Kairos: nền tảng chống gian lận mã nguồn mở do AI điều chỉnh

Finic vừa giới thiệu Kairos, một nền tảng ra quyết định rủi ro và gian lận thời gian thực mã nguồn mở, định vị là lựa chọn thay thế cho các dịch vụ thương mại như Sardine, Sift, Riskified và SEON. Điểm đáng chú ý: Kairos được thiết kế để các agent lập trình như Claude Code, Cursor hay Codex có thể trực tiếp tinh chỉnh quy trình ra quyết định và huấn luyện mô hình trên dữ liệu của chính doanh nghiệp.

Giấy phép Apache 2.0

Giải hai bài toán lớn của hệ thống chống gian lận

Theo nhóm phát triển, các công cụ ra quyết định truyền thống thường vướng hai vấn đề: thiếu dữ liệu gán nhãn để huấn luyện, và đối thủ gian lận liên tục thay đổi chiêu trò.

Thứ nhất, các giải pháp chống gian lận phổ biến dùng mô hình học máy như XGBoost, nhưng mô hình này phụ thuộc vào dữ liệu gán nhãn chất lượng cao — thứ mà nhiều doanh nghiệp không có. Kairos bổ sung cái gọi là mô hình quyết định (decision model) mang tên Grayson bên cạnh các mô hình truyền thống như hồi quy logistic và cây tăng cường gradient. Cách này cho phép đưa những câu hỏi ngôn ngữ tự nhiên như "Email này có phải email rác không?" vào quy trình ra quyết định, nhờ đó không cần lượng lớn dữ liệu gán nhãn mà vẫn nắm bắt được các khía cạnh gian lận mang tính phi cấu trúc — điểm mà XGBoost thường yếu.

Thứ hai, đội chống gian lận phải đối đầu với những đối tượng liên tục thay đổi hành vi để lách logic phát hiện. Một mô hình hay bộ luật được huấn luyện xong có thể lỗi thời chỉ sau vài tuần, đòi hỏi một đội ngũ khoa học dữ liệu thường xuyên cập nhật. Kairos xử lý việc này bằng máy chủ MCP (Model Context Protocol), để agent của bạn tự định nghĩa quy trình ra quyết định, huấn luyện mô hình trên dữ liệu và chọn biến thể chạy tốt nhất.

Quyết định thời gian thực và quy trình linh hoạt

Kairos ra quyết định cho mọi thao tác đăng ký, đăng nhập, đơn hàng, thanh toán và rút tiền ngay khi chúng xảy ra, đồng thời lưu lại từng quyết định kèm các tín hiệu phía sau. Một lần gọi trả về kết quả approve (chấp thuận), step up (yêu cầu xác thực thêm), review (chờ duyệt) hoặc block (chặn), kèm điểm rủi ro và lý do — dựa trên lịch sử của đối tượng, thiết bị, thẻ và địa chỉ dùng chung với người khác, cùng dữ liệu phiên.

Hệ thống hỗ trợ quy trình (workflow): hỏi mô hình quyết định, chấm điểm bằng mô hình, rẽ nhánh, gọi webhook, mở hồ sơ và ra quyết định lại sau đó. Các hàng đợi và hồ sơ giúp con người duyệt thủ công, và kết quả duyệt đó trở thành nhãn huấn luyện mới.

Phiên bản trên npm

Agent làm việc thay kỹ sư ML

Phần khác biệt nhất của Kairos nằm ở việc ai tinh chỉnh nó. Kết nối Claude Code, Cursor, Codex hay bất kỳ agent nào qua MCP, và agent có thể đảm nhận công việc của một kỹ sư học máy chống gian lận:

• Xây quy trình: xác định cần quyết định điều gì, hỏi mô hình quyết định những câu nào, chấm điểm trường dữ liệu nào.
• Thiết kế thử nghiệm: đề xuất các biến thể — chỉ dùng mô hình quyết định, hồi quy logistic trên số liệu của bạn, cây tăng cường gradient, hoặc kết hợp câu trả lời của mô hình quyết định với số liệu trong cùng một mô hình.
• Để Kairos chạy: máy chủ huấn luyện từng biến thể trên dữ liệu gán nhãn cũ nhất, chọn trên tập tiếp theo, kiểm thử trên tập mới nhất, rồi báo cáo ROC-AUC, PR-AUC, mức cải thiện so với đường cơ sở cùng khoảng tin cậy 95%, độ chính xác và độ phủ tại các ngưỡng.
• Chọn và triển khai: agent giải thích lựa chọn, áp dụng biến thể thắng làm phiên bản tiếp theo của quy trình, và quay lại khi có nhãn mới.

