Principais Conclusões
- No primeiro semestre de 2026, os sistemas de risco impulsionados por IA da Binance ajudaram a proteger mais de 8 milhões de usuários e evitaram aproximadamente US$ 4,6 bilhões em perdas potenciais.
- A IA agora orienta de 80% a 90% das decisões de risco em tempo real em toda a verificação de identidade, segurança da conta, pagamentos e triagem de transações, com revisores humanos lidando com os casos extremos que exigem um julgamento mais refinado.
- Mais de 100 modelos de IA alimentam os controles antifraude para detectar golpes, documentos falsificados e tentativas de engenharia social em larga escala.
📷
Uma captura de tela de pagamento falsificada ou um documento de identidade adulterado pode ser gerada em segundos hoje em dia, e um script de golpe pode ser personalizado para um único alvo quase sem custo. À medida que a produção de enganos se torna mais barata, a única maneira realista de acompanhar o ritmo é avaliar o risco continuamente, em escala e em tempo real.
É aí que a IA se tornou central na forma como a Binance protege seus usuários. No primeiro semestre de 2026, os sistemas de risco impulsionados por IA da Binance ajudaram a proteger mais de 8 milhões de usuários e evitaram aproximadamente US$ 4,6 bilhões em perdas potenciais, cobrindo atividades de negociação anormais, tentativas de invasão de conta, golpes e fraudes em transações.
Este blog detalha os números: onde a IA atua ao longo da jornada do usuário, como os modelos internos e externos trabalham juntos, por que os revisores humanos permanecem centrais no ciclo e como essa abordagem vai além da prevenção de perdas, alcançando conformidade e operações internas.
A Binance Transforma Mais de 100 Modelos de IA em Proteção Real-Time para Usuários
No primeiro semestre de 2026, a Binance interceptou milhões de tentativas de golpes e phishing, colocou na lista negra mais de 42.000 endereços maliciosos e emitiu mais de 14.000 alertas em tempo real diariamente.
Esses resultados vêm de uma infraestrutura de IA que a Binance constrói, treina e supervisiona internamente. Agora executamos mais de 100 modelos de IA em nossos controles antifraude e anti-golpe, com analistas de risco humanos definindo os limites, revisando casos extremos e retreinando modelos conforme novos padrões de golpe surgem.
Na KYC (verificação de identidade), nossos fluxos de revisão habilitados por IA entregaram ganhos de eficiência operacional de até 100x sobre processos manuais em fluxos de trabalho específicos, mantendo especialistas envolvidos nos casos de maior risco.
A Binance Integra Proteção de Risco com IA em Toda a Jornada do Usuário
A IA está integrada à jornada completa do usuário, sempre que uma decisão de risco em tempo real precisa ser tomada. Isso inclui verificação de identidade, segurança da conta (como detectar sinais de invasão de conta), pagamentos e proteção e triagem mais amplas de transações.
Cada ação é avaliada enquanto acontece, e a grande maioria é resolvida automaticamente. É isso que permite que a proteção opere na escala da plataforma sem atrasar usuários legítimos, já que a maioria das pessoas nunca vê as verificações ocorrendo por trás de suas atividades.
Um Stack Híbrido de Modelos, Construído Internamente e Além
A Binance usa uma mistura de tecnologia proprietária e externa. Os modelos internos são desenvolvidos sob medida para os riscos específicos observados na plataforma, enquanto principais modelos de IA externos e modelos fundacionais lidam com tarefas de raciocínio mais amplas.
Essa abordagem híbrida mantém a detecção na fronteira da capacidade da IA, preservando uma vantagem personalizada para os usuários, produtos e escala da Binance. Também significa que novas capacidades podem ser adotadas rapidamente conforme o campo mais amplo da IA avança.
Juntamente com os modelos de detecção, a Binance opera uma Red Team interna que testa as defesas da mesma forma que um adversário real faria, incluindo sondar como tecnologias emergentes poderiam ser usadas contra a plataforma.
Jimmy Su, Diretor de Segurança da Binance, explica: “Esses exercícios nos ajudam a identificar fraquezas antes que os atacantes o façam, validam que nossos controles funcionam sob condições realistas e fortalecem continuamente as pessoas, processos e tecnologia que protegem nossos usuários. Em segurança, você não pode simplesmente assumir que suas defesas funcionarão – você tem que desafiá-las.”
Exemplo: Defesas em Camadas Contra Engenharia Social
Alguns ataques são projetados para contornar completamente a tecnologia e atacar a confiança em vez disso. A negociação P2P é uma área onde tentativas de engenharia social são especialmente comuns.
