Utilização de IA para combater fraudes
As criptomoedas como Bitcoin viram uma avalanche de manchetes nos últimos anos. Esses tokens digitais compartilham algumas das qualidades de moedas fortes e podem ser adquiridos, trocados e gastos. Na realidade, um mercado inteiro cresceu em torno da comercialização de moedas digitais, com investidores e especuladores acompanhando de perto cada flutuação.
No centro disso está a Coinbase, sediada em São Francisco, que é uma plataforma de câmbio e carteira digital em que 20 milhões de comerciantes e clientes negociaram mais de USD 150 milhões em criptomoedas desde 2012.
Assim como empresas de serviços financeiros, a Coinbase precisa oferecer aos clientes uma experiência transparente para proteger o ambiente em que eles operam. Para isso, a empresa utiliza inteligência artificial usando ferramentas de machine learning da Amazon Web Services (AWS).
“A IA tem sido o DNA da empresa desde o princípio”, diz Soups Ranjan, diretor de ciência de dados na Coinbase. “Um dos maiores fatores de risco que uma troca de criptomoedas precisa combater é a fraude, e o machine learning é a peça central do nosso sistema antifraude.”
Utilizando o Amazon SageMaker, uma ferramenta para desenvolver, treinar e implantar facilmente modelos de machine learning, os engenheiros da Coinbase desenvolveram um sistema orientado por machine learning que reconhece assimetrias e anomalias em fontes de identificação de usuários, permitindo que eles tomem providências rapidamente contra as potenciais fontes de fraudes.
“Na realidade, a autenticação de IDs online é um problema complexo”, observa Ranjan. “Quando você entra em um bar e o segurança checa a sua carteira de motorista, ele pode alterar o brilho da luz em uma certa frequência para analisar mensagens ocultas, como hologramas.”
Como isso não é possível online, a Coinbase usa o SageMaker para desenvolver algoritmos de machine learning de análise de imagens para erradicar golpistas. Por exemplo, um algoritmo de similaridade facial automaticamente extrai rostos de IDs que são carregados e, então, compara um determinado rosto com todos os outros de IDs que já foram carregados. Com frequência, golpistas utilizam a mesma foto em vários IDs para não precisar editar o rosto em vários lugares no ID. Com esse algoritmo de similaridade facial, a empresa consegue detectar a falsificação rapidamente.
“O machine learning nos ajuda a equilibrar os riscos para a Coinbase, com flexibilidade para os clientes sempre que queremos lhes oferecer a melhor experiência possível.”
Soups Ranjan
Diretor de ciência de dados
Coinbase
“O machine learning nos ajuda a equilibrar os riscos para a Coinbase, com flexibilidade para os clientes sempre que queremos lhes oferecer a melhor experiência possível.”
Soups Ranjan
Diretor de ciência de dados
Coinbase
“A verdade é que é fácil para os clientes se adaptar a diferentes serviços para usar a criptomoeda”, diz Ranjan. “O machine learning nos ajuda a equilibrar os riscos para a Coinbase, com flexibilidade para os clientes sempre que queremos lhes oferecer a melhor experiência possível.”
Os insights obtidos pelo desenvolvimento de algoritmos antifraude também permitem que a Coinbase adeque as experiências com base nos tipos de usuários, uma maneira simples e intuitiva de segmentar investidores de varejo que compram e guardam, em oposição a usuários profissionais sofisticados que negociam bastante. Em um exercício recente de segmentação de clientes, um analista da Coinbase conseguiu simplesmente gravar um algoritmo de clustering em um laptop e, em seguida, executá-lo no SageMaker para analisar como os clientes usam criptomoedas, segmentando os que estão exclusivamente interessados em comercializá-las dos que estão investindo em longo prazo.
Mas a gestão de riscos é apenas uma versão da história. Devido às raízes digitais, não é nenhuma surpresa que a criptomoeda, assim como os mercados financeiros mais tradicionais, caminhe lado a lado com uma enorme quantidade de dados. “Nosso data warehouse coleta dados de diversos microsserviços, incluindo dados de blockchain e de usuários que, juntos, somam centenas de terabytes”, coloca Ranjan. “Esse número dobrou desde o início do ano.”
Contudo, como a Coinbase opera em um ambiente altamente regulado, a empresa toma medidas extras para garantir que os dados de clientes sejam protegidos, até mesmo de seus próprios cientistas de dados e engenheiros. Qualquer código em execução nos servidores de produção da Coinbase passou por revisão de código e foi analisado por vários grupos de pessoas antes de ir para a produção. “Um dos nossos principais fundamentos é que somos uma empresa que prioriza a segurança porque armazenamos as criptomoedas em nome de nossos clientes”, diz Ranjan.
O acesso restrito a dados em um ambiente altamente seguro torna o uso de machine learning muito mais difícil. A Coinbase supera esse desafio permitindo que engenheiros de machine learning acessem logs de dados somente por meio de um código que já tenha sido minuciosamente revisado e entregue ao Amazon Elastic Container Registry. Os engenheiros de machine learning não conseguem acessar os servidores de produção e executar um código que não tenha sido revisado.
No fim das contas, as criptomoedas digitais dependem de confiança para existirem. E as empresas como a Coinbase contam com a AWS para desenvolver e manter essa confiança trabalhando para se manter constantemente à frente dos riscos.