کرپٹو سائبر سیکیورٹی کمپنی ٹروگارد، اور آن چین ٹرسٹ پروٹوکول ویبسی کے ساتھ مل کر ایک اے آئی سے چلنے والا نظام تیار کیا ہے جس کا مقصد کرپٹو والیٹ ایڈریس پوسیننگ کا پتہ لگانا ہے۔ 21 مئی کو کوئن ٹیلگراف کے ذریعے اعلان کیا گیا کہ یہ نیا حل ویبسی کے کرپٹو فیصلہ سازی کے سوٹ میں شامل ہے اور “یہ ایک نگرانی شدہ مشین لرننگ ماڈل کا استعمال کرتا ہے جسے لائیو ٹرانزیکشن ڈیٹا پر تربیت دی گئی ہے، اور اس میں آن چین اینالٹکس، خصوصیت کی انجینئرنگ، اور رویے کے سیاق و سباق کو شامل کیا گیا ہے۔” یہ ٹول تقریباً 97% کامیابی کی شرح حاصل کرتا ہے، اور معروف حملہ کے وژولوں کے دوران اس کی تصدیق ہوئی ہے۔ ویبسی کے شریک بانی مائیکا اسوگاوا نے کہا، “پوشیننگ ایڈریس کرپٹو میں سب سے زیادہ کم رپورٹ ہونے والی مگر سب سے مہنگی دھوکہ دہی میں سے ایک ہے، جو سب سے سادہ فرض کو استعمال کرتی ہے: کہ جو آپ دیکھتے ہیں وہی آپ کو ملتا ہے۔” کرپٹو ایڈریس پوسیننگ ایک دھوکہ دہی کی تکنیک ہے جس میں حملہ آور چھوٹے مقدار میں کرپٹو کرنسی بھیجتے ہیں ایسے والیٹ ایڈریس سے جو کسی مظلوم کے اصلی ایڈریس سے بہت قریب لگتے ہیں—اکثر شروع اور آخر کے حروف بھی ملتے ہیں۔ اس کا مقصد صارفین کو دھوکہ دے کر حملہ آور کے ایڈریس کو نقل کرنے اور بعد کی ٹرانزیکشنز میں استعمال کرنے پر آمادہ کرنا ہوتا ہے، جس سے مالی نقصان ہوتا ہے۔ یہ اسکیم صارفین کی عادات سے فائدہ اٹھاتی ہے، جن میں جزوی ایڈریس میچنگ یا کلپ بورڈ ہسٹری پر انحصار شامل ہے جب وہ کرپٹو منتقل کرتے ہیں۔ جنوری 2025 کی ایک تحقیق میں بتایا گیا ہے کہ 1 جولائی 2022 سے 30 جون 2024 کے درمیان بی این بی چین اور Ethereum پر 270 ملین سے زائد پوسیننگ کی کوششیں کی گئیں، جن میں سے 6, 000 کامیاب رہیں اور 83 ملین امریکی ڈالر سے زیادہ کا نقصان ہوا۔ متعلقہ: کرپٹو میں ایڈریس پوسیننگ حملے کیا ہیں اور انہیں کس طرح سے روکا جا سکتا ہے؟ ویب 2 سیکیورٹی مہارت کو ویب 3 پر لاگو کرنا ٹروگارد کے چیف ٹیکنالوجی آفیسر، جیرمیہ او کونر نے کوئن ٹیلگراف کو بتایا کہ ٹیم کے پاس ویب2 کے وسیع سائبر سیکیورٹی علم ہے، جسے انہوں نے کرپٹو کرنسی کے ابتدائی دنوں سے ویب 3 کے ڈیٹا پر لاگو کیا ہے۔ وہ روایتی نظاموں سے الگریتھمک فیچر انجینئرنگ کے تجربے کا استعمال کرتے ہوئے ویب 3 کی سیکیورٹی کو بہتر بناتے ہیں۔ انہوں نے کہا: “بہت سے موجودہ ویب 3 حملہ کا پتہ لگانے کے آلات جامد قواعد یا بنیادی ٹرانزیکشن فلٹرنگ پر انحصار کرتے ہیں، جو اکثر بدلتے حملہ آوروں کے طریقوں، تکنیکوں اور طریقہ کار سے پیچھے رہ جاتے ہیں۔” اس کے برعکس، ان کا نیا نظام مشین لرننگ کا استعمال کرتا ہے تاکہ حملہ آوروں کی نئی حکمت عملی کے مطابق سیکھتا اور مطابقت بھی کرتا رہے۔ او کونر نے زور دیا کہ ان کے نظام کی سب سے خاص بات “سیاق و سباق اور پیٹرن پہچان پر توجہ ہے۔” اسوگاوا نے افزودہ کہ “ای آئی اکثر انسان کی تحلیلی صلاحیت سے آگے پیٹرن نزدیکی سے شناخت کر سکتی ہے۔” متعلقہ:Jameson Lopp نے بیٹ کوائن ایڈریس پوسیننگ حملوں پر الرٹ جاری کیا مشین لرننگ کا طریقہ کار او کونر نے وضاحت کی کہ ٹروگارد نے مصنوعی تربیتی ڈیٹا تیار کیا تاکہ اے آئی مختلف حملہ طریقوں کی نقل کر سکے۔ اس کے بعد ماڈل کو نگرانی شدہ سیکھنے کے ذریعے تربیت دی گئی—یہ ایک مشین لرننگ کی تکنیک ہے جس میں ماڈل کو لیبل شدہ ڈیٹا سے سیکھنا ہوتا ہے، جہاں انپوٹ اور آؤٹ پٹ کی معلومات ہوتی ہیں۔ اس کا مقصد ہے کہ ماڈل انپوٹ-آؤٹپٹ تعلقات کو سمجھ کر نئے، ان دیکھے ڈیٹا کے لیے صحیح پیش گوئی کرے۔ اس کی عام مثالیں اسپام فلٹرنگ، تصویر شناخت، اور قیمت کے پیش گوئی ہیں۔ علاوہ ازیں، یہ ماڈل مسلسل نئے ڈیٹا کے ساتھ دوبارہ تربیت دے کر اپڈیٹ ہوتا رہتا ہے، تاکہ حملہ آوروں کی نئی حکمت عملیوں کا مقابلہ کیا جا سکے۔ انہوں نے کہا، “مزید برآں، ہم نے ایک مصنوعی ڈیٹا جنریشن لیئر بنائی ہے جو ماڈل کو مسلسل پوسیننگ کے giả سی حالات کے خلاف ٹیسٹ کرنے کی اجازت دیتی ہے۔” انہوں نے کہا، “یہ طریقہ کار انتہائی مؤثر ثابت ہوا ہے اور کیونکہ یہ ماڈل کو عمومی بنانے اور وقت کے ساتھ مضبوط رہنے میں مدد دیتا ہے۔”