"현실을 보면 고객들은 다른 암호화폐 서비스로 쉽게 넘어갈 수 있습니다"라고 Ranjan은 말합니다. "기계 학습 덕분에 Coinbase는 위험을 해결하고, 고객은 필요한 곳에서 최상의 환경을 누릴 수 있습니다."

또한 사기 방지 알고리즘을 구축하면서 얻은 인사이트를 통해 Coinbase는 사용자 유형에 따라 경험을 조정할 수 있게 되었습니다. 즉, 구매 후 장기간 보유하는 소매 수준의 투자자와 많은 거래를 하는 수준 높은 프로 사용자를 간단하고 직관적으로 세분화할 수 있습니다. 최근에 실시한 고객 세분화 연습에서 Coinbase 분석가는 단순히 노트북에 클러스터링 알고리즘을 작성한 다음 SageMaker를 통해 실행함으로써 고객이 암호화폐를 어떻게 사용하는지를 분석하고 투기 세력과 장기 투자자를 세분화할 수 있었습니다.

하지만 위험 관리는 한 가지 측면에 불과합니다. 디지털에 뿌리를 두고 있다는 것을 감안할 때, 보다 전통적인 금융 시장과 마찬가지로 암호화폐도 엄청난 양의 데이터를 수반한다는 것은 놀라운 일이 아닙니다. "우리 회사의 데이터 웨어하우스는 블록체인과 사용자 데이터를 비롯한 다양한 마이크로서비스로부터 데이터를 수집합니다. 이를 합치면 수백 테라바이트에 달합니다"라고 Ranjan은 말합니다. "이 숫자는 올해 초 이후로 두 배로 늘어났습니다."

그러나 Coinbase는 매우 규제가 엄격한 환경에서 운영되기 때문에 사내 데이터 과학자 및 엔지니어로부터도 고객 데이터를 보호하기 위해 추가적인 조치를 취하고 있습니다. Coinbase 프로덕션 서버에서 실행되는 모든 코드는 여러 사람이 코드를 검토하고 살펴본 후에 실제로 사용되기 시작했습니다. "우리의 핵심 원칙 중 하나는 고객을 대신하여 암호화폐를 저장하기 때문에 보안 우선 기업이라는 점을 자각하는 것입니다"라고 Ranjan은 말합니다.

보안이 매우 강한 환경에서 데이터 액세스가 제한되기 때문에 기계 학습을 수행하는 것이 훨씬 더 어려워집니다. Coinbase는 철저한 검토 후에 Amazon Elastic Container Registry에 커밋된 코드를 통해서만 기계 학습 엔지니어가 데이터 로그에 액세스할 수 있도록 함으로써 이 문제를 해결합니다. 기계 학습 엔지니어가 실제로 프로덕션 서버에 로그인하고 검토되지 않은 코드를 실행할 수는 없습니다.

결국 디지털 암호화폐는 신뢰가 존재의 이유이기 때문입니다. 그리고 Coinbase와 같은 기업들은 계속해서 위험 요소를 미리 제거하면서 신뢰를 쌓고 유지하기 위해 AWS에 활용하고 있습니다.