Новый ИИ-решение от Trugard и Webacy: Защита от мошенничества с «отравлением» адресов в криптоиндустрии

Компании, специализирующиеся на кибербезопасности — Trugard и Webacy — представили систему искусственного интеллекта, способную выявлять «отравленные» криптоадреса. Об этом сообщает Cointelegraph.

Данный инструмент основан на модели контролируемого машинного обучения, для настройки которой были использованы данные о транзакциях в режиме реального времени. Также применяются ончейн-аналитика, инженерия признаков и информация о поведении пользователей.

В ходе тестирования система продемонстрировала эффективность на уровне 97% на известных примерах атак.

«Отравление адресов является одним из наименее оцениваемых, но при этом очень затратных видов мошенничества в сфере криптовалют. Оно основывается на простом заблуждении: то, что видно, есть то, что получишь», — подчеркнула сооснователь Webacy Маика Исогава.

Такое «отравление» происходит, когда мошенники отправляют маленькие суммы криптовалюты с адресов, которые лишь немного отличаются от настоящих. Чаще всего пользователи обращают внимание только на первые и последние цифры адреса перед его использованием.

Основная цель подобной атаки — заставить потерпевшую сторону перевести средства на счет злоумышленника. Чаще всего жертвой становятся те, кто копирует адрес из своей истории транзакций.

С 1 июля 2022 года по 30 июня 2024 года в сетях BNB Chain и Ethereum было зафиксировано более 270 миллионов попыток таких «отравлений». Из них 6000 атак завершились успехом, обеспечив мошенникам свыше 83 миллионов долларов.

Джеремайя О’Коннор, технический директор Trugard, отметил, что команда внедряет опыт из области кибербезопасности Web2 в среду Web3, адаптируя устоявшиеся методы к новым условиям.

«Существующие системы обнаружения атак в Web3 в основном используют статические правила или базовую фильтрацию транзакций. Эти подходы зачастую не успевают за развивающимися методами и приемами злоумышленников», — добавил он.

Новая система применяет машинное обучение для анализа и адаптации к методам «отравления».

«Искусственный интеллект способен находить шаблоны, которые часто недоступны для человеческого анализа», — подчеркнула Исогава.

О’Коннор также отметил, что Trugard создала синтетические данные для обучения искусственного интеллекта с целью моделирования различных атак. Модель использует контролируемую обучающую схему, обучаясь на размеченных данных.

Нейросеть будет продолжать развиваться, обновляясь новыми сведениями о возникающих усовершенствованных стратегиях.

«Мы также разработали слой генерации синтетических данных, который позволяет постоянно тестировать модель на смоделированных сценариях отравлений, что оказалось крайне эффективным для поддержания надежности нейросети со временем», — добавил О’Коннор.

Следует напомнить, что в марте «отравление» криптоадресов обеспечило хакеров $1,2 миллиона всего за три недели. 20 февраля одна из жертв утратила 763662 доллара.