ಕ್ರಿಪ್ಟೋ ಸೈಬರ್ ಸುರಕ್ಷತೆ ಕಂಪನಿ ಟ್ರುಗಾರ್ಡ್, ಆನ್‌ಚೈನ್ ಟ್ರಸ್ಟ್ ಪ್ರೋಟೋಕೋಲ್ Webacy ಜೊತೆಗೂಡಿ, ಕ್ರಿಪ್ಟೋ ತೆರೆಯುವ್ ವಿಳಾಸ ವಿಷ್ಶನಾಶನ್ ಪತ್ತೆಹಚ್ಚಲು ಒಂದು AI ಚಾಲಿತ ವ್ಯವಸ್ಥೆಯನ್ನು ರಚಿಸಿದೆ. ಮೇ 21 ರಂದು Cointelegraph ಮೂಲಕ ಪ್ರಕಟಿಸಿದಂತೆ, ಈ ಹೊಸ ಪರಿಹಾರವು Webacy ಯ ಕ್ರಿಪ್ಟೋ ನಿರ್ಧಾರಸೂಚಿ ಕಿಟ್ತಿಯಲ್ಲಿentie ಮತ್ತು “ಸರ್ಜನಾ ವಹಿವಾಟು ಡೇಟಾ ಮೇಲೆ ತರಬೇತಿ ಪಡೆದ ಮೌಲ್ಯಾಧಾರಿತ ಯಂತ್ರ ಕಲಿಕಾ ಮಾದರಿಯನ್ನು ಆನ್‌ಚೈನ್ ವಿಶ್ಲೇಷಣಾ, ವೈಶಿಷ್ಟ್ಯ ಇಂಜೀನಿಯರಿಂಗ್‌, ಮತ್ತು ನಡತೆಯ ಸಂಧರ್ಭದೊಂದಿಗೆ ಹೇರಲಾಗಿದೆ. ” ಈ ಸಾಧನವು 97% ಯಶಸ್ವಿ ಪ್ರಮಾಣದ ಸಾಧನೆಯನ್ನು ತಲುಪಿದ್ದು, ತಿಳಿತೇ ಆಕ್ರಮಣ ಪರಿಸ್ಥಿತಿಗಳ ಮೂಲಕ ಸತ್ಯಾಪಿಸಿಕೊಂಡಿದೆ. “ವಿಳಾಸ ವಿಷ್ಶನಾಶನ್ ಕ್ರಿಪ್ಟೋದಲ್ಲಿ ಅತ್ಯಂತ ಅಲ್ಪ ವರದಿಯಾಗುವ ಆದರೆ ಖರ್ಚುಲುಭವಂತ Scam ಆಗಿದ್ದು, ನೀವು ನೋಡುತ್ತಿದ್ದು ಏನಾಗಲಿ ಸತ್ಯವೆಂಬ ಸರಳ ಊಹೆಯ ಮೇಲೆ ಅವಲಂಬಿತವಾಗಿದೆ, ” ಎಂದು Webacy ಸಹ-ಸ್ಥಾಪಕ ಮೈಕಾ ಇಸೋಗಾವಾ ಹೇಳಿದ್ದಾರೆ. ಕ್ರಿಪ್ಟೋ ವಿಳಾಸ ವಿಷ್ಶನಾಶನ್ ಒಂದು ಫ್ರಾಟ್ ತಂತ್ರಜ್ಞಾನದಾಗಿದೆ ಇದು ದಾಳಿಸಿ ವಾಲೇಟ್ ವಿಳಾಸಗಳಿಂದ ಸ್ವಲ್ಪ ಪ್ರಮಾಣದ ಕ್ರಿಪ್ಟೋ ಕರಯರ್ಚಿಗಳನ್ನು ಕಳುಹಿಸುವುದು—ಹೆಚ್ಚುಮಟ್ಟಿಗೆ ಪೀಡಿತನವರು ಮತ್ತು ಪೂರಕ ವಿಳಾಸಗಳ ಪ್ರಾರಂಭ ಮತ್ತು ಅಂತ್ಯ ಅಕ್ಷರಗಳನ್ನು ಹಂಚಿಕೊಳ್ಳುವಂತಿರುತ್ತದೆ. ಈ ತಂತ್ರಗಾರಿಕೆಯಿಂದ ಬಳಕೆದಾರರನ್ನು ಕಳಪೆಯಿಂದ ಮಾರ್ಪಟ್ಟಿಕೊಳಲು ಮತ್ತು ನಂತರದ ವಿನಿಮಯಗಳಲ್ಲಿ అదే ವಿಳಾಸವನ್ನು ಪುನಃ ಬಳಸುವಂತೆ ಮೋಸ ಮಾಡುವ ಉದ್ದೇಶವಿದೆ, ಆರ್ಥಿಕ ನಷ್ಟಗಳಿಗೆ ಕಾರಣವಾಗುತ್ತದೆ. ಈ ಸ್ಕಾಮ್ ಬಳಕೆದಾರರ ಭಾಗ್ಯದಲ್ಲಿ ಭಾಗಶಃ ವಿಳಾಸ ಹೊಂದಿಕಟ್ಟಿಗೆ ಅಥವಾ ಕ್ಲಿಪ್ಬೋರ್ಡ್ ಇತಿಹಾಸದಲ್ಲಿ ನಂಬಿಕೆಯಿಂದ ಕ್ರಿಪ್ಟೋ ವರ್ಗಾವಣೆ ಮಾಡುವಂತೆಯೇ ಮೋಸವನ್ನಾಗಿಸುತ್ತದೆ. ಜನವರಿ 2025 ರ ಅಧ್ಯಯನವು ಜುಲೈ 1, 2022 ರಿಂದ ಜೂತ್ 30, 2024 ರವರೆಗೆ BNB ಚೈನ್ ಮತ್ತು ಎಥಿಅಮ್ನ ಮೇಲೆ 270 ಮಿಲಿಯನ್ ಮೀಸಲಾತಿ ಯತ್ನಗಳನ್ನು ಪತ್ತೆ ಹಚ್ಚಿದ್ದು, 6, 000 ಯಶಸ್ವಿ ಪ್ರಯತ್ನಗಳನ್ನು ಮತ್ತು 83 ಮಿಲಿಯನ್ ಡಾಲರ್ ಮೌಲ್ಯದ ನಷ್ಟಗಳನ್ನು ಒದಗಿಸಿದೆ. ಸಂಬಂಧಿತ: ಕ್ರಿಪ್ಟೋದಲ್ಲಿ ವಿಳಾಸ ವಿಷ್ಶನಾಶನ್ ದಾಳಿಗಳು ಯಾವುವು ಮತ್ತು ಅವುಗಳಿಂದ ಹೇಗೆ ತಪ್ಪಿಸಬಹುದು? Web2 ಭದ್ರತೆ ಪರಿಣತಿಯನ್ನು Web3 ಗೆ ಅನುಸರಿಸಿತ್ತು ಟ್ರುಗಾರ್ಡ್ ನ ಮುಖ್ಯ ತಂತ್ರಜ್ಞಾನ ಅಧಿಕಾರಿ ಜಯೆರಾಮಿಯಾ ಓ’ಕಾನರ್ Cointelegraph ಗೆ ವಿವರಿಸುತ್ತಾ ಹೇಳಿದರು ಕ್ಯಾ ಡೊಂಡು Web2 ಕ್ಷೇತ್ರದ ಪ್ರಮುಖ ಸೈಬರ್ ಸುರಕ್ಷತೆ ಜ್ಞಾನದ ಪ್ರವೇಶವನ್ನು ತರುತ್ತಾರೆ, ಅದನ್ನು ಕ್ರಿಪ್ಟೋಕರನ್ಸಿಯ ಆರಂಭಿಕ ದಿನಗಳಿಂದ Web3 ಡೇಟಾದಲ್ಲಿ ಅನ್ವಯಿಸುತ್ತಿದ್ದಾರೆ. ಅವರು ಸಂಪ್ರದಾಯಿಕ ವ್ಯವಸ್ಥೆಯಿಂದ ಆಲ್ಗೋರಿತ್ಮಿಕ ವೈಶಿಷ್ಟ್ಯ ಇಂಜೀನಿಯರಿಂಗ್ ಅನುಭವವನ್ನು Web3 ಭದ್ರತೆಯನ್ನು ಉತ್ತೇಜಿಸಲು ಉಪಯೋಗಿಸುತ್ತಿದ್ದಾರೆ. ಅವರು ತಿಳಿಸಿದರು: “ಅಾಲಿ Web3 ದೌರ್ಜನ್ಯ ಪತ್ತೆಹಚ್ಚುವ ಸಾಧನಗಳು ಸ್ಥಿತಿಕ ನಿಯಮಗಳು ಅಥವಾ ಮೂಲ ವಹಿವಾಟು ಮಾರ್ಪಡಿಸುವುದರ ಮೇಲೆ ಆಧಾರಿತವಾಗಿದ್ದು, ಸತತವಾಗಿ ಬದಲಾದ ದಾಳಿಗಾರರ ತಂತ್ರಗಳು, ತಂತ್ರಗಳು ಮತ್ತು ಕ್ರಮಗಳನ್ನು ಹಿಂದುಳಿದವು. ” ವಿಬಾಗಾಗಿ, ಅವರ ನೂತನ ವ್ಯವಸ್ಥೆ ಯಂತ್ರ ಕಲಿಕೆಯನ್ನು ಬಳಸಿಕೊಂಡು ಸತತವಾಗಿ ಕಲಿತುಕೊಳ್ಳುತ್ತದೆ ಮತ್ತು ವಿಷ್ಶನಾಶನ್ ಸತ್ಯಗಳು ಎದುರಾಗುವಂತೆ ಹೊಂದಿಕೊಳ್ಳುತ್ತದೆ.

