A metallic device with a glowing button, set
هوش مصنوعی

لجر استک متن‌باز برای تأیید سخت‌افزاری کیف پول AI…

این ابزار به عوامل اجازه می‌دهد تا تراکنش‌ها را بخوانند و آماده کنند، اما اجرای آن هنوز به تأیید فیزیکی بر روی یک دستگاه Ledger نیاز دارد.

نوشته AI News Crypto Editorial Team4 دقیقه مطالعه

لجر، لجر ایجنت استک را راه‌اندازی کرد، یک ابزار متن‌باز که طراحی شده تا به ایجنت‌های هوش مصنوعی اجازه دهد با کیف پول‌های رمزارزی تعامل داشته باشند بدون اینکه هرگز کنترل کلیدهای خصوصی را در دست بگیرند. این سیستم به ایجنت‌ها اجازه می‌دهد تا اقداماتی را آماده و پیشنهاد دهند، اما قبل از اجرای هر مرحله حساس، نیاز به تأیید صریح بر روی یک دستگاه سخت‌افزاری لجر دارد.

نکات کلیدی

  • لجر ایجنت استک یک ابزار متن‌باز است که برای اجازه دادن به ایجنت‌های هوش مصنوعیبرای کار با کیف پول‌های رمزارزی بدون تصاحب کلیدهای خصوصیطراحی شده است.
  • ایجنت‌ها می‌توانند موجودی‌ها را بخوانند، پرتفوی‌ها را تحلیل کنند و تراکنش‌ها را آماده کنند، اما اقدامات حساس تنها پس از تأیید در دستگاه اجرا می‌شوند.
  • این انتشار به عنوان اولین محصول تحت نقشه‌راه هوش مصنوعی لجر در سال 2026 معرفی شده و از چارچوب «ایجنت‌ها پیشنهاد می‌دهند. انسان‌ها تأیید می‌کنند» برای مدل کنترل استفاده می‌کند.
  • لجر همچنین ذخیره‌سازی امن برای اعتبارنامه‌های حساس هوش مصنوعی و پشتیبانی از استفاده از دستگاه‌های لجر به عنوان کلید ورود فیزیکی برای خدماتی از جمله گیت‌هاب، دیسکورد و 1Password اضافه کرد.

استک نماینده لجر تأیید سخت‌افزاری را به جریان‌های کاری کیف پول هوش مصنوعی می‌آورد

لجر مجموعه لجر ایجنت را به عنوان یک ابزار منبع باز معرفی کرد که هدف آن توسعه‌دهندگانی است که در حال ساخت برنامه‌های رمزنگاری مبتنی بر هوش مصنوعی هستند. پیام اصلی ساده است: ایجنت‌های هوش مصنوعی می‌توانند با کیف پول‌ها برای نظارت و آماده‌سازی تعامل داشته باشند، در حالی که مرحله نهایی تأیید به یک دستگاه سخت‌افزاری لجر متصل باقی می‌ماند.

لجر راه‌اندازی را به عنوان اولین عرضه محصول تحت نقشه‌راه هوش مصنوعی ۲۰۲۶ خود معرفی کرد. پیام شرکت این است که با پیچیده‌تر شدن جریان‌های کاری مالی، تنها نقطه کنترلی که اهمیت دارد، نقطه‌ای است که نمی‌توان به‌طور خاموش به آن واگذار کرد: تأیید فیزیکی.

ایان راجرز، رئیس بخش مدیریت انسانی لجر، این رویکرد را به استانداردهای موجود کیف پول‌های سخت‌افزاری مرتبط کرد و گفت: "کیف پول‌های کریپتو سال‌هاست که میلیاردها دلار را بر اساس این استاندارد محافظت کرده‌اند" و افزود: "Ledger Agent Stack به نماینده شما این امکان را می‌دهد که از این کیف پول‌ها به همان راحتی که انسان‌ها استفاده می‌کنند، استفاده کند."

آنچه ابزارها به عوامل اجازه می‌دهند انجام دهند—و آنچه هنوز نمی‌توانند انجام دهند

لجر ایجنت استک به ایجنت‌های هوش مصنوعی اجازه می‌دهد تا موجودی کیف پول‌ها را بخوانند، پرتفوی‌ها را تحلیل کنند، تراکنش‌ها را آماده کنند و پرداخت‌ها را پیشنهاد دهند. این دامنه به طور عمدی برای معامله‌گران و اپراتورهایی که در حال آزمایش با جریان‌های کاری ایجنتی هستند، مفید است، جایی که زمان صرف شده معمولاً به جمع‌آوری داده‌ها، تطبیق و ساخت تراکنش مربوط می‌شود نه کلیک نهایی.

محدودیت محصول است. لجر می‌گوید هر "عمل حساس" باید قبل از اجرا به‌طور صریح بر روی یک دستگاه سخت‌افزاری لجر تأیید شود. در عمل، این موقعیت را ایجاد می‌کندکیف پول سخت‌افزاریبه عنوان دروازه اجرایی غیرقابل مذاکره: عوامل می‌توانند پیش‌نویس کنند و پیشنهاد دهند، اما نمی‌توانند به تنهایی وجوه را جابجا کنند.

