شركة أمن المعلومات المشفرة Trugard، بالتعاون مع بروتوكول الثقة على السلسلة Webacy، أنشأت نظامًا يعتمد على الذكاء الاصطناعي للكشف عن تسميم عناوين المحافظ الرقمية الخاصة بالعملات الرقمية. كما أُعلن في 21 مايو عبر Cointelegraph، يُدمج هذا الحل الجديد ضمن مجموعة قرارات العملات الرقمية الخاصة بـ Webacy ويستخدم نموذج تعلم آلي خاضع للإشراف تم تدريبه على بيانات المعاملات الحية، بالإضافة إلى تحليلات على السلسلة، والهندسة الميزاتية، والسياق السلوكي. ويُقال إن الأداة تحقق نجاحًا بنسبة 97%، بعد أن تم اختبارها عبر سيناريوهات هجمة معروفة. وأوضح Maika Isogawa، أحد مؤسسي Webacy، أن «تسميم العناوين يُعد إحدى أكثر الاحتيالات غير المبلغ عنها وخطورة في عالم العملات الرقمية، حيث يستغل أبسط الافتراضات: أن ما تراه هو ما تحصل عليه. » تسميم العناوين في العملات الرقمية هو أسلوب احتيالي يرسل فيه المهاجمون كميات صغيرة من العملة الرقمية من عناوين محافظ تشبه تمامًا العنوان الحقيقي للضحية — غالبًا تشترك في نفس الأحرف الأولى والأخيرة. يهدف هذا الأسلوب إلى خداع المستخدمين لنسخ وإعادة استخدام عنوان المهاجم في معاملات لاحقة، مما يتسبب في خسائر مالية. يستغل هذا الاحتيال عادة اعتماد المستخدمين على مطابقة العناوين الجزئية أو سجل الحافظة عند نقل العملات الرقمية. وأظهرت دراسة في يناير 2025 أن هناك أكثر من 270 مليون محاولة تسميم استهدفت شبكة BNB وسلسلة Ethereum بين 1 يوليو 2022 و30 يونيو 2024، منها 6000 محاولة نجحت وأسفرت عن خسائر تزيد على 83 مليون دولار. مرتبط: ما هي هجمات تسميم العناوين في العملات الرقمية وكيف تتجنبها؟ الخبرة في أمان Web2 تُطبَّق على Web3 قال Jeremiah O’Connor، كبير مسؤولي التقنية في Trugard، لموقع Cointelegraph إن الفريق يجلب معه معرفة واسعة في مجال الأمن السيبراني من مجال Web2، والتي بدأ تطبيقها على بيانات Web3 منذ بدايات العملات الرقمية. ويستفيدون من خبراتهم في هندسة الميزات الخوارزمية من الأنظمة التقليدية لتعزيز أمان Web3. وأضاف: «معظم أدوات كشف الهجمات الحالية في Web3 تعتمد على قواعد ثابتة أو تصفية معاملات أساسية، وغالبًا ما تتخلف عن مواكبة استراتيجيات وتقنيات وإجراءات المهاجمين المتطورة. » على العكس، يستخدم نظامهم الجديد التعلم الآلي ليتعلم باستمرار ويتكيف مع تهديدات تسميم العناوين.

أكد O’Connor أن ما يميز نظامهم هو «تركيزه على السياق والتعرف على الأنماط». وأضافت Isogawa أن «الذكاء الاصطناعي يمكنه اكتشاف أنماط تفوق غالبًا القدرات التحليلية للبشر. » مرتبط: Jameson Lopp يطلق إنذارًا حول هجمات تسميم عناوين Bitcoin النهج القائم على التعلم الآلي شرح O’Connor أن شركة Trugard أنشأت بيانات تدريب اصطناعية ليستطيع الذكاء الاصطناعي محاكاة أساليب الهجمات المختلفة. ثم تم تدريب النموذج باستخدام التعلم الخاضع للمراقبة، وهو تقنية تعلم آلي يتعلم فيها النموذج من بيانات مُعلمة تتضمن المدخلات مع مخرجات صحيحة. الهدف هو أن يفهم النموذج العلاقة بين المدخلات والمخرجات للتنبؤ بشكل صحيح بالنتائج لمعلومات جديدة لم يسبق له رؤيتها. وتستخدم هذه التقنية عادة في تصفية البريد المزعج، والتعرف على الصور، وتوقع الأسعار. بالإضافة إلى ذلك، يُحدث النموذج باستمرار من خلال إعادة تدريبه باستخدام بيانات جديدة مع تطور استراتيجيات المهاجمين. وقال: «لقد أنشأنا أيضًا طبقة لإنتاج بيانات اصطناعية تتيح اختبار النموذج بشكل مستمر ضد سيناريوهات تسميم محاكاة»، موضحًا أن «هذا الأسلوب ثبت فاعليته الكبيرة في مساعدة النموذج على التعميم والحفاظ على قوته مع مرور الزمن. »