નફો:
- કૃત્રિમ બુદ્ધિમત્તા Web3 વર્કફ્લો (ડ્રાફ્ટ, પેટર્ન માર્કિંગ, ક્વેરી) માં ક્યાં સમય બચાવે છે અને જ્યાં ભૂલની કિંમત અનુસાર સુરક્ષા અને અર્થઘટનના નિર્ણયો નિષ્ણાત પર છોડવામાં આવે છે તે પારખવામાં સક્ષમ હોવું.
- દરેક AI આઉટપુટને કમ્પાઈલ કરીને, સ્વતંત્ર ટૂલિંગ કરીને અને બ્લોક એક્સપ્લોરરમાંના સ્ત્રોત સાથે સાંકળ ડેટાને લિંક કરીને ચકાસતી શિસ્તનો અમલ કરવાની ક્ષમતા
- આ ક્ષેત્રમાં શરૂઆતથી જ શા માટે ઉલટાવી શકાય તેવું, ખુલ્લું અને પ્રતિકૂળ વાતાવરણ, છેતરપિંડીનું તીવ્ર જોખમ અને રક્ષણાત્મક ઉપયોગને ધ્યાનમાં લેવું જોઈએ તે સમજવું
બ્લોકચેન (વિતરિત ખાતાવહી જ્યાં વ્યવહારો બ્લોકમાં રાખવામાં આવે છે, ક્રિપ્ટોગ્રાફિકલી લિંક્ડ અને અપરિવર્તનશીલ) અને વેબ3 (ઇન્ટરનેટ લેયર કે જે સેન્ટ્રલ કંપનીને બદલે બ્લોકચેન પર ચાલે છે, જ્યાં વપરાશકર્તા તેની અસ્કયામતો અને ડેટા ધરાવે છે) એ એવા દુર્લભ ક્ષેત્રોમાંથી એક છે જ્યાં સૉફ્ટવેરની ભૂલો સીધા પૈસામાં ફેરવાય છે. વેબસાઇટ પરની ભૂલ પૃષ્ઠને તોડે છે; સ્માર્ટ કોન્ટ્રાક્ટમાં ભૂલ - એક કરાર જે બ્લોકચેન પર જ ચાલે છે, જેની શરતો કોડમાં લખેલી છે - સેકન્ડોમાં લાખો ડોલર ઉડાવી શકે છે. તેથી આ મોડ્યુલ આર્ટિફિશિયલ ઇન્ટેલિજન્સ (AI) ને આ ક્ષેત્રમાં ઝડપી સહાયક તરીકે સ્થાન આપે છે; પરંતુ હંમેશા અંતિમ શબ્દ સક્ષમ નિષ્ણાત પર છોડી દે છે, ખાસ કરીને સલામતી-નિર્ણાયક ઓડિટમાં.
આ એકમમાં, આપણે શીખીશું કે AI આ વ્યવસાયમાં ક્યાં સમય બચાવે છે, તે માનવો માટે ક્યાં છોડવામાં આવે છે, દરેક આઉટપુટને કેવી રીતે ચકાસવું અને આ ક્ષેત્રના ચોક્કસ જોખમો (ઉલટાવી શકાય તેવું, છેતરપિંડી, સુરક્ષા-નિર્ણાયકતા).
ભૂમિકાઓ અને આ ક્ષેત્રમાં AI નું સ્થાન
Web3 માં જુદી જુદી પરંતુ એકબીજા સાથે જોડાયેલી ભૂમિકાઓ છે:
- સ્માર્ટ કોન્ટ્રાક્ટ ડેવલપર: સોલિડિટી અથવા વાયપર જેવી ભાષાઓ સાથે ઓન-ચેઈન કોડ લખે છે.
- સુરક્ષા ઓડિટર: નબળાઈઓ માટે લેખિત કરારની તપાસ કરે છે અને અહેવાલ લખે છે.
- ઑન-ચેઇન ડેટા એનાલિસ્ટ: ઑન-ચેઇન વ્યવહારો, વૉલેટ્સ અને મની ફ્લોની તપાસ કરે છે.
- ટોકેનોમિક્સ ડિઝાઇનર: પ્રોજેક્ટના ટોકન સપ્લાય, વિતરણ અને પ્રોત્સાહક માળખુંનું મોડેલ બનાવે છે.
- ટેકનિકલ લેખક/દસ્તાવેજીકાર: વ્હાઇટપેપર્સ, વપરાશકર્તા માર્ગદર્શિકાઓ અને કોડ દસ્તાવેજીકરણ બનાવે છે.
