Kompania e sigurisë kibernetike Crypto, Trugard, së bashku me protokollin e besimit onchain Webacy, kanë krijuar një sistem të drejtuar nga inteligjenca artificiale i cili synon të zbulojë helmimin e adresave të portofolit crypto. Siç u njoftua më 21 maj përmes Cointelegraph, kjo zgjidhje e re është integruar në kuadër të grupit të vendimmarrjes së kriptomonedhës të Webacy dhe “përdor një model të mësimit të makinerisë me mbikëqyrje, i trajnua në të dhëna të transaksioneve të drejtpërdrejtë, të kombinuara me analitika onchain, inxhinierinë e veçorive dhe kontekstin e sjelljes. ” Sipas raportimeve, kjo mjet arrin një shkallë suksesesh prej 97%, të verifikuar në skenarë të njohur të sulmeve. “Helmimi i adresave është një nga mashtrimet më të papërshkruara ende më kostot më të larta në kripto, duke shfrytëzuar parimin më të thjeshtët: Se ajo që shihni është ajo që merrni, ” deklaroi bashkëthemeluesja e Webacy, Maika Isogawa. Helmimi i adresave në crypto është një teknikë mashtrimi ku sulmuesit dërgojnë sasi të vogla criptomonedhash nga adresa të portofolit që ngjajnë shumë me adresën reale të viktimës – shpesh duke ndarë karaktere të fillimit dhe fundit të njëjta. Ky qasje synon të mashtrojë përdoruesit të kopjojnë dhe të ripërdorin adresën e sulmuesit në transaksione të mëvonshme, duke sjellë humbje financiare. Ky mashtrim shfrytëzon zakonet e përdoruesve që mbështeten në krahasimin partial të adresave ose në historikun e kujtesës së clipboard-it gjatë transferimit të kriptomonedhave. Një studim i vitit 2025 zbuloi mbi 270 milion tentativa helmimi në BNB Chain dhe Ethereum mes 1 korrikut 2022 dhe 30 qershorit 2024, me 6, 000 tentativa të suksesshme që rezultuan në humbje më shumë se 83 milionë dollarë. I lidhur: Çfarë janë sulmet e helmimit të adresave në crypto dhe si mund t’i shmangni ato? Ekspertiza e sigurisë Web2 aplikuar në Web3 Jeremiah O’Connor, kreu i teknologjisë në Trugard, u shpreh për Cointelegraph se ekipi sjell njohuri të konsiderueshme në fushën e sigurisë kibernetike nga domeni Web2, të cilat i kanë aplikuar në të dhënat e Web3 që nga fillimet e kriptomonedhës. Ata shfrytëzojnë përvojën në inxhinierinë e veçorive në sistemet tradicionale për të përmirësuar sigurinë e Web3. Ai shtoi: “Shumica e mjeteve ekzistuese për identifikimin e sulmeve në Web3 varen nga rregulla statike ose filtrimi bazë transaksionesh, të cilat shpesh nuk arrijnë të përshtaten me strategjitë, teknikat dhe procedurat e ndryshueshme të sulmuesve. ” Ndërkohë, sistemi i tyre i ri përfshin përdorimin e mësimit të makinerisë për të mësuar dhe u adaptuar vazhdimisht ndaj kërcënimeve të helmimit të adresave.

O’Connor përmendi se ndryshueshmëria kryesore e sistemit të tyre është “që ai përqendrohet në kontekst dhe njohjen e modeleve. ” Isogawa shtoi se “AI mund të zbulojë modele që shpesh janë jashtë mundësive të analizës njerëzore. ” I lidhur: Jameson Lopp sinjalizon për sulme helmimi të adresave të Bitcoin Qasja e mësimit të makinerisë O’Connor shpjegoi se Trugard zhvilloi të dhëna artificiale të trajnimit për inteligjencën artificiale, duke simuluar metoda të ndryshme sulmesh. Më pas, modeli u trajtunë duke përdorur mësimin e mbikëqyrur – një teknikë ku modeli mëson nga të dhëna të etiketuar, që përbëhen nga inpute dhe prodhojnë rezultate të sakta. Qëllimi është që modeli të kuptojë marrëdhëniet midis inputeve dhe outputeve për të parashikuar rezultate të sakta për të dhëna të reja që nuk janë parë më parë. Aplikime të zakonshme përfshijnë filtrimin e spam-it, njohjen e imazheve dhe parashikimin e çmimeve. Për më tepër, modeli përditësohet vazhdimisht duke u trajnuar me të dhëna të reja, ndërsa sulmuesit zhvillojnë strategji të reja. “Gjithashtu, kemi ndërtuar një shtresë gjenerimi të të dhënave artificiale që lejon testimin vazhdimës së modelit kundër skenarëve të helmimit të simuluar, ” shpjegoi ai. “Ky qasje ka treguar efikasitet të lartë në ndihmën e modelit për t’u përgjigjur dhe për të ruajtur qëndrueshmërinë me kalimin e kohës. ”