فدریکو واریولا، مدیرعامل Phemex، این ایده را رد می‌کند که هوش مصنوعی به طور خودکار برای ارزهای دیجیتال سودمند خواهد بود، و استدلال می‌کند که این فناوری تاکنون با تخلیه نقدینگی از این بخش و افزایش مقیاس و پیچیدگی حملات سایبری به عنوان یک “منفی خالص” عمل کرده است. در حال صحبت با کوین تلگراف یک واکنش زنجیره ایواریولا هشدار داد که چرخه های عملیاتی سریعتر و افزایش هزینه های امنیتی می تواند صنعت را به سمت تمرکز بیشتر تحت فشار قرار دهد.
اظهارات وی پس از آن بیان شد که Phemex در اوایل سال جاری تحولی در هوش مصنوعی، از جمله برنامه‌هایی برای تعبیه هوش مصنوعی در توسعه محصول و عملیات داخلی اعلام کرد. با این حال، آخرین نظرات واریولا بر پیامدهای گسترده‌تر هوش مصنوعی برای امنیت و تمرکززدایی کریپتو متمرکز است – به‌ویژه برای تیم‌هایی که پروتکل‌ها را ایجاد می‌کنند و برای کاربران خرده‌فروشی که سعی در استفاده ایمن از DeFi دارند.
یافته های کلیدی
- واریولا می گوید هوش مصنوعی سرمایه را از ارزهای دیجیتال منحرف کرده است، در حالی که مهاجمان را توانمند می کند و بار امنیت سایبری را افزایش می دهد.
- تیم‌های پروتکل کوچکتر ممکن است برای مقابله با مشکل دست و پنجه نرم کنند زیرا هوش مصنوعی آسیب‌پذیری‌ها را سریعتر می‌سازد و برای شناسایی و سلاح‌سازی سریعتر استفاده می‌کند.
- این تهدیدها می تواند جذابیت DeFi خرده فروشی را کاهش دهد، زیرا کاربران با فرصت های بیشتری برای سازش دستگاه و مهندسی اجتماعی روبرو هستند.
- کارشناسان امنیتی همچنین مزایای دفاعی را برای هوش مصنوعی می بینند، حتی با پیچیده تر شدن حملات.
- واریولا عوامل هوش مصنوعی را برای سرمایه گذاران مفید می داندو نه به عنوان جایگزینی برای تصمیم گیری انسانی در تجارت.
ریسک نشت نقدینگی و “متمرکز شدن”.
انتقاد از واریولا بر انگیزه ها متمرکز بود. او پیشنهاد کرد که شتاب گسترده‌تر هوش مصنوعی منابع – از جمله سرمایه – را به سمت پروژه‌های متمرکز بر هوش مصنوعی به جای زیرساخت‌ها و اکوسیستم‌های رمزنگاری جذب کرده است. در همان زمان، او استدلال می‌کند که هوش مصنوعی مانع فعالیت‌های مخرب را کاهش داده است و به بازیگران بد اجازه می‌دهد تا بهره‌برداری از پروتکل و مهندسی اجتماعی مؤثرتر را دنبال کنند.
او می‌گوید که اثر خالص یک تغییر ساختاری است که می‌تواند به نفع بازیکنان بزرگ‌تر و با بودجه بهتر باشد. واریولا گفت: «تصور دنیایی که در آن هوش مصنوعی به طور خاص از ارزهای دیجیتال به عنوان یک صنعت حمایت کند، سخت است.
این چارچوب بندی اهمیت دارد زیرا تمرکززدایی فقط یک هدف فلسفی در ارزهای دیجیتال نیست، بلکه به این بستگی دارد که آیا تیم ها می توانند امنیت را بدون نیاز به مجموعه ای ثابت و گران قیمت از دفاع حفظ کنند یا خیر. اگر هزینه حفظ امنیت سریعتر از توانایی صنعت برای کاهش ریسک افزایش یابد، قدرت به طور طبیعی متمرکز می شود.
اکسپلویت های دنیای واقعی، سرعت پیشرفت حملات به کمک هوش مصنوعی را برجسته می کنند
نگرانی های واریولا صرفاً نظری نیست. او نظرات خود را به موارد شناخته شده ای که در آن هوش مصنوعی – به طور مستقیم یا غیرمستقیم – به استفاده از حلقه ها در امنیت کریپتو مرتبط است، مرتبط کرد.
در اوایل سال جاری، Cointelegraph در مورد یک حادثه در ماه ژوئیه گزارش داد که در آن مهاجمان جرعه جرعه ای نوشیدند ۱۱۶ میلیون دلار بیت کوین از بیش از ۵۲۰۰ آدرس متصل به a نقص کیف پول سخت افزاری Coldcard. اعتقاد بر این بود که این آسیب پذیری از طریق استفاده مخرب هوش مصنوعی کشف شده است. در حالی که مکانیزم دقیق کشف هنوز در پوشش عمومی موضوع تفسیر است، این قسمت نشان می‌دهد که مهاجمان با چه سرعتی می‌توانند از ضعف‌ها به محض ظاهر شدن سوء استفاده کنند.
کوین تلگراف همچنین خاطرنشان کرد که رودولفو نواک، مدیر عامل Coinkite در آن زمان به توسعه دهندگان هشدار داد که بررسی کد به کمک هوش مصنوعی اکنون می تواند خطاها را سریعتر از حتی متخصصان باتجربه کشف کند. واریولا این واقعیت را تکرار کرد و گفت که هوش مصنوعی می‌تواند به مهاجمان اجازه دهد آسیب‌پذیری‌ها را پیدا کنند و با سرعتی که تیم‌های کوچکتر قادر به مدیریت مالی آن‌ها نباشند، اکسپلویت‌ها را اجرا کنند.
