Web3를 악용으로부터 보호하는 가장 좋은 방법은 기계 학습입니다.

최근 암호화폐 중심의 데이터 유출이 급증하고 있다는 사실은 비밀이 아닙니다. 특히 사이버 범죄자들이 공격을 용이하게 하기 위해 더욱 정교한 기술을 계속 사용함에 따라 이러한 추세는 가까운 미래에 증가할 가능성이 높습니다.

이 시점까지, 사상자 수 약 급증한 다양한 암호화폐 해킹으로 인해 발생합니다. 60%는 올해 첫 7개월 동안 다양한 탈중앙화 금융(DeFi) 프로토콜에서 도난당한 자금으로 인해 추진되었습니다.

AI 답변

2022년 10월에만 11개 해킹의 DeFi 프로토콜에서 기록적인 $718백만이 도난당하여 올해 누적 해킹 관련 손실이 발생했습니다. $3B 표시 이상. 이제는 많은 전문가들이 믿다 인공지능(AI)과 머신러닝(ML)(후자는 전자의 하위 집합임)이 오늘날 가장 긴급한 사이버 보안 문제를 완화하는 데 도움이 될 수 있다는 점입니다.

퍼즐의 필수 조각?

ML 기반 개인 정보 보호 시스템은 프로젝트의 정기적인 네트워크 활동을 학습하고 계산한 후 의심스러운 움직임을 감지하고 식별하도록 설계되었습니다. 사용할 수 있는 ML 시스템에는 두 가지 유형이 있습니다. 과거 공격으로부터 일반화하는 방법을 학습할 수 있는 감독형 시스템과 알려지지 않은 공격을 감지하여 사이버 보안 담당자에게 표준에서 벗어난 것을 경고할 수 있는 비지도형 시스템입니다.

실제로 ML 지원 기술은 급성장하는 Web3 부문의 위협 탐지 및 방어에 중요한 구성 요소가 되어 자동화된 방식으로 악의적인 행위자를 막아야 합니다.

AI 사이버 보안 시장(ML이 주요 구성 요소)의 총 자본화는 다음과 같습니다. 성장할 것으로 예상됨 향후 5년간 CAGR(복합 성장률)은 23.6%로, 2028년까지 누적 총 성장률은 $46.3B에 도달합니다.

기술적 관점에서 볼 때, ML 시스템을 통해 보안 전문가는 문제를 신속하게 식별하고 단순한 인적 회계로 가능한 것보다 더 많은 데이터 세트를 활용하며 타고난 편견이 없는 시스템을 고안할 수 있습니다. 즉, 기존의 경험적 기반 프로세스를 강화하여 더욱 효율적이고 오류가 없도록 만들 수 있습니다.

업계에서는 web3를 데이터 과학자들에게 더욱 매력적으로 만들어야 합니다. 이는 해당 집단에게 기본 기술에 대해 교육하고 이 틈새 시장을 더욱 매력적으로 만들기 위한 인센티브를 제공함으로써 수행할 수 있는 일입니다.

결과적으로 플랫폼은 문제가 악화되기 훨씬 전에 해킹 사고에 대응하기가 더 쉬워집니다. 실제로 ML 플랫폼은 web3 시스템 내에서 악의적인 활동을 감지하고 식별할 때 악의적인 엔터티가 프로토콜을 악용하는 것을 자동으로 차단할 수 있습니다. 예를 들어 Forta는 DeFi, NFT, 거버넌스, 브리지 및 기타 web3 시스템에 대한 위협과 이상 징후를 실시간으로 감지할 수 있는 분산형 모니터링 네트워크입니다.

기존 과제

대부분의 ML 플랫폼은 데이터 과학자에 의해 주도되며 사이버 보안 세계에서 이 기술을 구현하는 한 주요 과제 중 하나가 여기에 있습니다. web3는 많은 개발자를 끌어들였지만 지금까지 많은 데이터 과학자를 끌어들이지는 못했습니다.

분석에 쉽게 사용할 수 있는 데이터가 너무 많아서 실제 문제를 해결하기 위한 많은 연구 기회가 열려 있다는 점을 고려하면 이는 불행한 일입니다. 이와 관련하여 업계에서는 web3를 데이터 과학자에게 더욱 매력적으로 만들어야 합니다. 이는 해당 집단에게 기본 기술에 대해 교육하고 이 틈새 시장을 더욱 매력적으로 만들기 위한 인센티브를 제공함으로써 수행할 수 있는 일입니다.

