Kampuni ya usalama wa mtandaoni ya crypto Trugard, pamoja na protokol ya imani ya onchain Webacy, imeunda mfumo unaotumiwa na akili bandia (AI) wa kugundua kuingiliwa kwa anwani za pochi za crypto. Kama ilivyoripotiwa tarehe 21 Mei kupitia Cointelegraph, suluhisho hili jipya limeunganishwa na suite ya uamuzi wa crypto ya Webacy na "linatumia mfano wa kujifunza wa mashine unaoongozwa na udhibiti uliofunzwa kwa data halisi za miamala pamoja na uchanganuzi wa onchain, uhandisi wa vipengele, na muktadha wa tabia. " Kituo hiki kinadaiwa kufanikisha kiwango cha mafanikio cha asilimia 97, kilithibitishwa kupitia hali halisi za mashambulio zinazojulikana. “Uingiliaji wa anwani ni mmoja wa ulaghai usioripotiwa sana lakini una gharama kubwa zaidi katika dunia ya crypto, ukitumia dhahiri dhana rahisi: kwamba kile unachokiona ndicho unachopata, ” alisema co-muanzilishi wa Webacy, Maika Isogawa. Ujumbe wa uhalifu wa uingizaji wa anwani za crypto ni mbinu ya udanganyifu ambapo waasi hutuma kiasi kidogo cha sarafu cha kidigitali kutoka kwa anwani za pochi zinazofanana sana na anwani halali ya mwathirika— mara nyingi zikiwa zinasimuliwa na herufi zinazofanana mwanzoni na mwisho. Njia hii inalenga kumdanganya mtumiaji aishike na kutumia tena anwani ya waasi katika miamala ya baadaye, ikisababisha hasara za kifedha. Ulaghai huu unatumia tabia za watumiaji wa kuamini matching ya sehemu ya anwani au historia ya naquga wakati wa kuhamisha crypto. Utafiti wa Januari 2025 ulibaini jaribio zaidi ya miloni 270 ya kuingiliwa kwenye BNB Chain na Ethereum kati ya Julai 1, 2022, hadi Juni 30, 2024, huku majaribio 6, 000 yakifanikiwa yakiwa na hasara zaidi ya dola milioni 83. Jumuisha: Ni nini mashambulio ya uingizaji wa anwani katika crypto na jinsi ya kuyekwepa? Uzoefu wa usalama wa Web2 ukiendelezwa kwa Web3 Mkurugenzi wa teknolojia wa Trugard, Jeremiah O’Connor, alimwambia Cointelegraph kwamba timu hiyo inaleta ujuzi mkubwa wa usalama wa mtandaoni kutoka katika sekta ya Web2, ambao wamekuwa wakutumia kwa data za Web3 tangu zamani za awali za sarafu za kidigitali. Wanatumia uzoefu katika uhandisi wa vipengele vya akili kutoka kwa mifumo ya jadi ili kuboresha usalama wa Web3. Alisema: “Vifaa vya kugundua mashambulio vya Web3 vinategemea sheria thabiti au uchujaji wa miamala wa msingi, ambayo mara nyingi hufeli mbele ya mbinu, mbinu, na taratibu zinazobadilika za waasi. ” Kwa upande mwingine, mfumo wao mpya uliotengenezwa unatumia kujifunza kwa mashine ili kujifunza na kubadilika kila wakati ili kukabiliana na hatari za uingiliaji.

O’Connor alisema kinachowatofautisha ni “kuzingatia muktadha na utambuzi wa mifumo. ” Isogawa aliongeza kuwa “AI inaweza kugundua mifumo mara nyingi ya zaidi ya uwezo wa uchambuzi wa binadamu. ” Jumuisha: Jameson Lopp atuonyesha suala la mashambulio ya uingizaji wa anwani za Bitcoin Mbinu ya kujifunza kwa mashine O’Connor alieleza kwamba Trugard iliunda data ya mafunzo bandia kwa AI ili kuiga mbinu tofauti za mashambulio. Mfumo huo ulifundishwa kwa kutumia kujifunza kwa usimamizi—mbinu ya kujifunza kwa mashine ambapo mfano unajifunza kutoka kwa data yenye lebo inayojumuisha vipaji pamoja na matokeo sahihi. Lengo ni kwa mfano kuelewa uhusiano kati ya input na output ili kutabiri matokeo sahihi kwa data mpya wasiyoonekana awali. Maombi ya kawaida ni pamoja na kuchuja spam, utambuzi wa picha, na utabiri wa bei. Zaidi ya hayo, mfumo huo huendelea kuboreshwa kwa kuifundisha tena kwa kutumia data mpya ambako wahalifu huendeleza mbinu mpya. “Pia, tumejenga safu ya uzalishaji data bandia inayowezesha majaribio ya kuendelea kwa mfano dhidi ya mazingira ya uingiliaji wa bandia, ” alisema. “Mbinu hii imethibitishwa kuwa na ufanisi mkubwa katika kusaidia mfano kuendelea kubadilika na kudumu kwa muda mrefu. ”