تطور مثير في اكتشاف ثغرات العقود الذكية باستخدام الذكاء الاصطناعي!

في عالم العقود الذكية، تعتبر الثغرات الأمنية من التحديات الكبرى التي تواجه المطورين. تكمن الصعوبة في اكتشاف هذه الثغرات في الحاجة إلى تكيف فعال مع فئات جديدة من الثغرات دون الحاجة إلى إعادة تدريب النموذج بالكامل. من هنا، قام فريق من الباحثين بتطوير نهج مبتكر يمزج بين ثلاث مراحل أساسية لتحسين اكتشاف الثغرات باستخدام نماذج اللغات الضخمة (LLMs).

أولاً، تبدأ المرحلة الأولى بآلية التكيف الدقيق المعروفة باسم “التكيف القائم على التردد” (Frequency-Aware Low-Rank Adaptation - FA-LoRA)، التي تتيح للنموذج التكيف مع فئات جديدة من الثغرات دون الحاجة إلى إعادة تدريب شاملة. هذه الآلية توفر كفاءة استثنائية حيث تتطلب فقط 0.4% من المعلمات القابلة للتدريب.

في المرحلة الثانية، يتم تطبيق تقنية تعرف باسم “إعادة المراجعة المعتمدة على النسيان” (Forget-Aware Replay - FAR)، والتي تعزز المعرفة المتعلقة بالثغرات السابقة وتساعد على تقليل خطر النسيان. يعزز هذا المكون الأداء لتحقيق متوسط فوزي Micro-F1 يصل إلى 0.8022 عبر مهام متتابعة.

وأخيراً، تأتي المرحلة النهائية التي تتضمن عملية دمج محمية تسمى “الدمج التدريجي المحمي بالمراسي” (Anchor-Protected Progressive Merging - APPM). من خلال هذه التقنية، يتم دمج جميع النماذج التكيفية في نموذج واحد يتمتع بأفضل أداء، مع تحقيقمتوسط فوزي Micro-F1 يصل إلى 0.8085. تظهر النتائج التجريبية على مجموعة بيانات DIVE فعالية هذا النظام في مواجهة التحديات المتعلقة بأنظمة البلوك تشين المتطورة.

بفضل هذه التقنيات المتقدمة، يبدو أن المستقبل يحمل آمالًا كبيرة في تحسين أمان العقود الذكية وتقليل الثغرات الضارة. هل تعتقدون أن هذه التقنيات ستحدث ثورة في طريقة اكتشاف الثغرات؟ شاركونا آرائكم في التعليقات!