防詐黑客松競賽「比比拉布」打造AI防詐守門員 勇奪BitoPro組優勝

「比比拉布」團隊以「虛擬貨幣交易安全AI防詐守門員」專案，勇奪幣託科技（BitoPro）「虛擬貨幣交易安全組」優勝。DIGITIMES攝

生成式人工智慧的蓬勃發展，讓內容創作與傳播效率大幅躍升，但也加劇假消息、偽造影像與數位詐騙的蔓延，對民主運作、社會穩定與數位治理帶來考驗。在技術創新與風險控管之間取得平衡，建構可信任的資訊生態，已是台灣政府及產業共同關注的核心議題。

隨著虛擬資產投資已蔚然成為全球趨勢，各國對於虛擬資產交易均加強監理。然而，虛擬資產詐騙卻層出不窮，詐騙集團利用人頭戶進行複雜的清洗交易，導致虛擬資產交易平台常面臨「詐騙偵測延遲」與「法律追贓斷點」的困境。現有的靜態黑名單與固定規則已難以捕捉動態變化的犯罪模式，如何建立具備高解釋性的AI預警系統，協助合規團隊在黃金時間內阻斷詐騙，成為當前迫切挑戰。

在「去偽存真：全民偵查黑客松（Agent for Truth: Disinformation Defense Hackathon）」，在幣託集團（BitoGroup）旗下加密貨幣交易所 幣託科技（BitoPro）虛擬貨幣交易安全組中，由清華大學學生組成的「比比拉布」團隊，以「虛擬貨幣交易安全AI防詐守門員」專案吸引評審目光，最終獲得優勝獎。

比比拉布團隊表示，團隊成員從幣託科技提供的KYC、法幣及加密貨幣交易資料中，萃取出18大類、140個特徵。特別是團隊創新的「三層風險追蹤機制」，透過分析共用錢包、共用IP、以及間接關聯的用戶，追蹤風險在交易網路中的擴散路徑，成為系統最強的信號來源。

而在模型選擇上，刻意不使用複雜的模型集成（Ensemble），藉此讓資料保持高解釋性，避免多模型意見分歧導致合規報告變得模糊。團隊採用LightGBM搭配Focal Loss，Focal Loss能讓模型自動聚焦於難以分類的少數案例，解決數據極度不平衡的問題。搭配NetworkX建立內部轉帳、共用錢包、共用IP的複雜網絡，並透過PageRank與社群偵測演算法，可鎖定資金流中的關鍵中繼點。

此次競賽由Amazon Web Services（AWS）提供雲端技術支援，比比拉布團隊運用AWS雲端運算服務建構完整的AI防詐系統。團隊在競賽中開發出的解決方案採用四層解釋架構，分別是「連續風險分數與等級：將風險分為四級（低至極高）」、「特徵偏差比較：以圖表顯示用戶特徵與正常值的偏差」、「規則引擎解釋：提供自動化文字說明」、「AI風險診斷書：透過Amazon Bedrock調用Claude 3.5 Haiku大型語言模型，生成專業合規分析報告」等。在雲端架構上，此專案採用完整的AWS技術堆疊。

系統部署於 Amazon Elastic Compute Cloud（Amazon EC2），透過Amazon Simple Storage Service（Amazon S3）儲存原始資料與特徵矩陣，並運用AWS Glue進行ETL特徵工程。AWS Lambda負責批次風險評分，AWS Step Functions編排完整的資料處理流程，Amazon SNS即時通知合規團隊極高風險用戶，Amazon CloudWatch提供系統監控與告警，展現AWS雲端服務的完整能力。

比比拉布團隊表示，雖然團隊成員有AI開發相關經驗，不過先前並未使用過AWS雲端服務。在這次黑客松競賽前，AWS規劃的AI技術工作坊、企業數據工作坊等技術資源非常豐富，讓他們能在競賽前熟悉相關AI 工具的使用。

結合BitoPro（幣託科技）企業導師的產業知識輔導，團隊不僅補足對虛擬貨幣領域的專業知識，更在產品設計時兼顧「合規人員可稽核」與「自動化風險預警」的雙重需求，讓此解決方案成為能夠實際落地的防詐方案。