در حالی که هوش مصنوعی (AI) در حال حاضر صنایع بی‌شماری را متحول کرده است، از مراقبت‌های بهداشتی و خودرو گرفته تا بازاریابی و امور مالی، پتانسیل آن اکنون در یکی از مهم‌ترین حوزه‌های صنعت بلاک چین – امنیت قراردادهای هوشمند – مورد آزمایش قرار گرفته است.

آزمایش‌های متعدد پتانسیل زیادی برای ممیزی‌های بلاک چین مبتنی بر هوش مصنوعی نشان داده‌اند، اما این فناوری نوپا هنوز فاقد برخی ویژگی‌های مهم ذاتی متخصصان انسانی است – شهود، قضاوت ظریف و تخصص موضوع.

سازمان خود من، OpenZeppelin، اخیراً مجموعه‌ای از آزمایش‌ها را انجام داده است که ارزش هوش مصنوعی را در شناسایی آسیب‌پذیری‌ها برجسته می‌کند. این کار با استفاده از آخرین مدل OpenAI GPT-4 برای شناسایی مسائل امنیتی در قراردادهای هوشمند Solidity انجام شد. کد در حال آزمایش از اترنات بازی وب هک قرارداد هوشمند – طراحی شده برای کمک به حسابرسان در یادگیری نحوه جستجوی اکسپلویت ها. در طول آزمایش‌ها، GPT-4 با موفقیت آسیب‌پذیری‌ها را در 20 مورد از 28 چالش شناسایی کرد.

مربوط: دست و پنجه نرم کنید، Reddit: APIهای بسته بیش از آنچه انتظار دارید هزینه دارند

در برخی موارد، به سادگی ارائه کد و پرسیدن اینکه آیا قرارداد حاوی آسیب‌پذیری است، نتایج دقیقی را به همراه خواهد داشت، مانند مشکل نام‌گذاری زیر در تابع سازنده:

ChatGPT یک قرارداد هوشمند را تجزیه و تحلیل می کند. منبع: OpenZeppelin

در زمان‌های دیگر، نتایج مختلط‌تر یا کاملاً ضعیف بودند. گاهی اوقات نیاز است که هوش مصنوعی با ارائه یک سوال تا حدودی برجسته، از جمله “آیا می توانید آدرس کتابخانه را در قرارداد قبلی تغییر دهید؟” در بدترین حالت، GPT-4 نمی‌تواند آسیب‌پذیری ایجاد کند، حتی زمانی که همه چیز کاملاً واضح بیان شده است، مثلاً «اگر تابع را از داخل سازنده فراخوانی کنید، می‌توانید گیت یک و گیت دو را پاس کنید، چگونه می‌توانید اکنون قرارداد هوشمند GatekeeperTwo را وارد کنید؟ در یک نقطه، هوش مصنوعی حتی آسیب‌پذیری را اختراع کرد که در واقع وجود نداشت.

این امر محدودیت های فعلی این فناوری را برجسته می کند. با این حال، GPT-4 نسبت به نسل قبلی خود، GPT-3.5، مدل زبان بزرگ (LLM) که در راه اندازی اولیه ChatGPT توسط OpenAI استفاده شد، گام های قابل توجهی برداشته است. در دسامبر 2022، آزمایش‌های ChatGPT نشان داد که این مدل تنها می‌تواند پنج سطح از 26 سطح را با موفقیت حل کند. هر دو GPT-4 و GPT-3.5 تا سپتامبر 2021 با استفاده از یادگیری تقویتی از بازخورد انسانی، تکنیکی که شامل یک حلقه بازخورد انسانی برای وضعیت مدل زبانی در طول آموزش است، بر روی داده ها آموزش دیده بودند.

کوین بیس انجام شد آزمایش های مشابه، بازده یک نتیجه مقایسه ای. این آزمایش از ChatGPT برای بررسی امنیت رمز استفاده کرد. در حالی که هوش مصنوعی می‌توانست بازبینی‌های دستی را برای بخش بزرگی از قراردادهای هوشمند منعکس کند، اما برای ارائه نتایج برای دیگران مشکل داشت. علاوه بر این، Coinbase همچنین به چند نمونه از ChatGPT اشاره کرد که دارایی های پرخطر را به عنوان دارایی های کم خطر برچسب گذاری می کند.