لجر همچنین گفت که این ابزار برای کمک به توسعه‌دهندگان در افزودن پشتیبانی لجر به برنامه‌های هوش مصنوعی طراحی شده است بدون اینکه خودشان نیاز به ساختن کل پشته ادغام داشته باشند. این شرکت هدف را هم کیف‌پول‌های رمزارزی شخصی و هم مؤسسه‌ای توصیف کرد، هرچند جزئیاتی درباره استقرارهای تولید فعلی ارائه نکرد.

چرا لجر به مدل تهدید «عامل آسیب‌دیده» هدف‌گذاری کرده است

مدل تهدید اعلام شده توسط لجر چندان ظریف نیست. این شرکت اعلام کرد که هدف جلوگیری از عمل خودمختار عوامل هوش مصنوعی در صورت هک یا دستکاری آنهاست. حتی با وجود اینکه یک عامل به خطر افتاده باشد، یک مهاجم هنوز به تأیید فیزیکی مالک بر روی یک دستگاه لجر نیاز دارد قبل از اینکه بتواند وجوه را منتقل کند یا به اطلاعات محافظت شده دسترسی پیدا کند.

این موضوع اهمیت دارد زیرا "مالی عاملی" ریسک را در لایه ارکستراسیون متمرکز می‌کند. یک تاجر می‌تواند یک مدل را که ایده بدی را تصور می‌کند، تحمل کند. اما نمی‌تواند تحمل کند که یک عامل به طور اجتماعی مهندسی شود تا از امضای یک خزانه‌داری صرف‌نظر کند. انتخاب طراحی لجر این است که فرض کند نقض امنیتی رخ می‌دهد، سپس شعاع انفجار را مجبور کند تا در صفحه تأیید متوقف شود.

لجر همچنین مدل اعتماد سخت‌افزاری خود را فراتر از تراکنش‌ها گسترش می‌دهد. ویژگی‌های جدید شامل ذخیره‌سازی امن برای اعتبارنامه‌های حساس AI و استفاده از دستگاه‌های لجر به عنوان یک کلید امنیتی فیزیکی برای ورود به خدماتی از جمله GitHub، Discord و 1Password است که امنیت توسعه‌دهنده و عملیات را در همان محدوده تأیید فیزیکی قرار می‌دهد.

سیگنال‌هایی برای پیگیری: از انتشار متن‌باز تا ادغام‌های واقعی

سوال در کوتاه‌مدت این است که "منبع باز" چقدر سریع قابل بررسی و پیاده‌سازی می‌شود. معامله‌گران و توسعه‌دهندگان به مکان مخزن و شرایط خاص مجوز نیاز دارند، نه فقط برچسب.

جزئیات بعدی مربوط به سازگاری است. لجر مشخص نکرده است که کدام زنجیره‌ها، نوع کیف پول‌ها یا مدل‌های دستگاه لجر می‌توانند اقدام‌های حساس را که ابزارک شناسایی می‌کند، تأیید کنند. وضوح در مورد اینکه چه چیزی به عنوان "حساس" واجد شرایط است نیز مهم است، به ویژه اگر سیاست‌های تأیید بتوانند سفارشی شوند.آدرسمقدار، یا کاربرد.

در نهایت، پذیرش نشانه‌ای است. اعلامیه‌های ادغام شرکا یا استفاده از Agent Stack توسط کاربران اولیه در جریان‌های تولیدی، چه برای تجارت، عملیات خزانه‌داری یا پرداخت‌ها، این موضوع را از یک روایت امنیتی به ورودی ساختار بازار برای نحوه مسیریابی جریان‌های مبتنی بر عامل منتقل می‌کند.

«پیشنهادات عوامل» تنها در صورتی مفید است که لایه تأیید غیرقابل دور زدن باقی بماند

من از این جهت خوشم می‌آید زیرا لایه عامل را به‌طور ذاتی غیرقابل اعتماد می‌داند. آستانه‌ای که اهمیت دارد این است که آیا Ledger می‌تواند مسیر تأیید را به‌طور واقعی غیرقابل دور زدن نگه دارد زمانی که توسعه‌دهندگان شروع به ترکیب عوامل در پشته‌های وسیع‌تری کنند که شامل مرورگرها، پلاگین‌ها و خدمات شخص ثالث است.

این بیشتر شبیه یک کاتالیزور احساسی به نظر می‌رسد تا یک تغییر بنیادی تا زمانی که جزئیات گمشده مشخص شود: دستگاه‌های پشتیبانی شده، زنجیره‌های پشتیبانی شده و جزئیات سیاستی در مورد اینکه چه چیزی به عنوان «حساس» علامت‌گذاری می‌شود. اگر آن جزئیات پابرجا بمانند و ادغام‌های واقعی انجام شود، این تنظیم به‌جای اینکه به‌طور داستانی هدایت شود، شروع به به‌نظر ساختاری می‌کند زیرا اجرای فیزیکی، الگوی پیش‌فرض برای گردش کارهای رمزنگاری مبتنی بر عامل می‌شود.

منابع