Ключевые выводы
- В первой половине 2026 года системы управления рисками Binance на базе ИИ помогли защитить более 8 миллионов пользователей и предотвратить потенциальные убытки на сумму около 4,6 млрд долларов.
- ИИ теперь лежит в основе 80–90% решений по управлению рисками в реальном времени, охватывая верификацию личности, безопасность аккаунтов, платежи и скрининг транзакций, при этом человеческий контроль сохраняется для сложных случаев, требующих детальной оценки.
- Более 100 моделей ИИ обеспечивают антифрод-защиту, выявляя мошенничество, поддельные документы и попытки социальной инженерии в масштабе платформы.
📷
Сейчас поддельный скриншот платежа или измененный документ, удостоверяющий личность, можно создать за считанные секунды, а скрипт мошенничества — персонализировать под конкретную жертву практически бесплатно. По мере того как производство обмана становится все дешевле, единственный реалистичный способ держать темп — это непрерывная оценка рисков в масштабе и в реальном времени.
Именно здесь ИИ стал центральным элементом защиты пользователей Binance. В первой половине 2026 года системы управления рисками Binance на базе ИИ помогли защитить более 8 миллионов пользователей и предотвратить потенциальные убытки на сумму около 4,6 млрд долларов, блокируя подозрительную торговую активность, попытки захвата аккаунтов, мошенничество и фродовые транзакции.
В этом блоге мы разбираем цифры: где именно ИИ задействован на пути пользователя, как взаимодействуют внутренние и внешние модели, почему люди остаются ключевым звеном процесса и как этот подход выходит за рамки предотвращения убытков, затрагивая комплаенс и внутренние операции.
Binance превращает более 100 моделей ИИ в систему защиты пользователей в реальном времени
В первом полугодии 2026 года Binance перехватил миллионы попыток мошенничества и фишинга, внес в черный список более 42 000 вредоносных адресов и ежедневно отправлял более 14 000 предупреждений в реальном времени.
Эти результаты достигаются благодаря инфраструктуре ИИ, которую Binance разрабатывает, обучает и контролирует самостоятельно. Сейчас мы используем более 100 моделей ИИ в наших системах борьбы с мошенничеством и скамом, при этом специалисты по рискам устанавливают пороги срабатывания, рассматривают сложные случаи и переобучают модели по мере появления новых схем обмана.
В процессе KYC (верификации личности) наши конвейеры проверки с использованием ИИ показали до 100-кратного повышения операционной эффективности по сравнению с ручными процессами в отдельных рабочих потоках, сохраняя при этом участие специалистов в проверке высокорисковых кейсов.
Binance внедряет защиту от рисков на базе ИИ на всем пути пользователя
ИИ интегрирован во весь пользовательский путь везде, где необходимо принять решение по риску в реальном времени. Сюда входят верификация личности, безопасность аккаунта (например, обнаружение признаков его взлома), платежи, а также общая защита и скрининг транзакций.
Каждое действие оценивается в момент совершения, и подавляющее большинство из них обрабатывается автоматически. Это позволяет системе защиты работать в масштабах всей платформы, не замедляя легитимных пользователей, поскольку большинство людей даже не подозревает о проверках, работающих «под капотом».
Гибридный стек моделей: собственные разработки и внешние решения
Binance использует комбинацию проприетарных и внешних технологий. Внутренние модели создаются специально для конкретных рисков, наблюдаемых на платформе, в то время как ведущие внешние ИИ-модели и фундаментальные модели (foundation models) решают более широкие задачи логического анализа.
Такой гибридный подход обеспечивает передовой уровень обнаружения угроз, сохраняя при этом преимущества, адаптированные под пользователей, продукты и масштаб Binance. Это также означает возможность быстрого внедрения новых функций по мере развития всей сферы ИИ.
Помимо детекционных моделей, в Binance работает внутренняя команда Red Team, которая тестирует defenses так же, как это сделал бы реальный злоумышленник, включая проверку того, как новые технологии могут быть использованы против платформы.
Джимми Су, директор по безопасности (CSO) Binance, поясняет: «Эти учения помогают нам находить уязвимости раньше, чем это сделают атакующие, подтверждать эффективность наших мер контроля в реалистичных условиях и постоянно совершенствовать людей, процессы и технологии, защищающих наших пользователей. В сфере безопасности нельзя просто предполагать, что ваша защита сработает, — ее нужно активно испытывать».
Пример: многоуровневая защита от социальной инженерии
Некоторые атаки направлены на то, чтобы полностью обойти технологические барьеры и воздействовать на доверие. P2P-торговля — одна из областей, где попытки социальной инженерии особенно распространены.