مربوط: ساده لوح نباشید – ETF بلک راک برای بیت کوین صعودی نخواهد بود

توجه به این نکته مهم است که ChatGPT و GPT-4 LLM هایی هستند که برای پردازش زبان طبیعی، مکالمات شبیه انسان و تولید متن به جای تشخیص آسیب پذیری توسعه یافته اند. با نمونه‌های کافی از آسیب‌پذیری‌های قرارداد هوشمند، این امکان برای یک LLM وجود دارد که دانش و الگوهای لازم برای شناسایی آسیب‌پذیری‌ها را به دست آورد.

با این حال، اگر راه‌حل‌های هدفمندتر و مطمئن‌تری برای تشخیص آسیب‌پذیری می‌خواهیم، ​​یک مدل یادگیری ماشینی که منحصراً بر روی مجموعه‌های داده آسیب‌پذیری با کیفیت بالا آموزش داده شده است، به احتمال زیاد نتایج برتری را به همراه خواهد داشت. داده‌های آموزشی و مدل‌های سفارشی‌سازی شده برای اهداف خاص منجر به وضعیت سریع‌تر و نتایج دقیق‌تر می‌شوند.

به عنوان مثال، تیم هوش مصنوعی در OpenZeppelin اخیراً یک مدل یادگیری ماشین سفارشی برای شناسایی حملات ورود مجدد ساخته است – یک شکل رایج سوء استفاده که زمانی رخ می‌دهد که قراردادهای هوشمند با سایر قراردادها تماس خارجی برقرار کنند. نتایج ارزیابی اولیه عملکرد برتر را در مقایسه با ابزارهای امنیتی پیشرو در صنعت با نرخ مثبت کاذب زیر 1٪ نشان می دهد.

ایجاد تعادل بین هوش مصنوعی و تخصص انسانی

آزمایش‌ها تاکنون نشان داده‌اند که در حالی که مدل‌های هوش مصنوعی فعلی می‌توانند ابزار مفیدی برای شناسایی آسیب‌پذیری‌های امنیتی باشند، بعید است که جایگزین قضاوت دقیق متخصصان امنیت انسانی و تخصص موضوعی شوند. GPT-4 عمدتاً از داده‌های در دسترس عموم تا سال 2021 استفاده می‌کند و بنابراین نمی‌تواند آسیب‌پذیری‌های پیچیده یا منحصربه‌فرد را فراتر از محدوده داده‌های آموزشی خود شناسایی کند. با توجه به تکامل سریع بلاک چین، برای توسعه دهندگان بسیار مهم است که به یادگیری در مورد آخرین پیشرفت ها و آسیب پذیری های احتمالی در صنعت ادامه دهند.

با نگاهی به آینده، آینده امنیت قراردادهای هوشمند احتمالاً شامل همکاری بین تخصص انسانی و وضعیت مداوم ابزارهای هوش مصنوعی خواهد بود. موثرترین دفاع در برابر مجرمان سایبری مسلح به هوش مصنوعی، استفاده از هوش مصنوعی برای شناسایی رایج ترین و شناخته شده ترین آسیب پذیری ها خواهد بود، در حالی که متخصصان انسانی با آخرین پیشرفت ها و بر این اساس راه حل های هوش مصنوعی را به روز می کنند. فراتر از حوزه امنیت سایبری، تلاش های ترکیبی هوش مصنوعی و بلاک چین راه حل های مثبت و پیشگامانه تری خواهد داشت.

هوش مصنوعی به تنهایی جایگزین انسان نخواهد شد. با این حال، حسابرسان انسانی که یاد می‌گیرند از ابزارهای هوش مصنوعی استفاده کنند، بسیار مؤثرتر از حسابرسانی هستند که چشم خود را بر روی این فناوری در حال ظهور می‌بندند.

ماریکو واکابایاشی پیشرو یادگیری ماشین در OpenZeppelin است. او مسئول ابتکارات کاربردی AI/ML و داده در OpenZeppelin و شبکه Forta است. Mariko API عمومی شبکه Forta را ایجاد کرد و پروژه های اشتراک گذاری داده و منبع باز را رهبری کرد. سیستم هوش مصنوعی او در فورتا بیش از 300 میلیون دلار هک بلاک چین را در زمان واقعی قبل از وقوع شناسایی کرده است.

این مقاله برای اهداف اطلاعاتی عمومی است و در نظر گرفته نشده است و نباید به عنوان مشاوره حقوقی یا سرمایه گذاری در نظر گرفته شود. دیدگاه ها، افکار و نظرات بیان شده در اینجا به تنهایی متعلق به نویسنده است و لزوماً منعکس کننده یا نماینده دیدگاه ها و نظرات Cointelegraph نیست.