در دنیای رمزارزها، کلاهبرداریها بخش عمدهای از فعالیتهای غیرقانونی را تشکیل میدهند. طبق گزارش اداره تحقیقات فدرال آمریکا (FBI)، شهروندان این کشور در سال گذشته بیش از ۹.۳ میلیارد دلار در اثر کلاهبرداریهای رمزارزی از دست دادهاند.
با ظهور و پیشرفت هوش مصنوعی، این تهدیدها ابعاد گستردهتری پیدا کردهاند. شرکت تحلیل بلاکچین TRM Labs اعلام کرده که در سال ۲۰۲۴، میزان کلاهبرداریهای مبتنی بر هوش مصنوعی نسبت به سالهای قبل ۴۵۶ درصد افزایش داشته است.
نسل جدید کلاهبرداریها: سریع، هوشمند و مقیاسپذیر
با پیشرفت مدلهای تولیدی هوش مصنوعی (GenAI)، مجرمان سایبری اکنون قادرند چتباتهای پیچیده، ویدئوهای دیپفیک، صداهای جعلی و شبکههای خودکار توکنهای تقلبی را در مقیاسی بیسابقه راهاندازی کنند. این نوع کلاهبرداریها دیگر توسط انسانها هدایت نمیشوند، بلکه الگوریتمی، سریع، تطبیقپذیر و بهشدت متقاعدکننده هستند.
آری ردبورد، مدیر سیاستگذاری جهانی در TRM Labs، میگوید: «ما با اکوسیستمی جنایی مواجهیم که هوشمندتر، سریعتر و بینهایت مقیاسپذیر شده است.» او توضیح میدهد که مدلهای GenAI میتوانند زبان، موقعیت مکانی و ردپای دیجیتال قربانی را تحلیل کرده و در حملات باجافزاری، قربانیان مستعد پرداخت را شناسایی، درخواستهای باج را تنظیم و مذاکرات را خودکارسازی کنند.
در حوزه مهندسی اجتماعی نیز، ویدئوها و صداهای دیپفیک برای جعل هویت مدیران یا ایجاد سناریوهای اضطراری خانوادگی مورد استفاده قرار میگیرند. همچنین، ابزارهای هوش مصنوعی قادرند اسکریپتهایی بنویسند که وجوه را در عرض چند ثانیه بین صدها کیف پول منتقل کرده و فرآیند پولشویی را با سرعتی فراتر از توان انسان انجام دهند.
دفاع با هوش مصنوعی: مقابله با تهدیدهای نوین
برای مقابله با این تهدیدها، صنعت رمزارز به ابزارهای دفاعی مبتنی بر هوش مصنوعی روی آورده است. شرکتهای تحلیل بلاکچین، امنیت سایبری، صرافیها و پژوهشگران دانشگاهی در حال توسعه سیستمهای یادگیری ماشین هستند که پیش از وقوع خسارت، کلاهبرداریها را شناسایی و خنثی میکنند.
TRM Labs از هوش مصنوعی در تمام لایههای پلتفرم خود استفاده میکند. این شرکت با پردازش تریلیونها داده در بیش از ۴۰ شبکه بلاکچین، قادر است شبکههای کیف پول را نقشهبرداری کرده، الگوهای مشکوک را شناسایی و رفتارهای غیرعادی را که نشاندهنده فعالیتهای غیرقانونی هستند، آشکار کند.
ردبورد میگوید: «این سیستمها فقط الگوها را شناسایی نمیکنند، بلکه آنها را یاد میگیرند و با تغییر دادهها، مدلها نیز تغییر میکنند تا با واقعیت پویا و پیچیده بازار رمزارزها تطبیق یابند.»
