في تطور هام لأمن البلوك تشين ، كشفت OpenAI وشركة Paradigm للاستثمار في العملات المشفرة عن EVMbench، وهو نظام قياس جديد مصمم لتقييم مدى قدرة الذكاء الاصطناعي على تحديد واستغلال وإصلاح الثغرات الأمنية في العقود الذكية التي تدعم التمويل اللامركزي (DeFi) والتطبيقات الأخرى على سلاسل الكتل الشبيهة بـ Ethereum.
العقود الذكية هي برامج مستقلة تدير الأموال وتنقلها دون وسطاء. وهي تؤمّن حاليًا أكثر من 100 مليار دولار من أصول العملات المشفرة مفتوحة المصدر في جميع أنحاء العالم.
بمجرد نشر هذه العقود، لا يمكن تغيير العديد منها، مما يعني أن الأخطاء التي تُترك دون معالجة قد تكون كارثية. صُمم EVMbench لقياس مدى قدرة وكلاء التعلم الآلي على فهم هذه الأنظمة المعقدة والتخفيف من المخاطر الأمنية الناشئة.
الوجبات السريعة الرئيسية
يقوم EVMbench بتقييم أداء الذكاء الاصطناعي في اكتشاف وتصحيح واستغلال الثغرات الأمنية في العقود الذكية لـ Ethereum.
تم بناء المعيار على 120 ثغرة أمنية خطيرة من العالم الحقيقي من عمليات التدقيق والمسابقات المهنية.
يُظهر GPT-5.3-Codex نجاحًا بنسبة تزيد عن 70٪ في استغلال العقود ولكنه يعاني من صعوبة في الكشف الشامل والتصحيح.
يوفر EVMbench لفرق التمويل اللامركزي الصغيرة أداة لإجراء عمليات تدقيق أمني مستمرة وعالية الدقة.
يسلط النظام الضوء على كل من الإمكانات الدفاعية ومخاطر الاستخدام المزدوج للذكاء الاصطناعي في أمن العملات المشفرة.
الغرض من تصميم EVMbench
إن EVMbench ليس لعبة أو مجموعة من الألغاز الترفيهية. بل هو مجموعة مهام تستند إلى ثغرات أمنية حقيقية تم جمعها من عمليات تدقيق احترافية للبرمجيات، ومسابقات عامة، ومراجعات أمنية خاصة.
يتضمن المعيار 120 حالة من حالات الثغرات الأمنية عالية الخطورة مأخوذة من 40 تقرير تدقيق متميز، معظمها يأتي من مسابقات تدقيق مفتوحة المصدر مثل Code4rena وبيانات التدقيق الداخلي من مشاريع بلوك تشين الخاصة بشركة Paradigm.
يتم وضع كل بيئة اختبار في حاوية بحيث تتفاعل عوامل الذكاء الاصطناعي مع التعليمات البرمجية في ظروف تحاكي سير العمل الحقيقي للتطوير والنشر.
يقوم برنامج EVMbench بتقييم النماذج عبر ثلاثة أوضاع للقدرات:
كشفيقوم الوكيل بمراجعة رمز العقد ويجد الثغرات الأمنية المعروفة، ويحصل على نقاط بناءً على عدد المشكلات الحقيقية التي يتذكرها.
بقعةبمجرد اكتشاف المشكلات، يجب على الذكاء الاصطناعي توليد تصحيحات تقضي على نقاط الضعف دون الإخلال بالمنطق أو الوظائف المقصودة للعقد.
يستغل: تعمل هذه البرامج في بيئة معزولة، حيث تحاول تنفيذ هجمات شاملة تحاكي استنزاف الأموال، وتقييم التفكير الهجومي، وقدرة استغلال الثغرات الأمنية المتسلسلة.
تعكس هذه الدورة متعددة الخطوات الطريقة التي يعمل بها باحثو الأمن المحترفون في الواقع - أولاً العثور على خطأ، ثم فهمه وإصلاحه، وأخيراً اختبار ما إذا كان الإصلاح يصمد تحت ضغط الخصوم.
ما تُظهره النتائج الأولية
تكشف النتائج الأولية عن اتجاه لافت للنظر: لقد تحسنت نماذج الذكاء الاصطناعي بسرعة، لكن الأداء يختلف اختلافًا كبيرًا حسب المهمة.
في الاختبارات الداخلية الأولية، حقق نموذج GPT-5.3-Codex من OpenAI نجاحًا يزيد عن 70% في وضع الاستغلال، مقارنةً بأقل من 20% على ثغرات مماثلة خلال المراحل السابقة من التطوير. هذا يعني أن النماذج الحالية أصبحت قادرة بشكل متزايد على اكتشاف الأخطاء المنطقية الدقيقة وربطها ببعضها البعض لتكوين ثغرات خطيرة ذات آثار مالية جسيمة.
