ਕ੍ਰਿਪ্টো ਸਾਇਬਰਸੁਰੱਖਿਆ ਕੰਪਨੀ Trugard ਨੇ, Onchain trust protocol Webacy ਦੇ ਨਾਲ ਮਿਲ ਕੇ, ਇੱਕ ਐਆਈ-ਚਲਿਤ ਸਿਸਟਮ ਬਣਾਇਆ ਹੈ ਜੋ ਕਿ ਕ੍ਰਿਪ্টো ਵਾਲਿਟ ਪਤੇ ਦੀ ਜਹਿਰੀਲੀ ਨੂੰ ਵਰਤਦਾ ਹੈ। 21 ਮਈ ਨੂੰ Cointelegraph ਰਾਹੀਂ ਐਲਾਨ ਕੀਤਾ ਗਿਆ, ਇਸ ਨਵੇਂ ਹੱਲ ਨੂੰ Webacy ਦੀ ਕ੍ਰਿਪਟੋ ਫੈਸਲੇ ਲੈਣ ਵਾਲੀ ਸੂਟ ਵਿੱਚ ਸ਼ਾਮਲ ਕੀਤਾ ਗਿਆ ਹੈ ਅਤੇ “ਇਹ ਇੱਕ ਸੋਧੀ ਗਈ ماشین ਲਰਨਿੰਗ ਮਾਡਲ ਦਾ ਪ੍ਰਯੋਗ ਕਰਦਾ ਹੈ ਜੋ ਜੀਵੰਤ ਲੈਣ-ਦੇਣ ਡੇਟਾ, ਔਨਚੇਨ ਵਿਸ਼ਲੇਸ਼ਣ, ਵਿਸ਼ੇਸ਼ਤਾ ਅਧਿਐਨ, ਅਤੇ ਆਚਰਨ ਸੰਦਰਭ ਨਾਲ ਪ੍ਰਸ਼ਿਸ਼ਤ ਕੀਤਾ ਗਿਆ ਹੈ।” ਇਹ ਟੂਲ ਲਗਭਗ 97% ਸਫਲਤਾ ਦਰ ਹਾਸਲ ਕਰਨ ਦਾ ਦਾਅਵਾ ਕਰਦਾ ਹੈ, ਜੋ ਮੰਨੇ ਹੋਏ ਹਮਲੇ ਦੇ ਪ੍ਰਸੰਗਾਂ ਵਿੱਚ ਸਹੀ ਢੰਗ ਨਾਲ ਸਾਝਾ ਕੀਤਾ ਗਿਆ ਹੈ। “ਪਤਾ ਜਹਿਰੀਲੀ ਕ੍ਰਿਪ্টো ਵਿੱਚ ਸਭ ਤੋਂ ਘੱਟ ਰਿਪੋਰਟ ਹੋਣ ਵਾਲਾ ਅਤੇ ਸਭ ਤੋਂ ਮਹਿੰਗਾ ਠੱਗੀ ਹੈ, ਜੋ ਸਧਾਰਨ ਧਾਰਣਾ ਨੂੰ ਕੰਮ ਵਿੱਚ ਲਿਆਉਂਦੀ ਹੈ: ਜੋ ਕੁਝ ਤੁਸੀਂ ਵੇਖਦੇ ਹੋ, ਉਹ ਹੀ ਮਿੱਲਦਾ ਹੈ, ” Webacy ਦੇ ਸਹ-ਸਥਾਪਕ Maika Isogawa ਨੇ ਕਿਹਾ। ਕ੍ਰਿਪ্টো ਪਤੇ ਦੀ ਜਹਿਰੀਲੀ ਇੱਕ ਠੱਗੀ ਦੀ ਤਕਨੀਕ ਹੈ ਜਿੱਥੇ ਹਮਲਾਵਰ ਛੋਟੇ ਮਾਤਰਾ ਵਿੱਚ ਕ੍ਰਿਪ্টো ਕਰੰਸੀ ਭੇਜਦੇ ਹਨ, ਜੋ ਕਿ ਪੀੜਤ ਦੇ ਅਸਲ ਪਤੇ ਵਾਂਗੂ ਮਹਿਸੂਸ ਹੁੰਦੇ ਹਨ—ਅਕਸਰ ਸ਼ੁਰੂ ਅਤੇ ਅੰਤ ਦੇ ਅੱਖਰ ਸਮੇਤ। ਇਸ ਤਰੀਕੇ ਦਾ ਉਦੇਸ਼ ਵਰਤੋਂਕਾਰਾਂ ਨੂੰ ਧੋਖਾ ਦੇ ਕੇ, ਹਮਲਾਵਰ ਦੇ ਪਤੇ ਨੂੰ ਕਾਪੀ ਕਰ ਕੇ ਫਿਰ ਵਿੱਤੀ ਨੁਕਸਾਨ ਕਰਵਾਉਣਾ ਹੈ। ਇਹ ਠੱਗੀ ਵਰਤੋਂਕਾਰਾਂ ਦੀ ਅਦਤ ਦਾ ਫਾਇਦਾ ਲੈਂਦੀ ਹੈ, ਜਿਵੇਂ ਕਿ ਭਾਗਾਂ ਪਤੇ ਨਾਲ ਮੇਲ ਖਾਣ ਜਾਂ ਕਲਿੱਪਬੋਰਡ ਹਿਸਟਰੀ 'ਤੇ ਰੱਖ ਕੇ ਕਰੰਸੀ ਭੇਜੇ ਜਾਣੇ। ਜਨਵਰੀ 2025 ਦੇ ਅਧਿਐਨ ਨੇ ਖੋਜਿਆ ਕਿ ਜੁਲਾਈ 1, 2022 ਤੋਂ ਜੂਨ 30, 2024 ਤੱਕ BNB Chain ਅਤੇ Ethereum 'ਤੇ 270 ਮਿੱਲੀਅਨ ਤੋਂ ਵੱਧ ਜਹਿਰੀਲੀ ਦੀ ਕੋਸ਼ਿਸ਼ ਕੀਤੀ ਗਈ ਹੈ, ਜਿਨ੍ਹਾਂ ਨਾਲ 6, 000 ਸਫਲ ਹਮਲੇ ਹੋ ਕਿ 83 ਮਿਲੀਅਨ ਡਾਲਰ ਤੋਂ ਵੱਧ ਨੁਕਸਾਨ ਹੋਇਆ। ਸੰਬੰਧਿਤ: ਕ੍ਰਿਪ্টো ਵਿੱਚ ਪਤੇ ਦੀ ਜਹਿਰੀਲੀ ਹਮਲੇ ਕਿਵੇਂ ਹੁੰਦੇ ਹਨ ਅਤੇ ਬਚਣ ਦੇ ਤਰੀਕੇ? Web2 ਸੁਰੱਖਿਆ ਦੇ ਢੰਢਾਉ ਨੂੰ Web3 'ਤੇ ਲਾਗੂ ਕਰਨਾ Trugard ਦੇ ਮੁਖ ਤਕਨੀਕੀ ਅਧਿਕਾਰੀ Jeremiah O’Connor ਨੇ Cointelegraph ਨੂੰ ਦੱਸਿਆ ਕਿ ਟੀਮ Web2 ਖੇਤਰ ਤੋਂ ਮਹਾਨ ਸਾਈਬਰਸੁਰੱਖਿਆ ਗਿਆਨ ਲੈਂਦੀ ਹੈ, ਜਿਸਨੂੰ ਉਹ ਕ੍ਰਿਪਟੋ ਦੇ ਸ਼ੁਰੂਆਤੀ ਦਿਨਾਂ ਤੋਂ Web3 ਡੇਟਾ ਨੂੰ ਲਾਗੂ ਕਰ ਰਹੇ ਹਨ। ਉਹ ਪਰੰਪਰਾਗਤ ਸਿਸਟਮਾਂ ਤੋਂ ਅਨੁਭਵ ਨੂੰ ਵਰਤ ਕੇ Web3 ਸੁਰੱਖਿਆ ਨੂੰ ਬਹਿਤਰ ਬਣਾਉਣ ਵਾਲੀ ਵਿਸ਼ੇਸ਼ਤਾ ਵਿਅੰਗੜੀ ਕਰਦੇ ਹਨ। ਉਨ੍ਹਾਂ ਕਿਹਾ: “ਅਧਿਕਾਰਿਤ ਮੌਜੂਦਾ Web3 ਹਮਲਾ ਖੋਜ ਟੂਲ ਸਥਿਰ ਨਿਯਮਾਂ ਜਾਂ ਅਮੂਮਲ ਲੈਣ-ਦੇਣ ਛਾਂਟ ਨੂੰ ਨਿਰਭਰ ਕਰਦੇ ਹਨ, ਜੋ ਅਕਸਰ ਬਦਲਦੇ ਹਮਲਾਵਰ ਢੰਗਾਂ, ਤਕਨੀਕਾਂ ਅਤੇ ਪ੍ਰਕਿਰਿਆਵਾਂ ਤੋਂ ਪਿੱਛੇ ਰਹਿੰਦੇ ਹਨ।” ਉਲਟ, ਉਨ੍ਹਾਂ ਦੀ ਨਵੀਂ ਵਿਕਸਿਤ ਸਿਸਟਮ ਮਸ਼ੀਨ ਲਰਨਿੰਗ ਦਾ ਪ੍ਰਯੋਗ ਕਰਦੀ ਹੈ ਜੋ ਲਗਾਤਾਰ ਸਿੱਖਦੀ ਅਤੇ ਜਹਿਰੀਲੀ ਖਤਰਿਆਂ ਨਾਲ ਨਿੱਜੀ ਤੌਰ 'ਤੇ ਅਨੁਕੂਲ ਹੁੰਦੀ ਹੈ। O’Connor ਨੇ ਉਸ ਗੱਲ ਨੂੰ ਉਜਾਗਰ ਕੀਤਾ ਕਿ “ਇਸਦਾ ਫ਼ਰਕ ਇਹ ਹੈ ਕਿ ਇਹ ਸੰਦਰਭ ਅਤੇ ਨਮੂਨਾ ਪਛਾਣ 'ਤੇ ਧਿਆਨ ਕੇਂਦਰਿਤ ਕਰਦਾ ਹੈ।” Isogawa ਨੇ ਕਿਹਾ ਕਿ “ਐਆਈ ਅਕਸਰ ਮਨੁੱਖੀ ਵਿਸ਼ਲੇਸ਼ਣ ਦੀਆਂ ਸੀਮਾਵਾਂ ਤੋਂ ਪਰੇ ਨਮੂਨੇ ਪ੍ਰਊੜ੍ਹ ਸਕਦਾ ਹੈ।” ਸੰਬੰਧਿਤ: Jameson Lopp ਬਿੱਟਕੋਇਨ ਪਤੇ ਦੀ ਜਹਿਰੀਲੀ ਹਮਲਿਆਂ ਤੇ ਚੇਤਾਵਨੀ ਜਾਰੀ ਕਰਦੇ ਹਨ ਮਸ਼ੀਨ ਲਰਨਿੰਗ ਦਾ ਤਰੀਕਾ O’Connor ਨੇ ਵਿਆਖਿਆ ਕੀਤੀ ਕਿ Trugard ਨੇ AI ਲਈ ਕ੍ਰਿਸ਼ਟਾਲਿਕ ਪ੍ਰਸ਼ਿਸ਼ਤ ਡੇਟਾ ਬਣਾਇਆ ਹੈ ਜਿਸ ਨਾਲ ਵੱਖ-ਵੱਖ ਹਮਲਾ ਤਰੀਕੇ ਅਨੁਕਰਣ ਕਰਦੇ ਹਨ। ਮਾਡਲ ਨੂੰ ਪੁਸ਼ਟ ਸਿੱਖਣ ਨਾਲ ਪ੍ਰਸ਼ਿਕਸ਼ਿਤ ਕੀਤਾ ਗਿਆ—ਇੱਕ ਮਸ਼ੀਨ ਲਰਨਿੰਗ ਤਕਨੀਕ ਜਿਸ ਵਿੱਚ ਲੇਬਲ ਕੀਤੀ ਗਈ ਡੇਟਾ ਦੇ ਨਾਲ ਇਨਪੁਟਾਂ ਤੇ ਸਹੀ ਨਤੀਜੇ ਸਿੱਖਦੇ ਹਨ। ਉਦੇਸ਼ ਇਹ ਹੈ ਕਿ ਮਾਡਲ ਇਨਪੁਟ-ਆਉਟਪੁੱਟ ਸੰਬੰਧਾਂ ਨੂੰ ਸਮਝੇ ਅਤੇ ਨਵੇਂ, ਅਣਜਾਣ ਡੇਟਾ ਲਈ ਸਹੀ ਪੇਸ਼ਕਸ਼ ਕਰੇ। ਆਮ ਤੌਰ 'ਤੇ ਇਹ ਟੂਲ ਸਪੈਮ ਫਿਲਟਰਿੰਗ, ਚਿੱਤਰ ਪਛਾਣ ਅਤੇ ਕੀਮਤ ਅਨੁਮਾਨ ਲਗਾਉਣ ਵਾਂਗ ਵਰਤੇ ਜਾਂਦੇ ਹਨ। ਅਤੇ, ਨਵੀਂ रणनीਤੀਆਂ ਵਿਕਸਤ ਹੋਣ ਨਾਲ, ਮਾਡਲ ਨੂੰ ਨਿਰੰਤਰ ਨਵੇਂ ਡੇਟਾ ਨਾਲ ਦੁਬਾਰਾ ਤਿਆਰ ਕਰਕੇ ਅਪਡੇਟ ਕੀਤਾ ਜਾਂਦਾ ਹੈ। “ਅतਿਰਿਕਤ, ਅਸੀਂ ਇੱਕ ਕ੍ਰਿਸ਼ਟਾਲਿਕ ਡੇਟਾ ਪੈਦਾ ਕਰਨ ਵਾਲਾ ਪਰਤ ਵੀ ਬਣਾਇਆ ਹੈ ਜੋ ਮਾਡਲ ਨੂੰ ਨਕਲੀ ਜਹਿਰੀਲੀ ਪਰਿਸਥਿਤੀਆਂ ਖਿਲਾਫ ਅਜੇਮਾਇਸ਼ ਕਰਨ ਦੀ ਸਮਰਥਾ ਦਿੰਦਾ ਹੈ, ” ਉਸ ਨੇ ਕਿਹਾ। “ਇਹ ਦ੍ਰਿਸ਼ਟਿ ਕੋਸ਼ਿਸ਼ ਮਾਡਲ ਨੂੰ ਸਮਾਂ ਨਾਲ ਸਾਮਰਥ ਬਣਾਉਣ ਅਤੇ ਮਜ਼ਬੂਤੀ ਨੂੰ ਬਣਾਈ ਰੱਖਣ ਵਿੱਚ ਬਹੁਤ ਪ੍ਰਭਾਵਸ਼ਾਲੀ ਸਾਬਿਤ ਹੋਈ ਹੈ।”