Betrugsbekämpfung mit KI
Kryptowährungen wie Bitcoin haben in den letzten Jahren für eine Vielzahl von Schlagzeilen gesorgt. Diese digitalen Token haben einige der Eigenschaften einer harten Währung und können gekauft, gehandelt und ausgegeben werden. Tatsächlich hat sich ein ganzer Markt rund um den Handel mit digitalen Währungen entwickelt, wobei Investoren und Spekulanten jede Schwankung genau im Auge behalten.
Im Mittelpunkt steht die in San Francisco ansässige Coinbase, eine digitale Geldbörse und Handelsplattform, auf der seit ihrer Gründung im Jahr 2012 über 20 Millionen Händler und Verbraucher mit Kryptowährungen im Wert von mehr als 150 Milliarden US-Dollar gehandelt haben.
Wie alle Finanzdienstleister muss Coinbase den Kunden ein nahtloses Erlebnis bieten und gleichzeitig Maßnahmen ergreifen, um die Umgebung zu sichern, in der das Unternehmen tätig ist. Dazu setzt das Unternehmen auf künstliche Intelligenz (KI) mit Machine-Learning-Tools von Amazon Web Services (AWS).
„KI war von Anfang an Teil der DNA des Unternehmens“, sagt Soups Ranjan, Director of Data Science bei Coinbase. „Einer der größten Risikofaktoren, den eine Kryptowährungsbörse in den Griff bekommen muss, ist Betrug, und Machine Learning ist der Dreh- und Angelpunkt unseres Betrugsbekämpfungssystems.“
Mithilfe von Amazon SageMaker, einem Tool zum einfachen Erstellen, Trainieren und Bereitstellen von Machine-Learning-Modellen, entwickelten die Experten von Coinbase ein auf Machine Learning gestütztes System, das Unstimmigkeiten und Anomalien in den Quellen der Benutzeridentifikation erkennt und es ihnen ermöglicht, schnell Maßnahmen gegen potenzielle Betrugsquellen zu ergreifen.
„ID-Authentifizierung im Internet ist tatsächlich ein sehr schwieriges Problem“, bemerkt Ranjan. „Wenn Sie in eine Bar gehen und der Türsteher sich Ihren Führerschein ansieht, kann er ihn mit einer bestimmten Frequenz beleuchten und nach versteckten Botschaften wie Hologrammen suchen.“
Da dies online nicht möglich ist, verwendet Coinbase SageMaker, um Algorithmen für Machine Learning zur Bildanalyse zu entwickeln, die Betrügern das Handwerk legen. Ein Algorithmus zur Gesichtsähnlichkeit extrahiert beispielsweise automatisch Gesichter aus hochgeladenen Ausweisdokumenten und vergleicht dann ein bestimmtes Gesicht mit allen Gesichtern anderer Dokumente, die hochgeladen wurden. Betrüger verwenden oft dasselbe Foto für mehrere Ausweise, da sie sonst das Gesicht an mehreren Stellen des Ausweises bearbeiten müssten. Mit diesem Ähnlichkeitsalgorithmus für Gesichter kann das Unternehmen die Fälschung schnell erkennen.
„Machine Learning hilft uns, die Risiken für Coinbase mit der Flexibilität für unsere Kunden auszugleichen, damit sie die bestmögliche Erfahrung erhalten.“
Soups Ranjan
Director of Data Science
Coinbase
„Machine Learning hilft uns, die Risiken für Coinbase mit der Flexibilität für unsere Kunden auszugleichen, damit sie die bestmögliche Erfahrung erhalten.“
Soups Ranjan
Director of Data Science
Coinbase
„Tatsächlich ist es für Kunden einfach, zu anderen Services für Kryptowährungen zu wechseln”, sagt Ranjan. „Machine Learning hilft uns, die Risiken für Coinbase mit der Flexibilität für unsere Kunden auszugleichen, damit sie die bestmögliche Erfahrung erhalten.“
Die durch die Entwicklung von Algorithmen zur Betrugsbekämpfung gewonnenen Erkenntnisse ermöglichen es Coinbase auch, die Erfahrungen basierend auf den Nutzertypen zuzuschneiden – eine einfache und intuitive Möglichkeit, Kleinanleger, die kaufen und behalten, von anspruchsvollen professionellen Nutzern zu unterscheiden, die viel handeln. In einer kürzlich durchgeführten Übung zur Kundensegmentierung konnte ein Coinbase-Analyst einfach einen Clustering-Algorithmus auf einem Laptop schreiben und ihn dann über SageMaker ausführen, um zu analysieren, wie Kunden Kryptowährungen nutzen. So konnte er diejenigen, die ausschließlich am Handel interessiert sind, von denen unterscheiden, die langfristig investieren.
Doch das Risikomanagement ist nur eine Seite der Medaille. Angesichts ihrer digitalen Wurzeln ist es nicht überraschend, dass Kryptowährungen, wie auch traditionelle Finanzmärkte, mit einer enormen Datenmenge einhergehen. „Unser Data Warehouse sammelt Daten von verschiedenen Microservices, einschließlich Blockchain- und Nutzerdaten – insgesamt Hunderte von Terabytes“, sagt Ranjan. „Diese Zahl hat sich seit Anfang des Jahres verdoppelt.“
Da Coinbase jedoch in einem stark regulierten Umfeld operiert, ergreift das Unternehmen zusätzliche Maßnahmen, um sicherzustellen, dass die Kundendaten geschützt sind – sogar vor den eigenen Datenwissenschaftlern und Entwicklern. Jeder Code, der auf den Produktionsservern von Coinbase läuft, wird von mehreren Personen geprüft und untersucht, bevor er in Produktion geht. „Einer unserer wichtigsten Grundsätze ist, dass wir ein Unternehmen sind, bei dem Sicherheit an erster Stelle steht, da wir Kryptowährungen im Namen unserer Kunden speichern“, sagt Ranjan.
Der eingeschränkte Zugriff auf Daten in einer hochsicheren Umgebung erschwert die Anwendung von Machine Learning erheblich. Coinbase meistert diese Herausforderung, indem Machine-Learning-Experten nur über Code auf Datenprotokolle zugreifen können, der gründlich geprüft und in die Amazon-Elastic-Container-Registry übertragen wurde. Machine Learning-Experten können sich nicht bei den Produktionsservern anmelden und Code ausführen, der nicht geprüft wurde.
Letztendlich sind digitale Kryptowährungen auf Vertrauen angewiesen, um existieren zu können. Und Unternehmen wie Coinbase verlassen sich auf AWS, um dieses Vertrauen aufzubauen und aufrechtzuerhalten, indem sie ständig daran arbeiten, den Risiken voraus zu sein.