人工智能代理面临考验，加密货币黑客攻击损失高达34亿美元

继2025年加密货币黑客从区块链平台窃取超过34亿美元之后，开发人员现在正在使用人工智能代理来保护控制数十亿美元数字资产的智能trac。. 

2025年的损失并非由数十起小额盗窃案造成，而是集中在几起大规模数据泄露事件中，仅三起重大事件dent占了 % 被盗总额的 Bybit交易所遭黑客攻击事件在案的最大加密货币盗窃案之一。 记录

OpenAI 正在与 Paradigm 和 OtterSec 合作，利用其 EVMbench 测试 AI 代理是否能够检测真实区块链环境中的漏洞。.

人工智能代理会审查智能trac，以dent并修复导致加密货币损失的安全问题。

如今智能trac代码中的任何错误都会影响大小投资者的真金白银，因为这些自动化程序管理着超过 1000 亿美元的开源数字资产。. 

2025 年，黑客从加密平台窃取了超过 34 亿美元，开发者们现在才意识到，当攻击者利用代码漏洞时，系统是多么脆弱。. 

依赖人工审计已不再可行，因为实际运行的智能trac会面临审计过程中未曾发现的新型且不断演变的攻击。此外，安全团队必须在部署前审查智能trac代码，这既耗时又费钱。.

与其等待可能为时已晚而无法阻止攻击的下一次人工审核周期，开发人员现在转向使用人工智能代理来持续监控实时智能trac。.

AI 代理检测隐藏代码异常所需的时间比人类少得多，人类可能需要几天甚至几周的时间，因此像 EVMbench 对开发人员来说更有意义。

EVMbench 在测试环境中使用 AI 代理，帮助开发人员在实际部署之前了解智能trac在真实世界压力下的性能。.

代理人首先会检测代码中隐藏的漏洞，在不破坏trac功能的情况下修复问题，如果问题仍然存在，则会尝试利用该弱点来窃取资金。.

初步结果表明，人工智能代理更擅长利用漏洞而非安全地修复漏洞。 人们现在担心，黑客可能会滥用人工智能工具，以前所未有的效率攻击区块链系统中的弱点。 

人工智能代理还可以帮助黑客dent区块链系统中的漏洞，从而造成新的安全风险。

由于当前的 AI 代理系统现在能够成功利用超过 70% 的漏洞，而早期 AI 模型的成功率不到 20%，因此机器学习破解薄弱trac的速度比以往任何时候都快。.

攻击者现在正逐渐放弃人工黑客攻击方法，转而使用人工智能代理扫描大量代码并测试不同的攻击路径，而无需直接的人工干预。.

随着这一趋势的持续发展，专家们表示，人工智能代理很快就能代表用户matic转移资金、批准交易和管理财务任务。. 

美国技术专家杰里米·阿莱尔表示，数十亿人工智能代理很快将使用稳定币在区块链网络上收发款项。 Binance赵长鹏（CZ）也表示，加密货币未来可能成为人工智能驱动系统的原生支付层。

所有这些趋势和预测都使得人工智能代理对用户和攻击者都更有用，因为它们很快就会在真实的金融环境中直接与trac进行交互，而这些环境中确实存在真金白银的风险。.

业内领袖甚至对用户安全表示担忧。Dragonfly 的管理合伙人 Haseeb Qureshi 警告说，许多用户仍然担心通过加密货币交易将资金发送到错误的地址，或者误批准有害交易。

为了解决这个问题，库雷希提出，人工智能运行的钱包很快就能与区块链进行交互，而用户无需了解其中涉及的复杂过程。.

这样一来，人工智能代理可以通过持续监控系统来帮助减少审计中的人为错误，并保护智能trac。然而，它们也可能加快攻击者发现系统漏洞的速度，从而使攻击规模迅速扩大。.

这就造成了一个安全问题：原本用于保护去中心化金融平台的AI系统，如果落入不法分子手中，也可能成为攻击这些平台最有效的手段。.