TRM Labs: افزایش ۴۰ درصدی استفاده از AI در جرایم کریپتو
افشای تاریخ ۲۰۲۶-۰۸-۲۱ یک سیگنال امنیتی جهتدار ارائه میدهد، اما هیچ متدولوژی یا تفکیک دستهبندی ندارد.
TRM Labs میگوید پذیرش هوش مصنوعی در جرایم مرتبط با ارزهای دیجیتال در ۱۲ ماه منتهی به ۲۰۲۶-۰۸-۲۱، ۴۰٪ نسبت به سال گذشته افزایش یافته است. این رقم به عملیاتهای کلاهبرداری و تقلبی که به سرعت در حال گسترش هستند اشاره دارد، اما بسته شامل هیچ تعریفی یا جزئیات اندازهگیری برای ارزیابی ریسک نیست.
TRM Labs از افزایش ۴۰ درصدی استفاده از هوش مصنوعی در جرایم مرتبط با ارزهای دیجیتال خبر میدهد.
TRM Labs، یک شرکت هوش بلاکچین که فعالیتهای غیرقانونی مرتبط با ارزهای دیجیتال را ردیابی میکند، اعلام کرد که پذیرش هوش مصنوعی در جرایم مرتبط با ارزهای دیجیتال در سال گذشته ۴۰٪ افزایش یافته است. این ادعا در تاریخ ۲۰۲۶-۰۸-۲۱ منتشر شده و بهعنوان تغییر سال به سال مطرح شده است نه یک شمارش مطلق.
از نظر مکانیکی، "پذیرش AI" در این زمینه به معنای استفاده مجرمان از ابزارهای AI برای ایجاد، خودکارسازی یا بهبود عملیات غیرقانونی است که به زیرساختهای رمزنگاری مربوط میشود، خواه این عملیات مهندسی اجتماعی، جریانهای کلاهبرداری یا الگوهای سوءاستفاده دیگر باشد. افزایش 40 درصدی به تنهایی یک رقم ضرر نیست.
این یک ادعای توان عملیاتی است که به این معناست که همان گروه از بازیگران بد میتوانند در هر واحد زمان تلاشهای بیشتری انجام دهند، سریعتر تکرار کنند و به مکانهای بیشتری هدف بزنند.
نکته اینجاست که بخش بسته در سطح عنوان متوقف میشود. این بخش شامل تعاریف TRM برای آنچه که به عنوان "پذیرش AI" یا "جرمهای کریپتو" واجد شرایط است، مجموعه دادههای استفاده شده، مبنای مقایسه سال به سال، یا هر نمونهای که به معاملهگران اجازه دهد افزایش را به زنجیرهها، مکانها یا نوع حملات خاص مرتبط کنند، نمیباشد.
چه چیزی رقم ۴۰٪ برای ریسک مکان و طرف مقابل نشان میدهد—و چه چیزهایی هنوز تأیید نشده است
برای معاملهگران، مستقیمترین تأثیر، ریسک عملیاتی است، نه کلان. اگر مجرمان بهروزرسانی ابزارها را دریافت کنند، تأثیر اولیه معمولاً به فریبهای ورودی متقاعدکنندهتر، تلاشهای خودکار برای تصاحب حساب و تقلب با حجم بالاتر علیه کاربران صرافی، میزهای OTC و رابطهای پروتکل تبدیل میشود.
این میتواند به معنای مسدود شدنهای مکرر برداشت، صفهای پشتیبانی طولانیتر، هئوریهای سختگیرانهتر برای واریز و برداشت و مثبتهای کاذب بیشتر در کنترلهای انطباق باشد، بهویژه در طولنوسانزمانی که مکانها قبلاً تست بار شدهاند.
در سمت طرف مقابل، کلاهبرداری با مقیاس سریعتر میتواند نحوه تغییر سریع «نقدینگی پاک» به «نقدینگی آلوده» را نیز تغییر دهد. اگر عواید کلاهبرداری از طریق مراحل و آدرسهای بیشتری با اتوماسیون بهتر منتقل شوند، طرفهای مقابل که به غربالگریهای پایهای تکیه میکنند ممکن است بیشتر از آنچه سیاستهایشان فرض میکند، ریسک عملیاتی را متحمل شوند، حتی اگر مواجهه آنها در زنجیره تغییر نکرده به نظر برسد.
آنچه که تأیید نشده باقی مانده، شکل افزایش است. بدون تجزیه و تحلیل، مشخص نیست که آیا ۴۰٪ ناشی از کلاهبرداریها در مقابل پولشویی است، آیا بر روی صرافیهای متمرکز متمرکز است یا مکانهای DeFi، یا اینکه بیشتر به تولید محتوا و جعل هویت مربوط میشود تا اتوماسیون زنجیرهای.
این بخش همچنین هیچ راهی برای تشخیص اینکه آیا TRM حوادث منحصر به فرد، استفاده از ابزارهای مشاهده شده، یا برخی دیگر از نمایههایی که میتواند به طور معناداری بر اساس بهبودهای شناسایی تغییر کند به جای رفتار مهاجم، شمارش میکند، ارائه نمیدهد.
بخش بعدی این داستان به این بستگی دارد که آیا TRM تعاریف مربوط به عدد را منتشر میکند: تعاریف "پذیرش AI" و "جرمهای کریپتو"، رویکرد اندازهگیری و دوره پایهای که برای محاسبه تغییر سال به سال استفاده میشود. معاملهگران همچنین باید به دنبال دادههای پیگیری باشند که افزایش را بر اساس نوع جرم و محل تفکیک کند، زیرا "AI بیشتر" معانی بسیار متفاوتی دارد اگر عمدتاً شامل کپیهای فیشینگ باشد در مقابل خطوط شستشوی خودکار.
یک مسیر تأیید دوم این است که آیا صرافیها و پروتکلهای بزرگ بهطور صریح به مهندسی اجتماعی مبتنی بر هوش مصنوعی یا تقلب خودکار بهعنوان عاملی برای کنترلهای جدید، مانند سیاستهای برداشت سختگیرانهتر، بررسیهای جدید دستگاه و جلسه، یا اقدامات تهاجمیتر اشاره میکنند.آدرسغربالگری. دادههای مستقل که تأیید یا رد کنندهی میزان افزایش سال به سال هستند، همچنین تعیین خواهند کرد که آیا این یک تغییر رژیم گسترده است یا یک اثر اندازهگیری مربوط به یک شرکت خاص.
خوانش من: آن را به عنوان یک عنوان مدیریت ریسک در نظر بگیرید تا زمانی که TRM تجزیه و تحلیل را منتشر کند.
آستانهای که در اینجا اهمیت دارد این است که آیا رقم ۴۰٪ با تعاریف سازگار است یا خیر. اگر "پذیرش AI" به دقت اندازهگیری شود، این عدد یک هشدار زودهنگام است که عملیات کلاهبرداری و تقلب سریعتر از آنچه که بیشتر کنترلهای محل طراحی شدهاند، در حال گسترش است.
تا زمانی که TRM روششناسی و تقسیمبندی دستهها را منتشر کند، من این را به عنوان یک عنوان مدیریت ریسک در نظر میگیرم، نه پیشبینی کمی از خسارات بر اساس زنجیره یا مکان. این موضوع از نظر عملی تنها در صورتی اهمیت دارد که دادههای زیرین افزایش را به مسیرهای حمله خاص و تکرارپذیر مرتبط کند که مجبور به تغییر نحوه واریز، برداشت و احراز هویت کاربران در صرافیها و پروتکلها شوند.