AI આ બધી ભૂમિકાઓમાં કામ કરે છે, પરંતુ તે બધામાં સમાન રીતે વિશ્વસનીય નથી. અંગૂઠાના નિયમ તરીકે: AI નું યોગદાન વધે છે કારણ કે ભૂલની કિંમત ઘટે છે. જો દસ્તાવેજીકરણ વાક્ય ખોટું છે, તો તેને સુધારી લેવામાં આવશે; જો ઓડિટ રિપોર્ટમાં નબળાઈ ચૂકી જાય, તો ભંડોળની ચોરી થાય છે. તેથી, સ્તર દ્વારા જોખમને અલગ કરવું એ આ વ્યવસાયમાં AI નો ઉપયોગ કરવાનો પ્રથમ નિયમ છે.
વેપાર
AI ની ભૂમિકા
જોખમ સ્તર
અંતિમ મંજૂરી
કોડ ડ્રાફ્ટ બનાવો
ઝડપી પ્રથમ ડ્રાફ્ટ
મધ્યમ
વિકાસકર્તા + પરીક્ષણ
સુરક્ષા ઓડિટ
ટીપ, પેટર્ન માર્કિંગ
ખૂબ ઊંચી
સક્ષમ ઓડિટર
નબળાઈ સ્કેનિંગ
ઉમેદવારોની નબળાઈ યાદી
ઉચ્ચ
ઇન્સ્પેક્ટર + સાધન
સાંકળ પર વિશ્લેષણ
પ્રશ્ન અને સારાંશ
મધ્યમ
વિશ્લેષક ચકાસણી
ટોકેનોમિક મોડલ
દૃશ્ય, સિમ્યુલેશન ડ્રાફ્ટ
ઉચ્ચ
અર્થશાસ્ત્રી + પરીક્ષણ
દસ્તાવેજીકરણ
ડ્રાફ્ટ, સરળીકરણ
નિમ્ન-મધ્યમ
તકનીકી સમીક્ષા
ત્રણ તથ્યો જે આ વિસ્તારને ખાસ બનાવે છે
1. અફરતા. એકવાર બ્લોકચેન પર ટ્રાન્ઝેક્શન કન્ફર્મ થઈ જાય, પછી તેને પૂર્વવત્ કરી શકાતું નથી. તમે બેંકમાં ખોટા ટ્રાન્સફરને કૉલ કરી શકો છો અને તેને રદ કરાવી શકો છો; સાંકળમાં બોલાવનાર કોઈ નથી. તેથી જ "અમે તેને પછીથી ઠીક કરીશું" માનસિકતા અહીં કામ કરતી નથી. એકવાર AI દ્વારા ઉત્પાદિત કોડ લાઈવ થઈ જાય (મેઈનનેટ - નેટવર્ક જ્યાં વાસ્તવિક નાણાં છે), ભૂલની કિંમત કાયમી છે.
2. નિખાલસતા અને પ્રતિકૂળ વાતાવરણ. સ્માર્ટ કોન્ટ્રાક્ટ કોડ અને સાંકળ ડેટા સામાન્ય રીતે સાર્વજનિક રીતે ઉપલબ્ધ હોય છે. આનો અર્થ એ છે કે વિશ્વનો દરેક હુમલાખોર તમારા કોડની 24/7 તપાસ કરી રહ્યો છે. Web2 માં "કોઈએ નોટિસ નહીં" તરીકે બરતરફ કરેલી નબળાઈનો વેબ3માં મિનિટોમાં શોષણ કરવામાં આવે છે. AI જે કહે છે તે "કદાચ ઠીક છે" પર વિશ્વાસ કરી શકાતો નથી.
3. છેતરપિંડીની તીવ્રતા. વેબ3 એ એક એવો વિસ્તાર છે જ્યાં નકલી પ્રોજેક્ટ્સ, રગ-પુલ્સ (પ્રોજેક્ટના ડેવલપર્સ રોકાણકારોના પૈસા એકઠા કરીને ભાગી જાય છે) અને હનીપોટ (બનાવટી ટોકન્સ જે ખરીદી શકાય છે પણ વેચી શકાતા નથી, પીડિતને ફસાવવા) કોન્ટ્રાક્ટ કેન્દ્રિત છે. AI આ ફાંસો શોધવા અને - સાવચેત રહો - બંનેને મદદ કરે છે - તેનો ઉપયોગ દૂષિત વ્યક્તિના હાથમાં આ ફાંસો પેદા કરવા માટે થઈ શકે છે. આ મોડ્યુલ માત્ર રક્ષણાત્મક, ઓડિટીંગ અને પ્રામાણિક વિકાસ હેતુઓ માટે ઉપયોગ શીખવે છે.
