关键点
币安 P2P 平台使用先进的大规模语言模型（LLM）来监控交易是否存在欺诈迹象并帮助处理用户申诉。
常见的诈骗策略包括诱骗卖家在收到实际付款之前转移加密货币，并要求买家在付款后取消订单。
通过结合人工智能工具和我们支持团队的工作，我们努力确保安全可靠的币安 P2P 体验。
详细了解幕后无名英雄的工作，他们帮助确保安全可靠的币安 P2P 体验。
币安 P2P 平台于 2018 年底推出，旨在促进比特币和当地货币之间的兑换交易。 P2P交易虽然方便，但也有其特定的风险。您无需通过中心化交易所，而是信任其他用户来满足您购买或出售加密货币的请求。
如果您与诈骗者进行交易，该怎么办？币安 P2P 等信誉良好的 P2P 市场使用托管服务和严格的身份验证流程来打击欺诈。但即使采取了所有适当的安全措施，欺诈者也经常能够找到绕过这些措施的方法。
使用人工智能 (AI) 模型，我们创建了一个安全基础设施，旨在减轻与 P2P 交易相关的特定风险。但在我们更详细地讨论之前，让我们先看一下交易者在使用 Binance P2P Chat 时遇到的一些常见骗局。
四种常见的币安 P2P 诈骗
1. 支持服务的假代表
诈骗者经常冒充币安支持来诱骗受害者提供其帐户或信用卡详细信息。他们可以声称币安在要求卖家通过托管转移加密货币之前已经“收到付款”。
您需要记住的是：我们的支持团队在任何情况下都不会通过币安 P2P 聊天与您联系。
2. 托管欺诈
在这个骗局中，欺诈者冒充买家。在交易过程中，诈骗者撒谎并声称法币付款由币安 P2P 托管。该骗局声称，一旦您转移加密货币，币安就会“发送”资金。
币安 P2P 托管系统的工作方式有所不同。我们仅临时将卖家的加密货币存储在托管中，买家的法定付款永远不会通过我们的托管服务。
3. 威胁要报警
欺诈者可能声称他们是在下订单后付款的。如果你犹豫不决，他们就会向你施压，要求你转账，并威胁要报警。
不要在币安 P2P 上受到欺凌。如果您与交易伙伴存在有效争议或问题，请按照本指南中的说明提出申诉：“如何对币安应用程序上的 P2P 订单提出申诉”。
4. 欺骗买家付款后取消订单
恶意计划不仅由买家实施，卖家也可能采取欺诈手段。收到付款后，卖家可以报告一次性密码（OTP）或付款转账的问题，并建议买家取消订单。然后，卖家“承诺”在取消订单后立即全额退款。
当然，卖家只是一个骗子，从来没有打算退款。任何在您付款后要求您取消订单的人都试图欺骗您。
让我们看看秘密卫士的工作情况
为了保护我们的用户免受上述诈骗，我们有自己的 AI 英雄团队在幕后 24/7 工作。
我们的英雄是专门的人工智能模型，经过训练可以检测恶意行为的用户。这些模型本质上充当顾问，监控交易管道的各个阶段，其唯一目的是拦截欺诈活动。让我们看一下我们使用的模型以及它们如何为数百万用户提供可靠的 P2P 交易。
万事通 - 大型语言模型 (LLM)
大语言模型（LLM）一词是指能够“理解”并生成人类语音的通用人工智能系统。法学硕士使用互联网上的文本数据进行教学。
随着时间的推移，这些模型可以经过训练或调整以成功执行某些任务，例如生成原始文本或识别可能表明发送者恶意意图的消息。
我们如何使用LLM来训练我们的P2P模型？
为了调整我们的模型，我们让他们访问与 P2P 交易相关的数据，换句话说，就是人们在交易时相互发送的消息。在训练过程开始时，我们的模型收到的一般交易活动示例多于欺诈案例。这提出了一个主要障碍：如果需要分析数据的案例如此之少，我们的模型将如何了解欺诈者如何沟通？
我们尝试了几种方法：
我们通过在模型中更频繁地重复此类示例（过采样）来增加少数群体（欺诈示例）的训练集。
减少了常见用户通信的示例数量（离散化不足）。
改变了每个组的重要性（改变类别的权重）。
由于数据的多样性和样本量的有限，这三种方法仍然不能令我们满意。创建额外的 LLM 学习示例，例如 LLaMa 2、OpenAssistant 和 Falcon，已被证明是最有效的方法。
我们使用这些法学硕士来重新表述欺诈者通信行为的现有示例，甚至使用类似的消息创建新的示例。这为我们的分类模型提供了更平衡的训练集和令人满意的作弊者样本量。
了解用户意图
在币安 P2P 上，用户最常在内置聊天中进行交互。这些对话的内容可以提供有关用户意图的关键信息。例如，如果用户冒充客户服务代理、违反付款规则或需要帮助完成订单，他们就会在聊天中写下某些内容。
我们不断改进我们的法学硕士，以识别各种 P2P 情况下的用户意图，如上图所示。我们的模型经过训练，可以了解我们市场的特定情况，并区分可疑和正常的交互。
我们的目标是在欺诈者有机会伤害我们的用户之前识别出他们。法学硕士帮助我们在所讨论的交易发生之前标记可疑消息。除了增强安全性之外，它们还定期帮助我们识别并协助需要帮助完成交易的用户。到目前为止，AI 模型已帮助我们识别并预防了 2000 多起潜在的欺诈案件。此外，他们在上诉聊天中自动促成了 212,000 份逮捕令的执行，总额超过 2800 万美元。
为了更好地说明我们的模型是如何工作的，这里有两个实际例子。
结果
在币安，我们投入大量资源来确保用户的安全，并使用最广泛的方法来实现这一目标，包括创新解决方案，包括基于人工智能的工具。我们在 P2P 市场中使用广泛的语言模式来识别可能参与可疑活动的用户。我们的语言模型不断改进，以检测和打击最新的欺诈策略和不断变化的趋势。
除了人工智能工具之外，还有我们的客服团队——毕竟，在某些情况下，没有什么可以取代人类。它们共同确保了币安的安全性和卓越的用户体验，因此用户可以信任币安生态系统中提供的所有产品和功能。
如果您已成为 P2P 诈骗的受害者，请按照本指南中的步骤向币安支持举报：如何向币安支持举报诈骗。
相关文章
在币安乌克兰社交网络上关注我们：
