اختر منطقتك 
طورت شركة Crypto Cybersecurity Trugard و Onchain Trust بروتوكول ويب ويب نظامًا تصنيعًا قائمًا على الذكاء لاكتشاف التسمم بمحفظة التشفير.
وفقًا لإعلان 21 مايو الذي تم مشاركته مع CointEleGraph ، فإن الأداة الجديدة هي جزء من أدوات اتخاذ القرار التشفير الخاصة بـ Webacy و “تستفيد من نموذج التعلم الآلي الخاضع للإشراف المدرب على بيانات المعاملات المباشرة بالتزامن مع تحليلات Onchain ، والهندسة الهندسية والسلوكية.”
تُزعم أن الأداة الجديدة لديها درجة نجاح قدرها 97 ٪ ، تم اختبارها عبر حالات الهجوم المعروفة. “إن التسمم بالعناوين هو واحد من أكثر عمليات الاحتيال التي تم الإبلاغ عنها ولكنها مكلفة في التشفير ، وهي تتفوق على أبسط افتراض: أن ما تراه هو ما تحصل عليه” ، قال المؤسس المشارك لـ Webacy Maika Isogawa.
تسمم عنوان التشفير هو عملية احتيال حيث يرسل المهاجمون كميات صغيرة من العملة المشفرة من عنوان محفظة تشبه العنوان الحقيقي للهدف ، وغالبًا ما يكون له نفس الشخصيات في البداية والانتهاء. الهدف من ذلك هو خداع المستخدم في نسخ وإعادة استخدام عنوان المهاجم بطريق الخطأ في المعاملات المستقبلية ، مما يؤدي إلى أموال ضائعة.
تستغل التقنية كيفية تعتمد المستخدمين غالبًا على مطابقة العنوان الجزئي أو سجل الحافظة عند إرسال التشفير. وجدت دراسة أجريت في يناير 2025 أن أكثر من 270 مليون محاولة للتسمم قد حدثت على سلسلة BNB و Ethereum بين 1 يوليو 2022 ، و 30 يونيو 2024. من بين تلك المحاولات الناجحة ، مما أدى إلى خسائر تزيد عن 83 مليون دولار.
متعلق ب: ما هي هجمات التسمم في العنوان في التشفير وكيفية تجنبها؟
أمان Web2 في عالم Web3
صرح جيريميا أوكونور ، كبير مسؤولي التكنولوجيا في Trugard ، لـ CointElegraph أن الفريق يجلب خبرة في الأمن السيبراني العميق من عالم Web2 ، والذي كانوا “يتقدمون به على بيانات Web3 منذ الأيام الأولى من التشفير”. يطبق الفريق تجربته مع هندسة الميزات الخوارزمية من الأنظمة التقليدية إلى Web3. وأضاف:
“تعتمد معظم أنظمة اكتشاف الهجوم على Web3 الحالية على القواعد الثابتة أو تصفية المعاملات الأساسية. غالبًا ما تتخلف هذه الطرق عن تكتيكات المهاجمين والتقنيات والإجراءات المتطورة.”
يستفيد النظام المطور حديثًا بدلاً من ذلك من التعلم الآلي لإنشاء نظام يتعلم ويتكيف لمعالجة هجمات التسمم. أبرز أوكونور أن ما يميز نظامه عن جانبه هو “تركيزه على السياق والتعرف على الأنماط”. أوضح Isogawa أن “الذكاء الاصطناعى يمكنه اكتشاف الأنماط غالبًا ما يتجاوز نطاق التحليل البشري”.
متعلق ب: جيمسون لوب يبدو التنبيه على هجمات التسمم بعنوان البيتكوين
نهج التعلم الآلي
وقال أوكونور إن Trugard قام بإنشاء بيانات تدريب اصطناعية لمنظمة العفو الدولية لمحاكاة أنماط الهجوم المختلفة. ثم تم تدريب النموذج من خلال التعلم الخاضع للإشراف ، وهو نوع من التعلم الآلي حيث يتم تدريب نموذج على البيانات المسمى ، بما في ذلك متغيرات الإدخال والإخراج الصحيح.
في مثل هذا الإعداد ، يتمثل الهدف من أن يتعلم النموذج العلاقة بين المدخلات والمخرجات للتنبؤ بالإخراج الصحيح للمدخلات الجديدة غير المرئية. تشمل الأمثلة الشائعة اكتشاف البريد العشوائي وتصنيف الصور والتنبؤ بالأسعار.
وقال أوكونور إن النموذج يتم تحديثه أيضًا عن طريق تدريبه على بيانات جديدة مع ظهور استراتيجيات جديدة. وقال: “ولأعلى الأمر ، قمنا ببناء طبقة توليد بيانات اصطناعية تتيح لنا اختبار النموذج باستمرار مقابل سيناريوهات التسمم المحاكاة”. “لقد أثبت هذا فعاليته بشكل لا يصدق في مساعدة النموذج على التعميم والبقاء قويًا مع مرور الوقت.”
مجلة: Crypto-Sec: يخدع الخداع يلاحق مستخدمي Hedera ، ويحصل معالجة السموم على 70 ألف دولار
