防诈黑客松竞赛「比比拉布」打造AI防诈守门员 勇夺BitoPro组优胜

「比比拉布」团队以「虚拟货币交易安全AI防诈守门员」专案，勇夺币托科技（BitoPro）「虚拟货币交易安全组」优胜。DIGITIMES摄

生成式人工智能的蓬勃发展，让内容创作与传播效率大幅跃升，但也加剧假消息、伪造影像与数码诈骗的蔓延，对民主运作、社会稳定与数码治理带来考验。在技术创新与风险控管之间取得平衡，建构可信任的信息生态，已是台湾政府及产业共同关注的核心议题。

随着虚拟资产投资已蔚然成为全球趋势，各国对于虚拟资产交易均加强监理。然而，虚拟资产诈骗却层出不穷，诈骗集团利用人头户进行复杂的清洗交易，导致虚拟资产交易平台常面临「诈骗侦测延迟」与「法律追赃断点」的困境。现有的静态黑名单与固定规则已难以捕捉动态变化的犯罪模式，如何建立具备高解释性的AI预警系统，协助合规团队在黄金时间内阻断诈骗，成为当前迫切挑战。

在「去伪存真：全民侦查黑客松（Agent for Truth: Disinformation Defense Hackathon）」，在币托集团（BitoGroup）旗下加密货币交易所 币托科技（BitoPro）虚拟货币交易安全组中，由清华大学学生组成的「比比拉布」团队，以「虚拟货币交易安全AI防诈守门员」专案吸引评审目光，最终获得优胜奖。

比比拉布团队表示，团队成员从币托科技提供的KYC、法币及加密货币交易数据中，萃取出18大类、140个特徵。特别是团队创新的「三层风险追踪机制」，透过分析共享钱包、共享IP、以及间接关联的用户，追踪风险在交易网络中的扩散路径，成为系统最强的信号来源。

而在模型选择上，刻意不使用复杂的模型整合（Ensemble），借此让数据保持高解释性，避免多模型意见分歧导致合规报告变得模糊。团队采用LightGBM搭配Focal Loss，Focal Loss能让模型自动聚焦于难以分类的少数案例，解决数据极度不平衡的问题。搭配NetworkX建立内部转帐、共享钱包、共享IP的复杂网络，并透过PageRank与社群侦测演算法，可锁定资金流中的关键中继点。

此次竞赛由Amazon Web Services（AWS）提供云端技术支持，比比拉布团队运用AWS云端运算服务建构完整的AI防诈系统。团队在竞赛中开发出的解决方案采用四层解释架构，分别是「连续风险分数与等级：将风险分为四级（低至极高）」、「特徵偏差比较：以图表显示用户特徵与正常值的偏差」、「规则引擎解释：提供自动化文字说明」、「AI风险诊断书：透过Amazon Bedrock调用Claude 3.5 Haiku大型语言模型，生成专业合规分析报告」等。在云端架构上，此专案采用完整的AWS技术堆叠。

系统部署于 Amazon Elastic Compute Cloud（Amazon EC2），透过Amazon Simple Storage Service（Amazon S3）存储原始数据与特徵矩阵，并运用AWS Glue进行ETL特徵工程。AWS Lambda负责批次风险评分，AWS Step Functions编排完整的数据处理流程，Amazon SNS实时通知合规团队极高风险用户，Amazon CloudWatch提供系统监控与告警，展现AWS云端服务的完整能力。

比比拉布团队表示，虽然团队成员有AI开发相关经验，不过先前并未使用过AWS云端服务。在这次黑客松竞赛前，AWS规划的AI技术工作坊、企业数据工作坊等技术资源非常丰富，让他们能在竞赛前熟悉相关AI 工具的使用。

结合BitoPro（币托科技）企业导师的产业知识辅导，团队不仅补足对虚拟货币领域的专业知识，更在产品设计时兼顾「合规人员可稽核」与「自动化风险预警」的双重需求，让此解决方案成为能够实际落地的防诈方案。