Coinbase、90億パラメータモデルで決済不正検知を強化：オンライン不正取引が30%減少

図1｜Coinbaseのエンジニアリングチームが不正検知Agentシリーズの研究を公開

クレジットカードで暗号資産を購入する取引は、表面的には金額、デバイス、決済結果しかない。しかし詐欺師はしばしば攻撃を複数の試行に分割する。まず少額取引でカードをテストし、次にデバイス、アドレス、支払い手段を変更し、最後により大きな金額の購入を完了させる。一件だけを見ればリスクシグナルは弱いかもしれないが、直近数回の行動をまとめて見ることでパターンが浮かび上がる。

2026年10月6日から8日にかけて、Coinbaseは3本のエンジニアリング記事を連続して公開し、Onramp事業向けに構築した不正検知Agentのプロセスを紹介した。Coinbaseはまず大規模モデルを既存の機械学習モデルとルールエンジンの後段に接続し、取引シーケンスを読ませた。次にドメイン別テストセットを構築し、異なるバージョンのクローズドソースモデルを比較した。最後に自社の不正データを用いて、90億パラメータのオープンウェイトモデルをポストトレーニングした。同社が開示したオンライン実験では、Agent導入後に不正取引件数が30%減少し、不正金額が22%減少した。ポストトレーニングモデルは内部ベンチマークでより高いF1スコアを獲得し、エンドツーエンドのレイテンシもより低かった。

これらの数字はCoinbase自身の実験によるものであり、外部が完全なデータセットを再現することは現時点ではできない。しかし、この一連の実践は非常に具体的な企業AIのサンプルを提供している。決済リスク管理のような狭いタスクでは、モデルの新旧や規模が必ずしも最優先とは限らない。実際に効果を左右するのは、企業が信頼できる結果データを持っているか、実際の業務に近いテストセットを構築できるか、そしてモデルの出力をどのように既存の意思決定システムに組み込むかである。

一、従来モデルがまずスクリーニングし、Agentが取引プロセスを読む

図2｜取引が不正検知Agentに入る処理パス

Coinbase Onrampでは、ユーザーが提携アプリ内で暗号資産を購入でき、一部のシナリオではゲストチェックアウトが許可されている。ゲストには長期的なアカウント履歴がなく、プラットフォームが利用できる情報は主に現在の支払いと直近の取引行動から得られる。従来の機械学習モデルは単一取引の特徴を迅速に処理するのが得意であり、ルールエンジンは明確な異常条件（繰り返しの失敗、デバイスの急変、支払い情報の不一致など）を遮断する。

難しさは連続した行動にある。ある購入の金額とデバイスがごく普通でも、直近数分の取引シーケンスに戻すと、複数回の少額テスト、カード変更、アドレス変更の直後に位置している可能性がある。Coinbaseは直近の取引を時系列で整理してコンテキストとし、大規模モデルにリスク判断を委ねる。モデルは短いリスク分類を出力し、後続のプログラムがその分類に基づいて承認、拒否、または人手によるレビューへの移行を決定する。

この構造は従来のリスク管理システムの速度を維持している。绝大多数の取引はまず機械学習モデルとルールによって処理され、Agentはより多くのコンテキストが必要な場合にのみ加わる。そのタスクも厳しく制限されている。整理済みの取引情報を読み、シーケンス内の関係を識別し、規定の形式で結論を返す。最終的なアクションは依然としてシステム内のポリシーレイヤーが実行する。

この分業が、CoinbaseがこれをリスクAgentと呼ぶ理由を説明している。自ら顧客を調査したり、すべての内部システムを自由に呼び出したりはしない。プラットフォームはデータ範囲、問題形式、返却可能な回答を限定しており、モデルは「これらの取引が連続していることが異常かどうか」という狭い問題に集中できる。

