يستخدم المطورون الآن وكلاء الذكاء الاصطناعي لحمايةtracالذكية التي تتحكم في مليارات الدولارات من الأصول الرقمية، وذلك في أعقاب سرقة قراصنة العملات المشفرة لأكثر من 3.4 مليار دولار من منصات البلوك تشين في عام 2025.
بدلاً من عشرات السرقات الصغيرة، تركزت خسائر عام 2025 في عدد قليل من الاختراقات الضخمة، حيث شكلت ثلاث حوادث رئيسية dent يقرب من 70 % من إجمالي القيمة المسروقة. وكان أبرزها اختراق منصة تداول العملات الرقمية "بايبت" ، الذي اختلس وحده ما يقارب 1.4 مليار دولار أمريكي، وهي واحدة من أكبر سرقات العملات الرقمية المسجلة
تعمل OpenAI مع Paradigm و OtterSec لاختبار ما إذا كان بإمكان وكلاء الذكاء الاصطناعي اكتشاف الثغرات الأمنية في مساحات البلوك تشين الحقيقية باستخدام EVMbench الخاص بها.
تقوم أنظمة الذكاء الاصطناعي بمراجعةtracالذكيةdentوإصلاح المشكلات الأمنية التي تؤدي إلى خسائر في العملات المشفرة
أي خطأ في كودtracالذكية اليوم سيؤثر على الأموال الحقيقية التي تخص المستثمرين الكبار والصغار، حيث تدير هذه البرامج الآلية أكثر من 100 مليار دولار من الأصول الرقمية مفتوحة المصدر.
وبعد أن سرق المتسللون أكثر من 3.4 مليار دولار من منصات العملات المشفرة في عام 2025، أصبح بإمكان المطورين الآن أن يروا مدى ضعف النظام عندما يستغل المهاجمون التعليمات البرمجية الضعيفة.
لم يعد الاعتماد على عمليات التدقيق البشري خيارًا متاحًا، لأنtracالذكية الحية تواجه هجمات جديدة ومتطورة لم تكن موجودة أثناء عملية التدقيق. إضافةً إلى ذلك، تستغرق هذه العملية وقتًا طويلًا وتكلف مبالغ طائلة، إذ يتعين على فرق الأمن مراجعة شفرةtracالذكية قبل نشرها.
بدلاً من انتظار دورة التدقيق اليدوي التالية التي قد تأتي متأخرة جدًا لإيقاف الهجوم، يلجأ المطورون الآن إلى وكلاء الذكاء الاصطناعي لمراقبةtracالذكية الحية باستمرار.
يستغرق اكتشاف المخالفات البرمجية المخفية بواسطة وكلاء الذكاء الاصطناعي وقتًا أقل من الوقت الذي يستغرقه البشر، الذين قد يحتاجون إلى أيام أو حتى أسابيع، لذا فإن أطر العمل مثل EVMbench من OpenAI أكثر منطقية للمطورين.
يستخدم EVMbench وكلاء الذكاء الاصطناعي في بيئات الاختبار لمساعدة المطورين على فهم كيفية أداءtracالذكية تحت ضغط العالم الحقيقي قبل النشر الفعلي.
سيقوم العملاء أولاً باكتشاف الثغرات الخفية في التعليمات البرمجية، وإصلاح المشكلة دون الإخلال بوظيفةtrac، ثم محاولة استغلال نقطة الضعف لاستنزاف الأموال إذا استمرت المشكلة.
تشير النتائج الأولية إلى أن أنظمة الذكاء الاصطناعي أكثر كفاءة في استغلال الثغرات الأمنية من إصلاحها بشكل آمن. ويخشى البعض الآن من أن يستغل المخترقون أدوات الذكاء الاصطناعي لاستغلال نقاط الضعف في أنظمة البلوك تشين بكفاءة غير مسبوقة.
يمكن لوكلاء الذكاء الاصطناعي أيضًا أن يخلقوا مخاطر أمنية جديدة من خلال مساعدة المتسللين علىdentنقاط الضعف في أنظمة سلسلة الكتل (البلوك تشين)
تتعلم الآلات اختراقtracالضعيفة بشكل أسرع من أي وقت مضى لأن أنظمة الذكاء الاصطناعي الحالية تنجح الآن في استغلال أكثر من 70٪ من نقاط الضعف مقارنة بنماذج الذكاء الاصطناعي السابقة التي كانت نسبة نجاحها أقل من 20٪.
يتجه المهاجمون الآن بعيدًا عن أساليب الاختراق اليدوية ويتجهون نحو وكلاء الذكاء الاصطناعي الذين يفحصون كميات كبيرة من التعليمات البرمجية ويختبرون مسارات هجوم مختلفة دون تدخل بشري مباشر.
ومع استمرار هذا الاتجاه، يقول الخبراء الآن إن وكلاء الذكاء الاصطناعي سيتمكنون قريباً من تحويل الأموال والموافقة على المعاملات وإدارة المهام الماليةmaticنيابة عن المستخدمين.
قال الخبير التقني الأمريكي جيريمي ألاير إن مليارات من أنظمة الذكاء الاصطناعي ستستخدم قريبًا العملات المستقرة لإرسال واستقبال المدفوعات عبر شبكات البلوك تشين. كما صرّح تشانغبينغ تشاو (CZ)، مؤسس Binance ، بأن العملات الرقمية قد تصبح في المستقبل طبقة الدفع الأساسية للأنظمة التي تعمل بالذكاء الاصطناعي.
كل هذه الاتجاهات والتوقعات تجعل وكلاء الذكاء الاصطناعي أكثر فائدة لكل من المستخدمين والمهاجمين، حيث سيتفاعلون قريبًا معtracمباشرة في بيئات مالية حقيقية حيث تكون الأموال الفعلية على المحك.
وقد أعرب قادة الصناعة عن مخاوفهم بشأن سلامة المستخدمين. وحذر حسيب قريشي، الشريك الإداري في شركة دراغون فلاي، من أن العديد من المستخدمين ما زالوا قلقين بشأن إرسال الأموال إلى عنوان خاطئ أو الموافقة عن طريق الخطأ على معاملة ضارة من خلال معاملات العملات المشفرة.
ولحل هذه المشكلة، اقترح قريشي أن المحافظ التي تعمل بالذكاء الاصطناعي يمكن أن تتفاعل قريباً مع سلسلة الكتل دون أن يحتاج المستخدمون إلى فهم العملية المعقدة المعنية.
بهذه الطريقة، يمكن لأنظمة الذكاء الاصطناعي المساعدة في تقليل الأخطاء البشرية في عمليات التدقيق وحمايةtracالذكية من خلال المراقبة المستمرة للأنظمة. مع ذلك، يمكنها أيضاً زيادة معدل اكتشاف المهاجمين للثغرات الأمنية في النظام، مما يُمكّن من استغلالها على نطاق أوسع بكثير.
وهذا يخلق مشكلة أمنية حيث يمكن أن تكون أنظمة الذكاء الاصطناعي التي تم تطويرها لحماية منصات التمويل اللامركزي هي الأكثر فعالية في مهاجمتها إذا وقعت في الأيدي الخطأ.