ಓ’ಕಾನರ್ ಅಪಾಯಗಳ ಬಗ್ಗೆ “ಇದೊಂದು ಗಮನಾರ್ಹ ಅಂಶವೆಂದರೆ ಅದು “ಪರಿಧಿ ಮತ್ತು ಹುದ್ದೆ ಗುರುತಿಸಿಕೊಳಲು ಗಮನಹರಿಸುತ್ತದೆ” ಎಂದು ಓದಿದವರು. ಇಸೋಗಾವಾ ಸೇರಿಸಿದರು, “AI ಸಾಮಾನ್ಯವಾಗಿ ಮಾನವರ ವಿಶ್ಲೇಷಣಾ ಸಾಮರ್ಥ್ಯಗಳನ್ನು ಮೀರುತ್ತದೆ ಪ್ಯಾಟರ್ನ್ಗಳನ್ನು ಪತ್ತೆಮಾಡಬಹುದು. ” ಸಂಬಂಧಿತ: ಜೇಮ್ಸನ್ ಲೋಪ್ ಬಿಟ್ಕಾಯಿನ್ ವಿಳಾಸ ವಿಷ್ಶನಾಶನ್ ದಾಳಿಗಳ ಮೇಲೆ ಎಚ್ಚರಿಕೆ ನೀಡಿದರು ಯಂತ್ರ ಕಲಿಕೆಯ ವಿಧಾನ ಓ’ಕಾನರ್ ವಿವರಿಸಿದರು ಟ್ರುಗಾರ್ಡ್ ಮೂಲಕ ಸೃಜಿಸಲಾಗಿದೆ ಎಂದು AI ಗಾಗಿ ವಿಭಿನ್ನ ದಾಳಿಯ ವಿಧಾನಗಳನ್ನು ಅನುಕರಿಸಿಕೊಂಡು ಕಲಿಸುವ ಸಿಂಥೆಟಿಕ್ ಟ್ರೇನಿಂಗ್ ಡೇಟಾ. ಮಾದರಿ ಬಳಿಕ ಶಿಕ్షಣಗೊಂಡಿತು ಸ್ವಪರಿವೀಕ್ಷಿತ ಕಲಿಕೆ ಎಂಬ ತಂತ್ರದಿಂದ—ಯಂತ್ರ ಕಲಿಕೆಯಲ್ಲಿ ಸೂಚನೆಗಳು ತರುವ ಲೇಬಲ್ ಡೇಟಾದಿಂದ ಮಾದರಿ ಕಲಿಯುತ್ತದೆ ಮತ್ತು ಎನರ್ಗಳಾಗಿ ರೂಪಾಂತರವಾಗುತ್ತದೆ. ಉದ್ದೇಶವೆಂದರೆ, ಮಾದರಿ ಇನ್‌ಪುಟ್-ಔಟ್‌ಪುಟ್ ಸಂಬಂಧಗಳನ್ನು ತಿಳಿದುಕೊಳ್ಳಬೇಕಾದದ್ದು, ಹಾಳಾಗದ ಡೇಟಾಗಳಿಗಾಗಿ ಸ್ಪಷ್ಟವಾಗಿ ನಿಟ್ಟಿನಲ್ಲಿ ಅಂದಾಜು ಮಾಡಲು. ಸಾಮಾನ್ಯ ಆಪ್ಲಿಕೇಶನ್ಗಳು ಸ್ಪ್ಯಾಮ್ ಫಿಲ್ಟರಿಂಗ್, ಚಿತ್ರ ಗುರುತಿಸುವಿಕೆ, ಮತ್ತು ಬೆಲೆ ಭವಿಷ್ಯ ಮುಂತಾದುವುಗಳನ್ನು ಒಳಗೊಂಡಿವೆ. ಅತ್ಯುತ್ತಮವಾಗಿ, ಮಾದರಿಯನ್ನು ಹೊಸ ಡೇಟಾದೊಂದಿಗೆ ಪಡೆದು ಅದು ಬರಿಗವನ ಹಾಗೂ ಸಂಸ್ಥಾನವನ್ನು ಕಾಯ್ದುಕೊಳ್ಳಲು ಸುಧಾರಣೆಮಾಡಲಾಗುತ್ತದೆ. “ಹೆಚ್ಚಾಗಿ, ನಾವು ಸಿಂಥೆಟಿಕ್ ಡೇಟಾ ಜನರೇಷನ್ ಲೇಯರ್ ನಿರ್ಮಿಸಿದ್ದೇವೆ, ಇದರಿಂದ ಮಾದರಿಯನ್ನು ನಿರಂತರವಾಗಿ ಮೋಸದ ಸನ್ನಿವೇಶಗಳನ್ನು ತೋರಿಸಲು ಪರೀಕ್ಷಿಸಬಹುದು, ” ಎಂದರು. “ಈ ವಿಧಾನವು ಮಾದರಿಯ ಸಾಮರ್ಥ್ಯವನ್ನು ವಿಸ್ತಾರಗೊಳಿಸುವಲ್ಲಿ ಮತ್ತು ಕಾಲಕಾಲದಲ್ಲಿ ಸಧ್ಯತೆಯನ್ನು ಕಾಯ್ದುಕೊಳ್ಳಲು ಅತ್ಯಂತ ಪರಿಣಾಮಕಾರಿವಾಗಿದೆ. ”