Na Binance, modelos internos de visão computacional detectam imagens falsas de comprovantes de pagamento analisando detalhes da transação e manipulações sutis nas imagens. Modelos de processamento de linguagem natural identificam mensagens de golpe no chat. Modelos tradicionais de aprendizado de máquina avaliam o nível de risco de cada ordem. Além disso, grandes modelos de linguagem ajudam a interpretar a intenção da mensagem e capturar textos de golpe embutidos dentro das imagens.
Máquinas Fazem a Triagem, Humanos Decidem, Modelos Aprendem
Embora a IA seja excepcional na descoberta e triagem grosseira, os humanos permanecem essenciais para a validação granular e o julgamento contextual. A detecção de prova de vida e falsificação de documentos de identidade é um bom exemplo. A IA pode pré-triar grandes volumes rapidamente e destacar os suspeitos, mas muitos casos extremos ainda exigem que revisores humanos rotulem e julguem com mais precisão.
Conforme novos padrões de ataque surgem, a IA ajuda a descobrir e identificá-los, e essas descobertas são então usadas para ajustar finamente os modelos. O resultado é um ciclo contínuo onde a IA fornece escala e as pessoas fornecem precisão. Nos controles de fraude, os modelos de IA tomam de 80% a 90% das decisões de risco em tempo real e auxiliam em cerca de 45% dos fluxos de trabalho de revisão humana.
Para manter a IA responsável nessa escala, a Binance aplica uma governança estruturada de modelos durante todo o ciclo de vida do modelo, desde o desenvolvimento e validação até a implantação e monitoramento contínuo. Os modelos são testados quanto a viés e precisão antes de entrarem em operação, e seu desempenho é rastreado continuamente contra resultados do mundo real.
Quando a precisão de um modelo deriva ou as taxas de falsos positivos aumentam além dos limites aceitáveis, como descoberto pelo processo de revisão humana mencionado anteriormente, ele é sinalizado automaticamente para retreinamento. Isso garante que as decisões automatizadas permaneçam justas, explicáveis e auditáveis — não apenas rápidas.
Além da Prevenção de Perdas: Conformidade e Eficiência Interna
Além de proteger nossos usuários, nossas equipes de conformidade usam ferramentas de automação assistidas por IA para escalar e padronizar processos como detecção de fraude KYC e execução de monitoramento de transações.
Mais de 24 iniciativas de IA foram implantadas em todo o onboarding de usuários, escalonamentos de triagem e due diligence de parceiros. Esses modelos classificam casos por prioridade, identificam padrões em conjuntos de dados complexos – incluindo atividade on-chain e impressões digitais de dispositivos – e direcionam os problemas certos para revisores humanos, minimizando alertas falsos.
Internamente, o efeito é semelhante. Analistas usam IA para se mover mais rápido na análise, monitoramento e implantação de modelos, enquanto equipes de operações a usam para auxiliar em investigações e detalhes de casos. Em ambos os casos, o objetivo é o mesmo: delegar trabalhos repetitivos para que as pessoas possam focar em julgamentos de maior valor. Isso se reflete na adoção – a ferramenta agêntica interna da Binance agora vê aproximadamente 72% de adoção entre as equipes, apoiada por treinamento corporativo, programas de engenharia de prompts e supervisão estruturada.
Sustentando tudo isso está um compromisso com a privacidade desde a concepção. Os sistemas de IA da Binance operam dentro de um framework centrado na privacidade, onde a minimização de dados, limitação de finalidade e salvaguardas de direitos do usuário estão incorporadas na forma como os modelos de IA são construídos e implantados. O objetivo é direto: proteger os usuários de abusos financeiros e danos sem comprometer seu direito à privacidade de dados — e fazê-lo de forma transparente, para que os usuários entendam que as salvaguardas estão trabalhando em segundo plano sem que seus dados sejam usados além do que a tarefa requer.
Considerações Finais
Na Binance, a proteção do usuário é uma prioridade na qual continuamos investindo. A IA fornece a escala; as pessoas fornecem o julgamento. Conforme as ferramentas para produzir enganos ficam mais baratas, essa combinação precisa continuar melhorando – o que significa retreinar modelos, refinar limites e manter analistas experientes nos casos que precisam deles.
Aviso Legal: Este conteúdo é apresentado a você "como está" para fins gerais de informação e educacionais apenas, sem representação ou garantia de qualquer tipo. Não deve ser interpretado como aconselhamento financeiro, nem pretende recomendar a compra de qualquer produto ou serviço específico. Os preços dos ativos digitais podem ser voláteis. O valor do seu investimento pode subir ou descer e você pode não recuperar o montante investido. Você é exclusivamente responsável pelas suas decisões de investimento e a Binance não é responsável por quaisquer perdas que você possa incorrer. Não é aconselhamento financeiro. Para mais informações, veja nossos Termos de Uso e Aviso de Risco.