二、モデルアップグレードが知らぬ間にリスク尺度を変える可能性

第一段階のリリース後、Coinbaseが直面した次の問題はモデル選定だった。汎用ベンチマークはどのモデルが全体的に優れているかを教えてくれることが多いが、決済リスク管理が関心を持つ指標はより具体的である。不正取引をどれだけ阻止できるか、正常ユーザーをどれだけ誤って傷つけるか、高額不正が識別されるか、そして各判断にどれだけ時間がかかるか。

Coinbaseは自社の履歴データでテストセットを構築し、複数のOpus、Sonnet、GPTバージョンを比較した。同社の開示によると、一部の新しいモデルは精度が向上したものの、再現率、F1スコア、金額加重再現率はむしろ低下した。精度とは、モデルが不正と判断した取引のうち実際に不正であった割合を指す。再現率とは、すべての不正取引のうちどれだけが見つけられたかを指す。リスク管理システムが精度のみを追求すると、誤傷を減らせる一方で、より多くの実際の損失を見逃す可能性がある。

F1スコアは精度と再現率を総合的に観察するために用いられる。簡単に言えば、モデルが一つの指標だけで見栄えよく見えるだけかどうかをチームが判断するのに役立つ。Coinbaseはさらに金額加重再現率を加えた。なぜなら、一件の高額不正を見逃す損失は、通常、一件の少額取引を見逃すよりもはるかに大きいからである。

モデルアップグレードはそれゆえリスクポリシーの変更となる。プロンプト、インターフェース、承認ルールが変わらなくても、新しいモデルは疑わしい行動を再解釈し、以前は承認していた取引を拒否に移したり、旧バージョンが識別できた不正を見逃したりする可能性がある。企業が本番環境でモデルを切り替える前に、自社のテストセットで再検証する必要があり、ベンダーが公表した総合ランキングをそのままリリース根拠にすることはできない。

三、90億パラメータモデルがより大きなクローズドソースモデルを超えられる理由

図3｜Coinbase内部ベンチマークが示す小型モデルの3つの結果

Coinbaseはその後、Qwen3.5-9Bを選択してポストトレーニングを行った。このモデルはわずか90億パラメータで、単一のNVIDIA RTX PRO 6000 96GB GPU上でトレーニングとデプロイが可能である。チームは履歴取引結果を検証可能な報酬に変換した。モデルの判断が既知の不正結果と一致すれば報酬を得て、判断が誤れば罰を受ける。これを強化学習によってモデルを調整する。

ここで使用されるRLVRの正式名称は「検証可能報酬強化学習」である。決済取引は最終的にチャージバック、不正確認、正常完了などの結果を生み出し、これらの結果は比較的明確なトレーニングシグナルとして利用できる。モデルは回答が「良い判断らしいか」を評価するために別の大規模モデルを必要とせず、すでに発生した業務結果に向き合う。

不正サンプルの数は通常、正常取引よりもはるかに少ない。報酬関数が全体の正確率だけを見る場合、モデルがほとんどすべての取引を正常と判断しても、見かけ上良い数字を得られる可能性がある。Coinbaseはそれゆえ不正と正常サンプルの貢献をバランスさせ、LoRAを使用して少数の追加パラメータをトレーニングし、モデルにOnramp業務における不正パターンを学習させた。

同社の開示によると、ポストトレーニングモデルは内部ベンチマークでOpus 4.5と比較して精度が7.5ポイント高く、再現率が12ポイント高く、F1が9.6ポイント高く、金額加重再現率が35.4ポイント高かった。オンライン推論のエンドツーエンドレイテンシは55%低下し、トレーニングコストは100ドル未満であった。これらの結果は狭い分類タスクに対するものであり、ドメイン適応によって小型モデルをより適切な本番ツールにトレーニングできることを示している。