В Binance внутренние модели компьютерного зрения выявляют поддельные доказательства платежей, анализируя детали транзакций и тонкие манипуляции с изображениями. Модели обработки естественного языка (NLP) идентифицируют мошеннические сообщения в чатах. Традиционные модели машинного обучения оценивают уровень риска каждого ордера. Сверху этого большие языковые модели (LLM) помогают интерпретировать намерения в сообщениях и ловят текст мошенничества, скрытый внутри изображений.
Машины фильтруют, люди решают, модели учатся
Хотя ИИ превосходно справляется с поиском и грубым скринингом, люди остаются незаменимыми для точной валидации и контекстной оценки. Хороший пример — проверка живого присутствия (liveness detection) и обнаружение подделок документов, удостоверяющих личность. ИИ может быстро предварительно просеивать большие объемы данных и выделять подозрительные случаи, но многие граничные ситуации все еще требуют ручной разметки и более точной оценки со стороны экспертов.
По мере появления новых паттернов атак ИИ помогает их обнаружить и идентифицировать, а полученные данные используются для тонкой настройки моделей. Результатом становится непрерывный цикл, где ИИ обеспечивает масштаб, а люди — точность. В рамках антифрод-контроля модели ИИ принимают 80–90% решений по управлению рисками в реальном времени и помогают примерно в 45% рабочих процессов ручной проверки.
Чтобы обеспечить подотчетность ИИ в таких масштабах, Binance применяет структурированное управление моделями на протяжении всего их жизненного цикла: от разработки и валидации до развертывания и постоянного мониторинга. Перед запуском модели тестируются на наличие смещений (bias) и точность, а их производительность непрерывно отслеживается по результатам работы в реальных условиях.
Когда точность модели снижается или уровень ложноположительных срабатываний превышает приемлемые пороги (что выявляется упомянутым выше процессом ручной проверки), модель автоматически помечается для переобучения. Это гарантирует, что автоматизированные решения остаются справедливыми, объяснимыми и аудируемыми, а не просто быстрыми.
За пределами предотвращения убытков: комплаенс и внутренняя эффективность
Помимо защиты наших пользователей, наши команды комплаенса используют инструменты автоматизации на базе ИИ для масштабирования и стандартизации таких процессов, как обнаружение фрода в KYC и выполнение мониторинга транзакций.
Более 24 инициатив в области ИИ развернуты в процессах онбординга пользователей, эскалации скрининга и должной осмотрительности в отношении партнеров. Эти модели сортируют кейсы по приоритету, выявляют паттерны в сложных наборах данных (включая активность в блокчейне и цифровые отпечатки устройств) и направляют правильные проблемы к людям-экспертам, минимизируя количество ложных алертов.
Внутри компании эффект аналогичен. Аналитики используют ИИ для ускорения работы в задачах анализа, мониторинга и развертывания моделей, а операционные команды применяют его для помощи в расследованиях и работе с деталями кейсов. В обоих случаях цель одна: передать рутинную работу машинам, чтобы люди могли сосредоточиться на задачах, требующих высокой квалификации и принятия важных решений. Это отражается в уровне внедрения: внутренний агентный инструмент Binance сейчас используется примерно в 72% команд, чему способствуют общекорпоративное обучение, программы по инжинирингу промптов и структурированный надзор.
Фундаментом всего этого является приверженность принципу «конфиденциальность по умолчанию» (privacy by design). Системы ИИ Binance работают в рамках архитектуры privacy-first, где минимизация данных, ограничение целей использования и гарантии прав пользователей встроены в процессы создания и развертывания моделей ИИ. Цель проста: защищать пользователей от финансового злоупотребления и вреда, не нарушая их права на конфиденциальность данных, и делать это прозрачно, чтобы пользователи понимали, что механизмы защиты работают в фоновом режиме без использования их данных сверх необходимого для конкретной задачи.
Заключение
В Binance защита пользователей — это приоритет, в который мы продолжаем инвестировать. ИИ обеспечивает масштаб, а люди — здравый смысл. Поскольку инструменты для создания обмана становятся все дешевле, эта комбинация должна постоянно улучшаться, что означает переобучение моделей, уточнение пороговых значений и сохранение опытных аналитиков для тех случаев, где они действительно нужны.
Дисклеймер: Этот контент предоставляется вам «как есть», исключительно для общей информации и образовательных целей, без каких-либо гарантий или заверений любого рода. Он не должен рассматриваться как финансовая консультация и не предназначен для рекомендации покупки какого-либо конкретного продукта или услуги. Цены на цифровые активы могут быть волатильными. Стоимость ваших инвестиций может снизиться или вырасти, и вы можете не вернуть вложенную сумму. Вы несете полную ответственность за свои инвестиционные решения, и Binance не несет ответственности за любые возможные убытки. Это не финансовая консультация. Для получения дополнительной информации ознакомьтесь с нашими [Условиями использования](https://www.binance.com/en/terms) и [Предупреждением о рисках](https://www.binance.com/en/risk-warning).