تجربه شرکت Sardine: تحلیل لحظهای و مقابله فوری
شرکت امنیتی Sardine نیز رویکردی مشابه دارد. الکس کوشنیر، مدیر توسعه تجاری این شرکت، توضیح میدهد که سیستم تشخیص کلاهبرداری Sardine از سه لایه تشکیل شده است: تحلیل رفتار کاربر، استفاده از دادههای تأمینکنندگان معتبر، و بهرهگیری از دادههای اشتراکی بین شرکتها برای شناسایی مجرمان.
Sardine از موتور ریسک لحظهایبرای مقابله با تهدیدها استفاده میکند. به گفته کوشنیر، مدلهای زبانی بزرگ (LLM) و هوش مصنوعی عاملمحور بیشتر برای خودکارسازی و افزایش بهرهوری به کار میروند تا تشخیص لحظهای کلاهبرداری.
او میافزاید: «امروزه دیگر نیازی به کدنویسی قوانین تشخیص کلاهبرداری نیست. کاربران میتوانند بهسادگی درخواست خود را تایپ کنند و یک عامل هوش مصنوعی آن قانون را بسازد، آزمایش کند و در صورت تأیید، اجرا کند.»
نمونههای واقعی از نبرد AI با AI
مت وگا، رئیس دفتر Sardine، میگوید که پس از شناسایی الگوهای مشکوک، هوش مصنوعی شرکت تحلیلهای عمیقی انجام میدهد تا مسیر حمله را متوقف کند، کاری که برای انسانها یک روز زمان میبرد، اما با هوش مصنوعی در عرض چند ثانیه انجام میشود.
در یکی از موارد، TRM Labs در تماس تصویری با یک کلاهبردار احتمالی، موفق به شناسایی دیپفیک شد. تصویر فرد دارای خط رویش موی غیرطبیعی بود و ابزارهای تشخیص AI تأیید کردند که تصویر بهاحتمال زیاد ساختگی است. با این حال، این نوع کلاهبرداریها تاکنون حدود ۶۰ میلیون دلار از قربانیان ربودهاند.
شرکت Kidas نیز با استفاده از مدلهای اختصاصی خود، محتوا، رفتار و تناقضات صوتی-تصویری را در لحظه تحلیل کرده و دیپفیکها و حملات فیشینگ مبتنی بر LLM را شناسایی میکند. این ابزار اخیراً دو حمله رمزارزی در دیسکورد را با موفقیت متوقف کرده است.
چگونه از خود در برابر کلاهبرداریهای هوش مصنوعی محافظت کنیم؟
با وجود پیشرفت ابزارهای دفاعی، حملات مبتنی بر هوش مصنوعی همچنان در حال افزایشاند. ران کربس، مدیرعامل Kidas، هشدار میدهد که عوامل مخرب نیمهخودکار بهزودی قادر خواهند بود کمپینهای حمله کامل را با کمترین نظارت انسانی اجرا کنند.
مت وگا توصیه میکند که کاربران باید به نشانههای ظریف توجه کنند، مانند استفاده از حروف یونانی در آدرسهای جعلی وبسایتها. بهعنوان مثال، یک مهاجم اخیراً وبسایتی جعلی با حرف یونانی «A» بهجای حرف لاتین در نام Apple ساخته بود.
در نهایت، شرکتهایی مانند Sardine و TRM Labs با نهادهای نظارتی همکاری میکنند تا چارچوبهایی مبتنی بر هوش مصنوعی برای کاهش ریسک کلاهبرداریها ایجاد کنند. ردبورد میگوید: «ما در حال ساخت سیستمهایی هستیم که به نهادهای قانونی همان سرعت، مقیاس و قدرتی را میدهند که مجرمان دارند، از شناسایی ناهنجاریهای لحظهای تا ردیابی پولشوییهای زنجیرهای. هوش مصنوعی مدیریت ریسک را از حالت واکنشی به پیشبینیگر تبدیل کرده است.»
برای خواندن مقاله های بیشتر، با ما در آذرفا، قدیمی ترین سایت خرید آی پی ثابت در ایران همراه باشید.
