Menggunakan AI untuk Melawan Penipuan
Mata uang kripto seperti Bitcoin telah menjadi berita utama selama beberapa tahun terakhir. Token digital ini memiliki beberapa kualitas mata uang kuat dan dapat dibeli, diperdagangkan, dan dibelanjakan. Faktanya, seluruh pasar telah berkembang di sekitar perdagangan mata uang digital, dengan investor dan spekulan mengawasi setiap fluktuasi.
Di pusatnya adalah Coinbase yang berbasis di San Francisco, dompet digital dan platform pertukaran tempat lebih dari 20 juta pedagang dan konsumen telah memperdagangkan lebih dari 150 miliar USD dalam mata uang kripto sejak didirikan pada tahun 2012.
Layaknya semua perusahaan jasa keuangan, Coinbase perlu memberikan pengalaman tanpa hambatan bagi konsumen sambil mengambil langkah-langkah untuk mengamankan lingkungan tempat mereka beroperasi. Untuk tujuan ini, perusahaan mengandalkan kecerdasan buatan (AI) yang menggunakan alat machine learning dari Amazon Web Services (AWS).
“AI telah menjadi DNA perusahaan sejak awal,” ucap Soups Ranjan, direktur ilmu data (director of data science) di Coinbase. “Salah satu faktor risiko terbesar yang harus diperbaiki oleh pertukaran mata uang kripto adalah penipuan, dan machine learning membentuk kunci utama dari sistem anti-penipuan kami.”
Dengan menggunakan Amazon SageMaker, alat untuk membangun, melatih, dan melakukan deployment model machine learning dengan mudah, para rekayasawan di Coinbase mengembangkan sistem berbasis machine learning yang mengenali ketidakcocokan dan anomali dalam sumber identifikasi pengguna, yang memungkinkan mereka mengambil tindakan dengan cepat terhadap potensi sumber penipuan.
“Autentikasi ID online sebenarnya adalah masalah yang sangat sulit,” catat Ranjan. “Ketika Anda pergi ke sebuah bar dan penjaga melihat SIM Anda, dia bisa memancarkan cahaya dengan frekuensi tertentu dan mencari pesan tersembunyi seperti hologram.”
Hal itu tidak mungkin dilakukan secara online, jadi Coinbase menggunakan SageMaker untuk mengembangkan algoritme machine learning untuk analisis gambar guna mengalahkan penipu. Misalnya, algoritme kemiripan wajah secara otomatis mengekstrak wajah dari ID yang diunggah, lalu membandingkan wajah tertentu dengan semua wajah di ID lain yang telah diunggah. Penipu sering menggunakan foto yang sama untuk beberapa ID, karena mereka harus mengedit wajah di beberapa tempat pada ID. Dengan algoritme kemiripan wajah ini, perusahaan dapat dengan cepat mendeteksi pemalsuan.
“Machine learning membantu kami menyeimbangkan risiko untuk Coinbase, dengan fleksibilitas bagi pelanggan tempat kami ingin mereka mendapatkan pengalaman terbaik.”
Soups Ranjan
Direktur Ilmu Data (Director of Data Science)
Coinbase
“Machine learning membantu kami menyeimbangkan risiko untuk Coinbase, dengan fleksibilitas bagi pelanggan tempat kami ingin mereka mendapatkan pengalaman terbaik.”
Soups Ranjan
Direktur Ilmu Data (Director of Data Science)
Coinbase
“Kenyataannya adalah, pelanggan mudah berpindah ke layanan yang berbeda untuk mata uang kripto,” ucap Ranjan. “Machine learning membantu kami menyeimbangkan risiko untuk Coinbase, dengan fleksibilitas bagi pelanggan tempat kami ingin mereka mendapatkan pengalaman terbaik.”
Wawasan yang diperoleh dari membangun algoritme anti-penipuan juga memungkinkan Coinbase menyesuaikan pengalaman berdasarkan jenis pengguna—cara sederhana dan intuitif untuk mengelompokkan investor tingkat ritel yang membeli dan menahan, versus pengguna pro canggih yang banyak berdagang. Dalam latihan segmentasi pelanggan baru-baru ini, seorang analis Coinbase dapat dengan mudah menulis algoritme pembuatan klaster di laptop, lalu menjalankannya melalui SageMaker untuk menganalisis cara pelanggan menggunakan mata uang kripto, yang menyegmentasi mereka yang tertarik secara eksklusif dalam perdagangan dari mereka yang berinvestasi untuk jangka panjang.
Namun, manajemen risiko hanyalah satu sisi cerita. Mengingat akar digitalnya, tidak mengherankan bahwa mata uang kripto, seperti pasar keuangan yang lebih tradisional, erat kaitannya dengan sejumlah besar data. “Gudang data kami mengumpulkan data dari berbagai layanan mikro, termasuk blockchain dan data pengguna—yang berjumlah ratusan terabita secara keseluruhan,” kata Ranjan. “Jumlah itu meningkat dua kali lipat sejak awal tahun.”
Namun, karena Coinbase beroperasi di lingkungan beregulasi tinggi, perusahaan mengambil tindakan ekstra untuk memastikan data pelanggan terlindungi—bahkan dari ilmuwan data dan rekayasawannya sendiri. Kode apa pun yang berjalan di server produksi Coinbase telah ditinjau dan dilihat oleh banyak orang sebelum masuk ke produksi. “Salah satu prinsip inti kami adalah bahwa kami merupakan perusahaan yang mengutamakan keamanan karena kami menyimpan mata uang kripto atas nama pelanggan,” kata Ranjan.
Akses terbatas ke data di lingkungan yang sangat aman membuat machine learning menjadi lebih sulit. Coinbase mengatasi tantangan ini dengan mengizinkan rekayasawan machine learning mengakses log data hanya melalui kode yang telah ditinjau dan dijalankan secara menyeluruh ke dalam Amazon Elastic Container Registry—rekayasawan machine learning tidak dapat benar-benar masuk ke server produksi dan menjalankan kode yang belum ditinjau.
Pada akhirnya, keberadaan mata uang kripto digital bergantung pada kepercayaan. Dan perusahaan seperti Coinbase mengandalkan AWS untuk membangun dan mempertahankan kepercayaan tersebut dengan berupaya untuk selalu mengantisipasi risiko.