ક્રિપ્ટો સાઇબર સુરક્ષા કંપની Trugard, સાથેને onchain trust protocol Webacy, એ એક AI-પ્રેરિત સિસ્ટમ નો સર્જન કર્યો છે જે ક્રિપ્ટો વોલેટ მისાનનો પોઇઝનિંગ શોધવા માટે બનાવાયો છે. 21 મા મે Cointelegraph દ્વારા જાહેરાત કરવામાં આવી કે, આ નવી હલ Webacyની ક્રિપ્ટો નિર્ણયક્ષેત્ર સુટ સાથે ઈન્ટિગ્રેટેડ છે અને “લાઇવ ટ્રાન્ઝેક્શન ડેટા, onchain વિશ્લેષણ, ફીચર એન્જિનિયરિંગ અને વર્તનના સંદર્ભ સાથે તાલીમ આપવામાં આવેલ સુપરવાઇઝ્ડ મશીન લર્નિંગ મોડલનો ઉપયોગ કરે છે. ” આ ટૂલ લગભગ 97% સફળતા દર હાંસલ કરે છે, જાણીતું હુમલાના કેસોમાં પુરવિશ્વાસિત. “પોઇઝનિંગ એ ક્રિપ્ટોમાં સૌથી ઓછા રાખાય તેવા અને સૌથી ખર્ચાળ સ્કેમમાંથી એક છે, જે સરળ માન્યતાને exploited કરે છે: કે તમે જે જુઓ તે જ છે, ” Webacyના સહ-સ્થાપક માઈકા ઈસોગਾਵાએ જણાવ્યાં. ક્રિપ્ટો જે નામ પર પોઇઝનિંગ એ એક ઠગાઈની રીત છે જેમાં હુમલાખોરો લીટ્ટે નાનો Cryptocurrency મોકરે છે તેવા વોલેટના સરનામેથી જે અધિક વાસ્તવિક સરનામું જેવું દેખાય છે—બેઅર ચાલું અને અંતિમ અક્ષરો સાથે આવી શકે છે. આ પદ્ધતિનું ધ્યેય વપરાશકર્તાઓને ભરમાશે કે તે જગ્યાએ ફાંકો લગાવવી કે જે attackerના સરનામાને કોપી કરીને પછીના ટ્રાન્ઝેક્શ્નમાં યૂઝ કરવા, જેનાથી નાણાકીય નુકસાન થાય. આ સ્કેમ વપરાશકર્તાઓની ટેન્ડેન્સ exploited કરે છે જ્યારે તેઓ ક્રિપ્ટોને ટ્રાન્સફર કરતી વખતે ભાગમાં સરનામું મેચિંગ અથવા ક્લિપબોર્ડ હિસ્ટોરી પર આધાર રાખે છે. જાન્યુઆરી 2025 ની અન્ય એક અભ્યાસમાં જાહેર કરવામાં આવ્યું કે, જુલાઈ 1, 2022થી જૂન 30, 2024 સુધીના સમયમાં BNB ચેન અને Ethereum પર 270 મિલિયનથી વધુ પોઇઝનિંગ પ્રયાસો થઈ ચુક્યાં છે, જેમાં 6, 000 સફળ પ્રયાસો હતા અને જેમાં 83 મિલિયન ડોલરથી વધુ નુકસાન થયું. સંબંધિત: ક્રિપ્ટોમાં સરનામું પોઇઝનિંગ આક્રમણ શું છે અને તેમથી કેવી રીતે બચવું? Web2 સુરક્ષા વિશેષજ્ઞતા Web3માં લાગુ Trugardના મુખ્ય ટેક્નોલોજી અધિકારી, Jeremiah O’Connor, Cointelegraphને જણાવ્યું કે તેઓ Web2 ક્ષેત્રમાંથી મહત્વપૂર્ણ साइબરસારક્ષ્ટા જ્ઞાન લાવતા છે, જે તેઓ ક્રિપ્ટોકરન્સીની શરૂઆતથી Web3 ડેટા પર લાગુ કરી રહ્યા છે. તેઓ પરંપરાગત સિસ્ટમોમાંથી એલ્ગોરિધમિક ફીચર એન્જિનિયરિંગનો અનુભવ ઉપયોગ કરે છે Web3 સુરક્ષા સુધારવા માટે.

તેમણે જણાવ્યું: “બહુજ-web3 aanval શોધનારા સાધનો સ્ટેટિક નિયમો અથવા બેસિક ટ્રાન્ઝેક્શન ફિલ્ટર પર ભરોસો રાખે છે, જે ઘણીવાર વિકાસશીલ હુમલાખોર ટકનિકો, તકનીકો અને પદ્ધતિઓથી પાછળ રહે છે. ” પરંતુ, તેમની નવી Developed સિસ્ટમ મશીન લર્નિંગનો ઉપયોગ કરીને પોઇઝનિંગ ખતરાંઓ સામે સતત શીખી અનેતબ્ધલ થાય છે. O’Connorએ ભાર આપ્યો કે “તેમનો ફરક તેમની સિસ્ટમના પરિપ્રેક્ષ્ય અને પેટર્ન ઓળખાણ પર છે. ” ઈસોગાવાએ ઉમેર્યા કે “AI ઘણીવાર માનવ વિશ્લેષણ ક્ષમતા કરતાં આગળ પેટર્ન શોધી શકે છે. ” સંબંધિત: Jameson Loppેbitcoin સરનામું પોઇઝનિંગ હુમલાઓ પર એલાર્મ લગાવ્યો મશીન લર્નિંગ પદ્ધતિ O’Connorએ જણાવ્યું કે Trugardએ AI માટે વિવિધ હુમલાઓ અભિનેતાની નકલી તહેવારો પરથી mimic કરવા માટે બનાવેલા બનાવટના ટ્રેનિંગ ડેટા. મોડલ તે પછી સુપરવાઇઝ્ડ લર્નિંગથી તાલીમ આપવામાં આવ્યું—મશીન લર્નિંગનું બેંદી પદ્ધતિ જેમાં મોડલ ઈનપુટ અને યોગ્ય આઉટપુટ સાથે લેબલ કરેલ ડેટાનો શીખે. મોડલનો ઉદ્દેશ છે ઈનપુટ-આઉટપુટ સંબંધો સમજીને નવા અજાણી ડેટા માટે પરિણામનાં અનુમાન કરવું. સામાન્ય ઉપયોગોમાં સ્પામ ફિલ્ટરિંગ, ઈમેજ ઓળખાણ અને કિંમતોનું આગહાણી સામેલ છે. તેમજ, નવી 전략ો تطوير થતા રહે ત્યારે મોડલને સતત નવી ડેટાની સાથે ફરી ટ્રેન કરીને અપડેટ કરવામાં આવે છે. “અંતે, અમે એક સર્જનાત્મક ડેટા પેદા કરનારો સ્તર બનાવ્યું છે જે હજુથી પોઇઝનિંગ માટે模拟<|vq_lbr_audio_105733|><|short|><|short|>પદ્ધતિમાં સતત પરીક્ષણ અને મજબૂતી જાળવવા માટે મોડલ સાથે આમતાં રહી શકે છે, " તેમણે જણાવ્યું.