코인베이스 CEO “자체 데이터 학습한 AI 모델, 높은 사기 탐지 성능 보여”

본문

코인베이스는 자체 결제 데이터를 학습한 큐원3.5-9B가 프런티어 모델보다 사기 탐지 F1 점수가 9.6% 높았다고 밝혔다. [블록미디어 함지현 기자] 코인베이스가 자체 결제 데이터를 학습시킨 가중치 공개형 인공지능(AI) 모델을 활용해 범용 프런티어 모델보다 높은 사기 탐지 성능을 기록했다. 브라이언 암스트롱 CEO는 12일(현지시각) X를 통해 “코인베이스의 독점 내부 데이터를 이용해 가중치 공개형 모델 큐원(Qwen)3.5-9B를 미세조정한 결과, 사기 방지라는 전문 업무에서 프런티어 모델보다 더 높은 성능을 훨씬 낮은 비용과 빠른 속도로 구현했다”고 밝혔다. 그는 “프런티어 모델은 훌륭한 범용 모델이지만 앞으로는 더 좁은 업무에서 전문화한 모델이 단독으로 또는 여러 모델과 협력해 더 뛰어난 성능을 내는 사례가 늘어날 것”이라고 말했다.

코인베이스는 최근 공개한 블로그 연재 글에서 디지털자산 구매 서비스 ‘온램프(Onramp)’의 결제 사기 탐지 시스템 구축 과정을 공개했다.

코인베이스 계정이 없는 이용자도 게스트 방식으로 결제할 수 있어 이용자의 과거 계정 정보가 부족한 상황에서도 부정거래를 판별해야 한다. 코인베이스는 기존 머신러닝(ML) 모델과 규칙 기반 탐지 시스템 위에 대규모언어모델(LLM) 기반 리스크 에이전트를 추가했다. 온라인 실험에서는 기존 ML 모델과 규칙 엔진에 LLM 에이전트를 추가한 그룹에서 사기 거래 건수가 기존 시스템 대비 30%, 사기 거래 금액은 22% 감소했다. 회사에 따르면 해당 모델은 사기 탐지 관련 4개 지표 모두에서 클로드 오퍼스 4.5를 앞섰다. 전체 사기 탐지 성능을 나타내는 F1 점수는 프런티어 모델보다 9.6% 높았고, 실제 서비스 환경의 응답 지연시간은 55% 줄었다. 암스트롱 CEO는 이 같은 구조가 단순한 AI 보조 도구를 넘어 기존 기업 시스템 자체를 대체할 가능성도 제시했다.

코인베이스의 사례는 앞으로 기업들이 범용 초대형 모델을 그대로 가져다 쓰는 대신 자체 데이터를 학습한 업무 특화 모델을 구축하는 방향으로 이동할 것임을 보여준다.