Crypto Sleuth ZachXBT는 감사한 DeFi 커뮤니티를 위해 Chicanery를 공개했습니다.

 

Mad Year에서 의심스러운 프로젝트에 대한 심층 조사 조사가 '귀중함'으로 입증되었습니다.

디파이언트

사이버 보안 생태계에서 데이터 과학 참여의 대부분은 공격과 의심스러운 온체인 활동을 식별하는 것을 중심으로 이루어집니다. 이러한 모델에는 이상 탐지, 시계열 분석, 지도 분류기와 같은 중요한 요소가 포함되어 있지만, 모니터링을 넘어서는 개발 기회가 더 많이 있습니다.

ML이 오늘날의 사이버 보안 시스템을 더욱 안전하고 안정적으로 만들 수 있는 방법은 여러 가지가 있습니다. 예를 들어, 타사 위협 및 이상 징후를 탐지하고, 불규칙한 패턴을 식별하고, 봇을 제거하고, Orchestratea 플랫폼의 기존 보안 프로토콜 및 행동 분석을 수행하는 데 사용할 수 있습니다.

위에서 언급한 기술이 오늘날의 사이버 보안 프레임워크에 미치는 핵심 영향은 다음과 같습니다.

효율적인 취약점 관리

대부분의 암호화폐 프로토콜은 매일 나타나는 취약점을 따라잡을 수 없습니다. 기존 취약성 관리 기술은 해커가 특정 허점을 악용한 후 사고에 대응하도록 설계되었지만, 머신러닝 시스템은 다음을 식별할 수 있습니다. 취약점 자동화된 방식으로.

ML 기반 행동 분석 도구는 여러 거래에서 디지털 자산 사용자의 행동을 분석하여 알 수 없는 공격의 방향을 가리키는 이상 징후를 탐지할 수 있습니다. 결과적으로 프로토콜은 문제가 보고되고 수정되기 전에도 보유 자산을 보호할 수 있습니다.

시간이 지남에 따라 ML 지원 기술은 그래프 기반 알고리즘, 임베디드 딥 러닝 시스템 및 강화 학습 메커니즘 개발에 사용되는 기술을 통해 플랫폼 감사 및 모니터링의 맥락에서도 적용될 수 있습니다.

외부 위협의 더 빠른 감지

대부분의 기존 보안 시스템은 공격 시그니처 기반 지표를 사용하여 개별 위협을 식별합니다. 이 방법은 이전에 발견된 문제를 강조하는 데는 매우 효율적이지만 아직 발견되지 않은 문제를 제거하는 데는 그리 효율적이지 않습니다.

즉, 기존 공격 시그니처 지표를 ML과 결합하면 잠재적인 위협 탐지율을 크게 높이는 동시에 오탐을 최소화할 수 있습니다.

Bonk Memecoin이 2023년 첫 히트작이 되면서 SOL이 36%를 치솟습니다

 

NFT 마켓플레이스 Magic Eden, 12월 기록적인 볼륨 생성

디파이언트

머신러닝은 블록체인 메커니즘을 최적화하는 데 필수적인 뛰어난 예측 기능과 효율적인 데이터 분석 방법을 사용자에게 제공하는 것으로 알려져 있습니다. 뿐만 아니라 이러한 속성은 블록체인의 기본 데이터 확인 절차를 향상하고 악의적인 공격을 탐지하며 사기 거래를 더 빠르게 식별하는 데 훨씬 더 유용합니다.

미래를 내다보며

사이버 공격이 더욱 정교해짐에 따라 머신러닝은 프로젝트가 외부 위협에 더 잘 대비하는 데 도움이 될 수 있습니다. 올바른 시스템을 사용하면 조직은 해킹 시도를 실시간으로 감지하고 대응할 수 있을 뿐만 아니라 위협이 심각해지기 전에 교정 조치를 취할 수 있습니다.

그러나 AI/ML 기술은 오늘날의 기존 사이버 보안 문제에 대한 만병통치약이 아닙니다. 오히려 기술은 전문가 시스템과 나란히 위치하여 생태계를 더욱 안전하게 만들어야 합니다. 우리가 더욱 분산화된 미래를 향해 계속 나아가면서 이러한 새로운 기술 패러다임이 어떻게 진화할지 지켜보는 것은 흥미로울 것입니다.

크리스티안 사이퍼트, 전 Microsoft 웹 보안 전문가였으며 보안 연구원입니다. 포르타 지역 사회.

이 글은 인터넷에서 퍼왔습니다: Web3를 악용으로부터 보호하는 가장 좋은 방법은 기계 학습입니다.