Trong ví dụ mình họa, người dùng yêu cầu: "Tỷ lệ hoàn tiền của chúng tôi tăng. Hãy tìm mô hình tốt hơn cho shopify_order và công bố nếu nó thắng." Agent thiết kế sáu biến thể, đọc kết quả và kết luận hồi quy logistic trên số liệu đơn hàng cộng câu trả lời của Grayson thắng, với ROC-AUC 0,949 trên tập kiểm định và 0,930 trên tập kiểm thử, sau đó công bố thành phiên bản v6.

Hai hướng tiếp cận bổ trợ nhau

Kairos xoay quanh Grayson, mô hình quyết định của Finic. Bạn đặt câu hỏi bằng ngôn ngữ tự nhiên như "Địa chỉ giao hàng có giống nơi trung chuyển hàng không?" hay "Email này có phải dùng một lần không?", và nó trả về xác suất đã hiệu chuẩn. Mô hình quyết định mạnh ở chỗ mô hình truyền thống yếu: hoạt động ngay từ ngày đầu khi chưa có hàng nghìn hồ sơ hoàn tiền để học, đọc được dữ liệu phi cấu trúc như mô tả, email, tên, địa chỉ, ghi chú hay tên mặt hàng, và mỗi câu trả lời gắn với một câu hỏi bạn viết nên mọi quyết định đều có lý do rõ ràng.

Ngược lại, mô hình truyền thống học chính xác kết quả thực tế từ số liệu của bạn và không tốn chi phí mỗi lần quyết định. Kairos cho phép kết hợp cả hai: câu trả lời của Grayson trở thành đặc trưng bên cạnh các trường dữ liệu trong hồi quy logistic hoặc cây tăng cường gradient tương thích XGBoost, huấn luyện ngay trong Kairos; các thử nghiệm sẽ cho biết tổ hợp nào thắng trên dữ liệu của bạn.

Dành cho lập trình viên

Kairos cung cấp SDK cho TypeScript (@finic-ai/kairos) và Python (finic-kairos), một CLI, HTTP API và khả năng tự triển khai bằng Docker.

Phiên bản trên PyPI

Ví dụ với TypeScript, bạn định nghĩa hành động rút tiền với câu hỏi "Có nên giữ lệnh rút tiền này vì tài khoản có dấu hiệu gian lận hoặc bị chiếm đoạt không?", gửi sự kiện đăng nhập kèm mã người dùng, thiết bị và quốc gia IP, rồi gọi quyết định cho lệnh rút 900 USD để nhận về kết quả, điểm rủi ro và lý do.

Để tự triển khai, bạn cần Node.js 22, pnpm 10 và khóa API Grayson từ portal.finic.ai. Không cần tự dựng cơ sở dữ liệu: máy chủ tự khởi động Postgres của riêng nó. Chạy pnpm kairos dev sẽ mở API tại http://localhost:8787 và giao diện console tại http://localhost:5273; với cả đội, dùng docker compose up --build.

CLI hỗ trợ đăng ký, đăng nhập, tạo khóa bí mật, định nghĩa hành động, nhập lịch sử sự kiện từ file CSV, ra quyết định và chạy quy trình. Ngoài ra có tích hợp Shopify để ra quyết định cho mọi đơn hàng, giữ đơn rủi ro chờ duyệt và học từ dữ liệu hoàn tiền, cùng khả năng nhận webhook đầu vào từ các nhà cung cấp như Stripe.

Kairos được phát hành theo giấy phép Apache 2.0, với mã nguồn chia thành các gói: máy chủ HTTP và MCP viết bằng Hono trên Node.js với Postgres qua Drizzle, giao diện console dùng React và Vite, CLI, lõi xử lý quyết định và bộ huấn luyện cây, hai SDK, cùng bộ kiểm thử đánh giá và thư mục tài liệu.

Góc nhìn

Với các đội kỹ thuật Việt Nam, điểm hấp dẫn của Kairos là mô hình tự triển khai và miễn phí bản quyền: một startup fintech hay sàn thương mại điện tử có thể dựng thử nghiệm chống gian lận mà không phải ký hợp đồng với nhà cung cấp nước ngoài ngay từ đầu. Việc dùng câu hỏi ngôn ngữ tự nhiên thay cho hàng nghìn mẫu gán nhãn đặc biệt phù hợp với doanh nghiệp nhỏ chưa tích lũy đủ dữ liệu hoàn tiền hay gian lận.

Tuy nhiên, cần lưu ý rằng Grayson là mô hình của Finic và bản tự triển khai vẫn yêu cầu khóa API từ portal.finic.ai — nghĩa là phần lõi quyết định không hoàn toàn nằm trong tay bạn. Bài học thực tế là hãy đánh giá kỹ chi phí gọi API, yêu cầu về dữ liệu và mức độ phụ thuộc nhà cung cấp trước khi đưa vào luồng thanh toán thật, đồng thời tận dụng cơ chế thử nghiệm để so sánh mô hình trên chính dữ liệu của mình thay vì tin vào con số quảng cáo.