四、モデルはリスク結論のみを出し、システムが処置を決定する

Coinbaseはモデルに取引を直接制御させていない。Agent harnessが取引情報を入力として整理し、モデルが返すリスク分類をシステムが実行できるアクションに翻訳する。トレーニング段階ではモデルに理由の説明を求めることができるが、オンライン決済ではレイテンシとフォーマットエラーを減らすためにコンパクトなリスク結果のみが必要である。

この中間プログラムの層は重要である。モデルがどのフィールドを見ることができるか、欠損値をどう処理するか、どのカテゴリを返すか、どのくらいの時間を超えたら失敗とみなすか、モデルが応答しない場合にどの旧ルールに戻るかを規定する。モデルバージョンは交換可能であり、決済システムの権限境界は引き続きプログラムによって制御される。

人手によるレビューも依然として維持されている。高リスク取引、モデルと従来ルールが衝突する取引、または比較的大きな金額に関わる边缘サンプルは、人手キューに入ることができる。レビュー結果はその後新しいデータとなり、チームがテストセットでカバーされていない不正手法を発見するのに役立つ。モデル、ルール、人手による判断がこれによって継続的に更新される閉ループを形成する。

この閉ループは新たなガバナンス要件ももたらす。企業はモデルバージョン、入力フィールド、リスク結論、最終処置を記録して初めて、苦情、チャージバック、規制検査において当時の決定を再現できる。トレーニングデータが支払い行動やデバイス情報を含む場合、データアクセス、保存期間、後続のトレーニング用途も制御する必要がある。

五、企業のモデル選定方法が変わりつつある

図4｜企業モデル調達が汎用ランキングからドメイン評価へ移行

大規模モデルの調達は以前、汎用能力、コンテキスト長、ベンダーブランドを中心に展開されることが多かった。Coinbaseの事例は選択基準を具体的な業務に引き戻した。テストデータが実際のトラフィックに近いか、エラーコストがどのように分布するか、システムがどの程度のレイテンシに耐えられるか、モデルが既存のインフラで安定して動作できるか。

金融機関にとって、これはモデル評価をリスクポリシーとともに設計する必要があることを意味する。不正検知、マネーロンダリング対策、信用審査、異常取引識別にはいずれもサンプル不均衡が存在し、単一の正確率では問題を覆い隠しやすい。チームは再現率、誤報率、金額損失、顧客コンバージョンを同時に観察し、承認閾値を決定する必要がある。

オープンウェイトモデルはそれによって新たな位置を得た。企業は自社環境でトレーニングとデプロイが可能であり、モデルウェイト、サービス方式、バージョンリズムの制御権を保持できる。代償として、企業はトレーニングの安全性、モデル評価、インフラ、継続的なメンテナンス作業を負担しなければならない。データを持っているだけでは十分ではなく、データが明確な業務結果にマッピングできる必要がある。

Coinbaseの実践は最終的に一つの素朴な判断に落ち着く。決済リスク管理はすべての質問に答えられるモデルを必要としない。この種の取引に精通し、十分に速く反応し、エラーが測定可能であり、常に既定の権限内に留まるモデルが必要である。企業AIが本番システムに入った後、最も価値のある能力はしばしばこのような狭く安定した適応から生まれる。

本記事は法律、政策及び業界研究の交流のみを目的としており、デジタル金融、ステーブルコイン、デジタル資産及び関連する規制動向について客観的な分析を行うものであり、いかなる形式の投資助言、法律意見、税務意見その他の専門的助言を構成するものではなく、いかなる金融商品、デジタル資産または商業プロジェクトの推薦、宣伝または勧誘を構成するものでもない。文中に言及される規制規則、市場データ及び機関情報は主に公開資料に由来し、法令、規制政策、市場環境及びプロジェクトの進展の変化により調整される可能性があるため、読者は最新の公開情報と照らし合わせて独自に判断し、所在する国または地域の適用される法令を遵守されたい。著者及び掲載プラットフォームは、本記事の内容に依拠して行われた投資、取引その他の商業判断によって生じたいかなる責任も負わない。