Gevinster:
- Evne til at scanne røde flag efterladt i koden og kæden af fælder såsom rug-pull, honeypot og falske tokens med kunstig intelligens og forklare dem i almindeligt sprog
- At være i stand til at skelne, at kunstig intelligens ikke kan foretage en endelig dom, at den ikke med garanti vil sige 'ingen risiko', og at den kan gå glip af nye fælder
- Evne til at tilskrive hvert flag til kilden, bruge moderat sprog, undgå bagvaskelse og kun bruge information til defensive formål
Web3 inkluderer også den mørke side af den frihed, som teknologien tilbyder: falske projekter, rug-pull (udviklere, der samler investorpenge og forsvinder), honeypot-fælder (tokens, der kan købes, men ikke sælges), phishing og falske kontrakter. I denne enhed lærer vi, hvordan man bruger kunstig intelligens som assistent til at opdage svindel og risici. Målet er rent defensivt: at beskytte brugere og projekter, se faldgruber tidligt. Disse oplysninger kan under ingen omstændigheder bruges til at sætte fælder.
Typer af svindel på Web3
- Rug-pull: Dræning af midler med bemyndigelse til at trække likviditet eller udskrive ubegrænsede beløb.
- Honeypot: Brugeren kan ikke foretage et salg på grund af en hindring indlejret i kontraktkoden; Kun udvikleren kan sælge det.
- Falsk/imiteret token: Et værdiløst token med et lignende navn, der efterligner navnet på et populært projekt.
- Phishing: Tømning af tegnebogen med godkendelse af et falsk websted eller en falsk kontrakt.
- Pumpe og dump: Kunstigt puste en token op og sælge den øverst.
- Falsk revisionsmærke: At få et ikke-revideret projekt til at fremstå som "revideret".
Mange af disse fælder rejser røde flag, når de ser på koden eller adfærden på kæden. AI hjælper med at scanne og forklare disse flag.
Røde flag: på kode- og kædeniveau
På kodeniveau:
- Ubegrænset møntmyndighed for ejeren.
- Ejeren kan sætte transaktionerne på pause eller blokere overførslen.
- Skjult logik (honeypot), der forhindrer salg - kun visse adresser kan sælge.
- For høj eller konvertibel transaktionsafgift (overførselsgebyr) — trukket tilbage til 100 %.
- Ukontrolleret ejerautoritet (fuldmagt) i opgraderbar kontrakt.
- Ulåst eller ejerejet likviditet.
På kædeniveau:
- Ekstrem koncentration af tokenholdere på få adresser.
- Manglende likviditet låst eller lås for kort.
- Stor andel af udvikler-pungen.
- Pludselige, uforklarlige store overførsler.
- Meget ny kontrakt + aggressiv markedsføring.
rødt flag
Sådan opdages
AI rolle
Ubegrænset mynte
Kodegennemgang
Markup i kode
Honeypot logik
Kode + simulering
Mistænkelig skimmelsvamp
Likviditet låst op
On-chain forespørgsel
Forespørgsel + kommentar
ejerkoncentration
Indehaverfordeling
Fortolkning af data
Konvertibel skat
Kodegennemgang
Markup i kode
Rollen og grænsen for AI i detektion af svindel
AI er stærk til at scanne efter kendte svindelmønstre og forklare kode i almindeligt sprog, som en bruger ikke ville forstå: "I denne kontrakt kan ejeren stoppe overførslen til enhver tid, det er en risiko." Men der er to kritiske grænser:
- Kan ikke foretage en endelig bedømmelse: AI kan ikke sige "dette er helt sikkert rug-pull"; kun risikotegn. Nogle legitime kontrakter kan også have pauseautoritet. Den endelige beslutning kræver kontekst og menneskelig dømmekraft.
- Savner nye fælder: Svindlere udvikler konstant nye teknikker; AI ser muligvis ikke en unik fælde, der ikke er i træningsdataene.
Forsigtig: Bare fordi AI siger "ingen risiko vises" er IKKE en garanti for sikkerhed. Det er farligt at investere efter at have fået AI bekræftet, at et token er sikkert. AI er et screeninglag; Den endelige beslutning kræver flere verifikationer og menneskelig dømmekraft.
Svag prompt / Stærk prompt
Svag prompt:
Er dette token-svindel? Skal jeg købe det?
AI kan hverken foretage endelige vurderinger eller give investeringsrådgivning - denne prompt inviterer til et vildledende svar.
Kraftig prompt:
Din rolle: on-chain risikoanalytiker (kun forsvar). Scan følgende kontraktkode for kendte svindel-røde flag: ubegrænsede mynter, pause/overførselsblokering, honeypot-logik, omskiftelig skat, ulåst likviditet, ukontrolleret proxy. Knyt hvert fund til kodelinjen og forklar, hvorfor det er en risiko. AFGØR EN STRENGT "svig" eller "sikker" DOM; mærke risiko. Dette er ikke investeringsrådgivning. Fortæl, at du ikke er sikker.
Fire kopierbare skabeloner
1) Honeypot/salgsbarrierescreening:
Undersøg, om der er nogen logik i denne token-kontrakt, der kunne forhindre salget (overførsel/sælg): kun visse adresser kan sælge, køb-salg asymmetri, hemmelig sortliste. Vis mistænkelige mønstre efter række. Afsige endelig dom; Præsenter det som "skal testes med simulering".
