются. Цель очевидна: защищать пользователей от финансового злоупотребления и вреда, не ущемляя их право на приватность данных — и делать это прозрачно, чтобы пользователи понимали, что встроенные меры работают в фоновом режиме, не используя их данные сверх того, что требуется для задачи.

Итоговые соображения

В Binance защита пользователей — это приоритет, в который мы продолжаем инвестировать. ИИ дает масштаб; люди дают суждение. По мере того как инструменты для производства обмана становятся дешевле, эта комбинация должна продолжать развиваться — а это означает повторное обучение моделей, уточнение порогов и удержание опытных аналитиков в тех кейсах, где они действительно нужны.

Дополнительное чтение

Юридическое уведомление: Этот контент предоставляется вам «как есть», исключительно в целях общего информационного и образовательного характера, без каких-либо заявлений или гарантий любого рода. Его нельзя рассматривать как финансовую консультацию, и он не предполагает рекомендацию покупки какого-либо конкретного продукта или услуги. Цены цифровых активов могут быть волатильными. Стоимость ваших инвестиций может как расти, так и падать, и вы можете не вернуть вложенные средства. Вы несете единоличную ответственность за свои инвестиционные решения, и Binance не несет ответственности за любые убытки, которые вы можете понести. Это не финансовая рекомендация. Для получения дополнительной информации ознакомьтесь с нашими Условиями использования и Уведомлением о рисках.

Внимание: обратите внимание, что между исходным этим контентом на английском языке и любыми переведенными версиями могут быть расхождения (эти версии могут быть сгенерированы с помощью ИИ). Пожалуйста, сверяйтесь с оригинальной версией на английском языке, чтобы получить наиболее точную информацию, если возникнут расхождения.