ومع ذلك، تعاني هذه الأنظمة نفسها من قصور في وضعيتي الكشف والتصحيح. فغالباً ما تكتشف البرامج مشكلة واحدة واضحة وتفشل في إكمال تدقيق شامل، بينما يظل التصحيح صعباً لأن الحفاظ على الوظائف الأصلية في التعليمات البرمجية المعقدة يتطلب تفكيراً دقيقاً - وهو أمر لا يزال الذكاء الاصطناعي يتعلم القيام به بكفاءة.
مخاطر الاستخدام المزدوج والتركيز الدفاعي
يُبرز برنامج EVMbench معضلة الاستخدام المزدوج التي تواجه صناعة العملات المشفرة. فمن جهة، إذا كان بإمكان الذكاء الاصطناعي اكتشاف الثغرات الأمنية واختبارها بسرعة، فقد يُساء استخدام هذه القدرة من قبل جهات خبيثة للتخطيط للهجمات قبل أن تنتهي فرق التدقيق من عملياتها.
من ناحية أخرى، يمكن لنفس القدرة أن تسرع بشكل كبير عمليات التدقيق الدفاعي والمراجعات الأمنية المستمرة من قبل الفرق التي تفتقر إلى الميزانية اللازمة لعمليات التدقيق اليدوية المكلفة.
تقوم OpenAI و Paradigm بوضع المعيار كأداة للتبني الدفاعي - وهي طريقة للمطورين وباحثي الأمن وحتى فرق DeFi الأصغر لتقييم الوضع الأمني لعقودهم الذكية بشكل أكثر شمولاً وبشكل متكرر أكثر مما تسمح به دورات التدقيق التقليدية.
ولتشجيع التبني والبحث الدفاعي، خصصت OpenAI أيضًا أرصدة API كبيرة (يقال إنها حوالي 10 ملايين دولار) لتسريع الجهود الأمنية باستخدام نماذجها الأكثر تقدمًا، لا سيما في سياقات المصادر المفتوحة والبنية التحتية الحيوية.
معيار جديد لأمن العملات المشفرة
قد يُشكل إطلاق EVMbench بداية حقبة جديدة في مجال أمان تقنية البلوك تشين. فمن خلال وضع معيار واضح لتقييم وكلاء الذكاء الاصطناعي - ليس فقط بناءً على قدرتهم على كتابة التعليمات البرمجية، بل أيضاً على فهمهم واختبارهم وتحسينهم لتلك التعليمات - يهدف هذا المعيار إلى الارتقاء بممارسة أمن العقود الذكية والتعليم في هذا المجال.
مع استمرار التمويل اللامركزي في جذب اهتمام المؤسسات ومليارات الدولارات من الأصول، فإن أدوات مثل EVMbench توفر طريقة قابلة للقياس والتكرار لتتبع التقدم المحرز في تأمين أسس التمويل على السلسلة.
يُمهد هذا الإصدار الطريق أمام معايير مستقبلية قادرة على محاكاة بيئات أكثر تعقيدًا، مثل التبعيات بين سلاسل متعددة وظروف الشبكة الرئيسية الحية. في الوقت الراهن، يوفر EVMbench للمجتمع رؤية أوضح لما يمكن للذكاء الاصطناعي فعله - وما لا يمكنه فعله - في سبيل حماية الاقتصادات اللامركزية.
أكينديلي ت. فرانسيس كاتب محتوى متعدد المواهب، يتمتع بخبرة واسعة في مختلف القطاعات. متخصص في منشورات المدونات، ومحتوى المواقع الإلكترونية، وصفحات الخدمات، ونصوص المبيعات الجذابة، وغيرها. تعاون أكينديلي مع العديد من الوكالات لتقديم مواد مكتوبة شيقة وفعّالة. بفضل دقته في التفاصيل وشغفه بصياغة سرديات مؤثرة، يتجاوز أكينديلي توقعات عملائه باستمرار، محققًا نتائج ملموسة، ومعززًا رسائل العلامة التجارية عبر منصات متنوعة.
تنويه : هذه المقالة مُخصصة لأغراض إعلامية فقط، ولا تُعتبر نصيحة استثمارية أو تجارية. لا يُفسر أي شيء وارد فيها على أنه نصيحة مالية أو قانونية أو ضريبية. ينطوي التداول أو الاستثمار في العملات الرقمية على مخاطر خسارة مالية كبيرة. لذا، يُرجى إجراء بحث دقيق قبل اتخاذ أي قرارات استثمارية أو تجارية.
التداول مع إثبات الاحتياطيات
تنشر بورصة UEEx عمليات تدقيق شهرية وتحقق من طرف ثالث في كل سوق مدرج.