2) Ejermyndighedskort:
Liste over alle de privilegerede operationer, som ejeren/administratoren kan udføre i denne kontrakt: udskrive, stoppe, ændre skat, trække likviditet, opgradere. Skriv ned risikoen for misbrug af hver myndighed. Præsenter det i en tabel; vurdere til defensive formål.
3) On-chain distributionskontrol:
Skriv en forespørgsel (Dune/udforsker), der vil hente indehaverfordelingen og likviditetslåsen for et token. Forklar, hvad jeg skal kigge efter: samlet andel af top 10-adresser, om likviditeten er låst, andel af udviklerpungen. Jeg vil køre det og verificere; datafremstilling.
4) Enkel risikooversigt for brugeren:
Oversæt de verificerede resultater nedenfor til en risikooversigt på almindeligt engelsk, som en crypto-nybegynder kan forstå. Skab ikke panik eller overdriv; men angiv klart risiciene. Afslut med "Dette er ikke investeringsrådgivning, lav din egen research."
Tre minisager (i antal)
Case 1 - Honeypot opdaget tidligt. Da en community-moderator fik AI-en til at scanne kontrakten for et stigende token, blev der markeret et mønster, hvor kun ejeren kunne sælge. Bekræftet i simuleringen: tokenet kunne købes, ikke sælges - klassisk honningpotte. Advarslen spredte sig, snesevis af brugere blev beskyttet mod fælden. Lektion: AI + simulering er stærk til forsvar.
Tilfælde 2 — Retur fra falsk alarm. AI markerede pausegodkendelsen af et legitimt projekt som en "rug-pull-risiko". Analytikeren vurderede: pause var beskyttet af multisig-styring og var en standardforanstaltning for en nødsituation. Lektion: AI kender ikke konteksten; Hvert flag vurderes efter menneskelig dømmekraft.
Tilfælde 3 — Koncentrationsrisiko bekræftet. En analytiker bekræftede på Explorer påstanden om, at AI havde markeret, at "de 3 bedste tegnebøger rummer 78% af udbuddet" - det var sandt. Dette var en alvorlig risiko for spredning, hvor prisen kunne styrte ved pludseligt salg. Lektion: on-chain flag bliver stærke beviser, når de er forbundet med kilden.
Etik: kun forsvar
Kendskabet til denne enhed er en skarp kniv. Den samme røde flag information kan blive til en "hvordan man sætter en fælde" guide i hænderne på en person med dårlige intentioner. Deraf det uforanderlige princip: denne information er kun til at beskytte, advare og forsvare. At bruge AI til at skrive honeypots, generere falske tokens eller bedrage brugere er både kriminelt og uetisk og ligger uden for dette moduls rammer.
Også:
- Risiko for injurier: At erklære et projekt for et "svindel" uden verifikation skaber juridisk ansvar. Påstande skal være knyttet til kilden og konstrueret i et målt sprog.
- Ikke investeringsrådgivning: Risikoanalyse er ikke en "køb/sælg"-anbefaling.
- Ikke at skabe panik: Falske alarmer forårsager også skade; Ikke alle fund formidles uden verifikation.
Tip: Baser altid en risikopåstand på "koden/dataene viser dette", ikke "dette er bestemt en fidus". Beviserne peger; Den endelige bedømmelse skal være kildeafhængig, multipel verifikation og menneskelig bedømmelse.
Almindelige fejl
- Investering ved at stole på, at AI siger "der er ingen risiko". Det er ikke en garanti.
- Betragter hvert flag som et klart bedrageri. Det kan også ske i lovlige kontrakter.
- Bebrejde et projekt uden bekræftelse. Bagvaskelse og juridisk risiko.
- Ikke at tilskrive fundet til kilden. On-chain bekræftelse er påkrævet.
- At glemme, at nye fælder ikke vil være synlige for AI. En scanning er ikke nok.
- Brug af disse oplysninger til at sætte fælder. Kriminalitet og etisk krænkelse.
Sammenfattende
- Web3-svindel (rug-pull, honeypot, falsk token) efterlader røde flag i koden og kæden.
- AI er behjælpelig med at scanne disse flag og forklare dem i almindeligt sprog; kan ikke træffe en endelig dom.
- Bare fordi AI siger "ingen risiko" er ingen garanti for sikkerhed; kan savne nye fælder.
- Hvert flag er knyttet til kilden og evalueret ved menneskelig dømmekraft og multipel validering.
- Information er kun til forsvar; At sætte fælder, bagvaskelse og ubekræftede anklager er uetiske.
Ansøgningsopgave
Find et kendt honeypot eller risikabelt kontrakteksempel til uddannelsesformål (der er eksempler, der deles af sikkerhedssamfund). Anvend "honeypot/sales block scanning" og "owner Authority map" prompts på AI. Bekræft hvert flag AI-flagerne i kode og, hvis muligt, i en simulator. Kør derefter den samme scanning på en legitim kontrakt og bemærk, om AI'en udløser en falsk alarm (svigter kontekst).
tjekliste
- [ ] Jeg scannede kun til defensive formål.
- [ ] Jeg bekræftede hvert rødt flag i koden/kæden.
- [ ] Jeg brugte moderat risikosprog frem for endelig dømmekraft.
- [ ] Jeg bemærkede, at flag også kan være til stede i lovlige kontrakter.
- [ ] Jeg anklagede ikke et projekt uden bekræftelse (risiko for injurier).
- [ ] Jeg har ikke oversat resultatet til investeringsrådgivning.
- [ ] Jeg har adopteret ideen om, at jeg aldrig vil bruge disse oplysninger til at sætte en fælde.