او استدلال کرد که در عمل، پروتکل‌ها ممکن است دیگر نتوانند بدون «بودجه هنگفت امنیت سایبری» عمل کنند، محدودیتی که می‌تواند به‌طور سیستماتیک سازندگان کوچکتر را در مقایسه با سازمان‌های با سرمایه خوب به ضرر برساند.
امنیت شخصی، مشارکت در شبکه‌ای و بار کاربر
Variola مفاهیم را فراتر از تیم‌های توسعه‌دهنده گسترش داد و هشدار داد که یک چشم‌انداز تهدید مبتنی بر هوش مصنوعی می‌تواند هم خود حضانت و هم DeFi را برای کاربران خرده‌فروش خطرناک‌تر کند. استدلال او این است که حملات به طور فزاینده ای پیشرفت های فنی را با روش های انسان محور مانند مهندسی اجتماعی ترکیب می کنند.
به گفته او، با رواج بیشتر هوش مصنوعی، کاربران ممکن است با موقعیت‌های بیشتری مواجه شوند که در آن دستگاه‌هایشان به خطر بیفتد یا برای اقدامات خطرناک دستکاری شود. او گفت: «این کار باعث می‌شود که DeFi برای یک کاربر خرده‌فروش بسیار کمتر جذاب باشد، زیرا شما باید نگران چیزهای زیادی باشید که قبلاً چندان نگران آن نبودید».
این نکته بسیار مهم است زیرا رشد DeFi نه تنها به نقدینگی و انگیزه‌ها، بلکه به اعتماد کاربران نیز بستگی دارد. اگر سطح تهدید درک شده سریعتر از ابزارهای امنیتی و آموزش کاربر گسترش یابد، تقاضا ممکن است به سمت واسطه های متمرکز یا کاربرانی که ریسک را به طور کامل در زنجیره کنار می گذارند تغییر یابد.
پتانسیل دفاعی وجود دارد – بنابراین سوال کلیدی این است که چه کسی می تواند آن را مستقر کند
موضع واریولا استدلال متقابل را نادیده نمی گیرد. Cointelegraph قبلاً تأکید کرده بود که متخصصان امنیتی هشدار داده‌اند که هوش مصنوعی حملات را پیچیده‌تر می‌کند و در عین حال پتانسیل تقویت دفاعی را نیز دارد.
در ماه آوریل، ناتالی نیوسون، محقق ارشد بلاک چین CertiK، به کوین تلگراف گفت که “هوش مصنوعی می تواند یکی از بهترین دفاع ها نیز باشد”، اگرچه او هشدار داد که همین قابلیت ها می تواند موانع را برای مهاجمان افزایش دهد.
این تضاد یک سوال اساسی را برای صنعت ایجاد می کند: اگر هوش مصنوعی توانایی های تهاجمی و تدافعی را افزایش دهد، چه کسی توانایی استقرار موثر سمت دفاعی را دارد؟ نظرات واریولا حاکی از شکافی بین سرعت مهاجمان و بودجه مدافعان است – به خصوص برای تیم های پروتکل کوچکتر.
جایی که واریولا ارزش عملی می بیند: عوامل هوش مصنوعی برای کمک، نه استقلال
در حالی که واریولا در مورد تأثیر کلی هوش مصنوعی بر کریپتو تردید داشت، او مزایای بالقوه دنیای واقعی را در جریان های کاری خاص تصدیق کرد. او به عوامل هوش مصنوعی به عنوان ابزارهایی اشاره کرد که می توانند به سرمایه گذاران در ایجاد سبد سهام یا بهبود تصمیمات تجاری کمک کنند.
وی در عین حال بر محدودیت ها تاکید کرد. واریولا گفت که انتظار ندارد عوامل هوش مصنوعی جایگزین قضاوت انسان شوند. “در پایان روز، هنوز تصمیم گیری نهایی به عهده مصرف کننده خواهد بود. بنابراین من فکر نمی کنم که نمایندگان هرگز جایگزین آن معامله شوند.”
برای فعالان بازار، این تمایز می تواند حیاتی باشد. هوش مصنوعی که پشتیبانی تصمیم‌گیری را ارائه می‌کند، می‌تواند اصطکاک را برای کاربران کاهش دهد، اما استقلال حالت‌های جدید شکست را معرفی می‌کند – به‌ویژه اگر مدل‌ها اشتباه، کالیبره‌شده یا در معرض دستکاری دشمنان قرار بگیرند. رویکرد اول پشتیبانی می‌تواند این ریسک‌ها را کاهش دهد و در عین حال دستاوردهای بهره‌وری را به دست آورد.
در آینده، صنعت احتمالاً باید دو چیز را از نزدیک تماشا کند: آیا هزینه‌های امنیت سایبری همچنان برای تیم‌های پروتکل کوچکتر به طور نامتناسبی افزایش می‌یابد، و اینکه آیا استفاده از “هوش مصنوعی دفاعی” به طور قابل توجهی تسریع حملات مبتنی بر هوش مصنوعی را خنثی می‌کند. اگر تعادل به سمت بازیگران بزرگ‌تر تغییر کند، تمرکززدایی ممکن است با فشار فزاینده‌ای مواجه شود – حتی زمانی که ابزارهای هوش مصنوعی در مبادلات و پلتفرم‌های امنیتی رایج‌تر می‌شوند.
