.jpeg)
암호화폐 보안의 중요한 발전으로, Trugard와 Webacy가 주소 오염 공격을 97%의 놀라운 효율성으로 방지한다고 주장하는 AI 기반 시스템을 공개했습니다. 이 혁신적인 도구는 사용자 행동을 악용하여 자금을 빼내는 암호화폐 공간에서 가장 교활한 사기 중 하나로부터 사용자를 보호하는 것을 목표로 합니다.
주요 내용
-
AI 효율성: 이 새로운 도구는 주소 오염 공격을 탐지하는 데 97%의 성공률을 자랑합니다.
-
공격의 본질: 주소 오염은 공격자가 목표의 실제 주소와 유사한 주소에서 소량의 암호화폐를 보내는 것을 포함합니다.
-
기계 학습: 이 시스템은 진화하는 공격 패턴에 적응하고 학습하기 위해 감독 기계 학습을 활용합니다.
-
역사적 맥락: BNB 체인과 이더리움에서 2억 7천만 건 이상의 오염 시도가 기록되었으며, 상당한 재정적 손실이 발생했습니다.
주소 오염 공격 이해하기
주소 오염은 공격자가 피해자의 실제 주소와 매우 유사한 지갑 주소에서 소량의 암호화폐를 보내는 기만적인 전술입니다. 이 속임수는 사용자가 향후 거래를 위해 잘못된 주소를 복사하도록 혼란을 주어 의도치 않은 손실을 초래하는 것을 목표로 합니다.
2022년 7월부터 2024년 6월까지 실시된 연구에 따르면, 주요 블록체인 네트워크에서 2억 7천만 건 이상의 주소 오염 시도가 있었으며, 약 6,000건의 성공적인 공격이 발생하여 8,300만 달러 이상의 손실이 발생했습니다. 이 놀라운 통계는 암호화폐 생태계에서 강력한 보안 조치의 필요성을 강조합니다.
사이버 보안에서 AI의 역할
새로 개발된 AI 도구는 Webacy의 암호화폐 의사결정 도구 모음의 일부입니다. 이 도구는 실시간 거래 데이터와 온체인 분석 및 행동 맥락을 결합하여 훈련된 감독 기계 학습 모델을 사용합니다. 이러한 접근 방식은 시스템이 인간 분석가가 놓칠 수 있는 패턴을 탐지할 수 있도록 합니다.
Trugard의 최고 기술 책임자(Jeremiah O’Connor)는 AI 시스템에서 맥락과 패턴 인식의 중요성을 강조했습니다. 전통적인 Web3 보안 조치가 종종 정적 규칙에 의존하는 것과 달리, 이 AI 도구는 새로운 공격 전략에 적응하여 진화하는 위협에 대한 강력한 방어 수단이 됩니다.
기계 학습 방법론
AI 시스템은 정교한 기계 학습 접근 방식을 사용하여 개발되었습니다:
-
합성 데이터 생성: Trugard는 다양한 공격 패턴을 시뮬레이션하기 위해 합성 훈련 데이터를 생성했습니다.
-
감독 학습: 모델은 레이블이 있는 데이터로 훈련되어 입력(거래 데이터)과 출력(오염 시도 성공 탐지) 간의 관계를 학습할 수 있도록 했습니다.
-
지속적인 학습: 모델은 새로운 데이터로 정기적으로 업데이트되어 새로운 공격 전략에 적응하여 시간이 지남에 따라 효과성을 보장합니다.
O’Connor는 시뮬레이션된 오염 시나리오에 대한 지속적인 테스트가 모델의 강력함과 정확성을 유지하는 데 매우 중요하다고 언급했습니다.
결론
암호화폐가 계속해서 주목받고 있는 가운데, 주소 오염 공격의 위협은 사용자에게 여전히 중요한 우려 사항입니다. Trugard와 Webacy의 이 AI 도구 도입은 이러한 사기를 퇴치하는 데 있어 중요한 진전을 나타냅니다. 인상적인 효율성 비율과 적응 학습 능력을 갖춘 이 기술은 암호화폐 공간의 보안 기준을 재정의할 수 있으며, 사용자에게 거래에 대한 더 큰 신뢰를 제공할 수 있습니다.
출처
-
AI 도구가 '주소 오염' 공격 방지에서 97%의 효율성을 주장합니다, Cointelegraph.
이 기사는 AI 기반 기술의 지원을 받아 여러 신뢰할 수 있는 출처를 바탕으로 작성되었습니다. 최종 콘텐츠는 BlockzHub 편집팀에 의해 철저히 검토 및 편집되어 정확성, 명확성, 일관성을 보장합니다. 원본 보도 자료는 필요에 따라 적절히 출처를 명시합니다. 본 기사에 표현된 의견은 반드시 BlockzHub의 공식적인 견해나 입장을 반영하는 것은 아닙니다. 이 기사는 정보 제공 목적으로만 제공되며, 금융 또는 전문가의 조언으로 간주되어서는 안 됩니다. 투자는 위험을 수반하며, 투자 결정을 내리기 전에 반드시 자격을 갖춘 금융 전문가와 상담하시기 바랍니다.