Η εταιρεία κυβερνοασφάλειας κρυπτονομισμάτων Trugard, μαζί με το onchain trust protocol Webacy, δημιούργησαν ένα σύστημα με τεχνολογία AI σχεδιασμένο να εντοπίζει δηλητηρίαση διευθύνσεων πορτοφολιού κρυπτονομισμάτων. Όπως ανακοινώθηκε στις 21 Μαΐου μέσω του Cointelegraph, αυτή η νέα λύση ενσωματώνεται στη σουίτα αποφάσεων κρυπτονομισμάτων της Webacy και “χρησιμοποιεί ένα επιβλεπόμενο μοντέλο μηχανικής μάθησης εκπαιδευμένο σε δεδομένα πραγματικών συναλλαγών σε συνδυασμό με ανάλυση onchain, μηχανική χαρακτηριστικών και συμπεριφορικό πλαίσιο. ” Το εργαλείο, σύμφωνα με πληροφορίες, πετυχαίνει ποσοστό επιτυχίας 97%, πιστοποιημένο σε γνωστά σενάρια επίθεσης. “Η δηλητηρίαση διευθύνσεων είναι μια από τις πιο υποεκτιμημένες αλλά και πιο δαπανηρές απάτες στον χώρο των κρυπτονομισμάτων, εκμεταλλευόμενη την πιο απλή υπόθεση: Ότι αυτό που βλέπεις είναι αυτό που λαμβάνεις, ” ανέφερε η συνιδρύτρια της Webacy, Maika Isogawa. Η δηλητηρίαση διευθύνσεων στα κρυπτονομίσματα είναι μία τεχνική απάτης όπου οι επιτιθέμενοι στέλνουν μικρά ποσά κρυπτονομίσματος από διευθύνσεις πορτοφολιού που μοιάζουν πολύ με την πραγματική διεύθυνση του θύματος—συχνά μοιράζονται ίδια αρχικά και τελικά γράμματα. Αυτή η προσέγγιση σκοπεύει να εξαπατήσει τους χρήστες ώστε να αντιγράψουν και να ξαναχρησιμοποιήσουν τη διεύθυνση του επιτιθέμενου σε μελλοντικές συναλλαγές, προκαλώντας χρηματοοικονομικές απώλειες. Αυτή η απάτη εκμεταλλεύεται τις συνήθειες των χρηστών που βασίζονται στην μερική αντιστοιχία διευθύνσεων ή στης ιστορίας του clipboard κατά τις μεταφορές κρυπτονομισμάτων. Μια μελέτη του Ιανουαρίου 2025 αποκάλυψε πάνω από 270 εκατομμύρια προσπάθειες δηλητηρίασης στο BNB Chain και την Ethereum από τις 1 Ιουλίου 2022 έως τις 30 Ιουνίου 2024, με 6. 000 επιτυχείς προσπάθειες που οδήγησαν σε απώλειες άνω των 83 εκατομμυρίων δολαρίων. Σχετικό: Τι είναι οι επιθέσεις δηλητηρίασης διευθύνσεων σε κρυπτονομίσματα και πώς να τις αποφύγετε; Εφαρμογή της ασφάλειας Web2 στο Web3 Ο επικεφαλής τεχνολογίας της Trugard, Jeremiah O’Connor, δήλωσε στο Cointelegraph ότι η ομάδα μεταφέρει σημαντική γνώση στον τομέα της κυβερνοασφάλειας από το Web2, την οποία εφαρμόζουν στα δεδομένα του Web3 από τα πρώτα χρόνια των κρυπτονομισμάτων. Χρησιμοποιούν εμπειρία στη μηχανική χαρακτηριστικών αλγορίθμων από παραδοσιακά συστήματα για να ενισχύσουν την ασφάλεια του Web3. Ανέφερε: “Τα περισσότερα υπάρχοντα εργαλεία ανίχνευσης επιθέσεων του Web3 βασίζονται σε στατικές κανόνες ή βασικό φιλτράρισμα συναλλαγών, που συχνά καθυστερούν έναντι των εξελισσόμενων τακτικών, τεχνικών και διαδικασιών των επιτιθέμενων. ” Σε αντίθεση, το νέο τους σύστημα χρησιμοποιεί μηχανική μάθηση για να μαθαίνει συνεχώς και να προσαρμόζεται στις απειλές δηλητηρίασης διευθύνσεων.

Ο O’Connor τόνισε ότι αυτό που διαφοροποιεί το σύστημά τους είναι η “εστίαση στο πλαίσιο και την αναγνώριση προτύπων. ” Η Isogawa συμπλήρωσε ότι “η Τεχνητή Νοημοσύνη μπορεί να ανιχνεύει πρότυπα που συχνά ξεπερνούν τις ανθρώπινες αναλυτικές δυνατότητες. ” Σχετικό: Ο Jameson Lopp προειδοποιεί για επιθέσεις δηλητηρίασης διευθύνσεων Bitcoin Η προσέγγιση της μηχανικής μάθησης Ο O’Connor εξήγησε ότι η Trugard δημιούργησε συνθετικά δεδομένα εκπαίδευσης ώστε η AI να μιμείται διάφορες μεθόδους επίθεσης. Το μοντέλο εκπαιδεύτηκε στη συνέχεια μέσω επιβλεπόμενης μάθησης—μια τεχνική μηχανικής μάθησης όπου το μοντέλο μαθαίνει από ετικεταρισμένα δεδομένα που αποτελούνται από εισόδους και σωστές εξόδους. Ο στόχος είναι το μοντέλο να κατανοήσει τις σχέσεις εισόδου-εξόδου και να προβλέπει σωστά αποτελέσματα σε νέα, άγνωστα δεδομένα. Συνήθεις εφαρμογές περιλαμβάνουν τον φιλτράρισμα spam, την αναγνώριση εικόνων και τις προβλέψεις τιμών. Επιπλέον, το μοντέλο ενημερώνεται συνεχώς μέσω αναπαραγωγής με νέα δεδομένα, καθώς οι επιτιθέμενοι αναπτύσσουν νέες στρατηγικές. “Επιπλέον, έχουμε δημιουργήσει ένα στρώμα παραγωγής συνθετικών δεδομένων που επιτρέπει τη διαρκή δοκιμή του μοντέλου απέναντι σε σεναρια δηλητηρίασης, ” είπε. “Αυτή η προσέγγιση έχει αποδειχθεί ιδιαίτερα αποτελεσματική στο να βοηθά το μοντέλο να γενικεύει και να διατηρεί την αντοχή του με την πάροδο του χρόνου. ”