સાવધાન: AI ને કહેવું "મને એક હનીપોટ કરાર લખો જે રોકાણકારોને છેતરે છે" અથવા "હું આ પ્રોટોકોલનો ઉપયોગ કેવી રીતે કરી શકું અને ભંડોળ ઉપાડી શકું" એ અનધિકૃત અને અનૈતિક ઉપયોગ છે. સાચો ઉપયોગ હંમેશા હોય છે: "શું આ કરારમાં કોઈ હનીપોટ પેટર્ન છે", "હું આ પ્રોટોકોલમાં નબળાઈને કેવી રીતે બંધ કરી શકું", "હું આ કોડમાં જોખમને કેવી રીતે ચકાસી શકું".
જ્યાં AI મજબૂત અને નબળું છે
AI આ ક્ષેત્રમાં મજબૂત છે: જાણીતા નબળાઈ પેટર્ન (જેમ કે પુનઃપ્રવેશ, પૂર્ણાંક ઓવરફ્લો); કોડ શું કરે છે તે સાદી ભાષામાં સમજાવવું; ડ્રાફ્ટિંગ પરીક્ષણ અને દસ્તાવેજીકરણ; મોટા ડેટા પ્રશ્નો લખવા; વિવિધ સ્તરો પર એક ખ્યાલ સમજાવવું.
AI નબળું અને ગેરમાર્ગે દોરનારું છે: નવી/અનોખી નબળાઈ શોધવી (જો તે પ્રશિક્ષણ ડેટામાં ન હોય તો તેને જોઈ શકાતું નથી); પ્રોટોકોલની આર્થિક સુરક્ષાનું સર્વગ્રાહી મૂલ્યાંકન; વર્તમાન લાઇબ્રેરી સંસ્કરણો અને નવીનતમ હુમલાઓને જાણવું (પ્રશિક્ષણ કટઓફ તારીખથી આગળ નહીં); સંપૂર્ણ ચુકાદાઓ જેમ કે "આ કરાર સલામત છે". AI અસ્ખલિત અને આત્મવિશ્વાસપૂર્ણ ભાષામાં સલામતીની ખોટી ખાતરી આપી શકે છે - આ ક્ષેત્રમાં આ સૌથી ખતરનાક પ્રકારનો આભાસ છે.
દરેક આઉટપુટ ચકાસવા માટે શિસ્ત
આ વ્યવસાયમાં, AI આઉટપુટનો ઉપયોગ ક્યારેય “જેમ છે તેમ” થતો નથી. દરેક આઉટપુટ ત્રણ ફિલ્ટરમાંથી પસાર થાય છે:
- બિલ્ડ અને ટેસ્ટ: કોડ? તેને સંકલિત, પરીક્ષણ અને જો શક્ય હોય તો પરીક્ષણ નેટવર્ક પર ચલાવવા દો (ટેસ્ટનેટ - ટ્રાયલ નેટવર્ક જે વાસ્તવિક પૈસા નથી).
- સ્વતંત્ર વાહન અને માનવ: સુરક્ષા દાવો? સ્થિર વિશ્લેષણ સાધન (જેમ કે સ્લિથર) અને માનવ આંખ વડે ક્રોસ-વેરિફાઇ કરો.
- સ્ત્રોત સાથે લિંક કરવું: સાંકળ ડેટા? દરેક નંબર જે AI સારાંશ આપે છે તે વાસ્તવિક બ્લોક એક્સપ્લોરરમાં પુષ્ટિ થયેલ છે (એક સાઇટ જે સાંકળ ડેટા દર્શાવે છે, જેમ કે ઇથરસ્કેન).
ટીપ: હંમેશા AI ને કહો "જ્યાં તમને ખાતરી નથી ત્યાં ચિહ્નિત કરો અને શા માટે તમને ખાતરી નથી તે લખો". AI ને તેની અનિશ્ચિતતા કબૂલ કરવા કહેવું વધુ સલામત છે તેના કરતાં તે ચૂપચાપ તેને બનાવટ કરે છે.
ત્રણ નાના કેસો
કેસ 1 - ડ્રાફ્ટે વેગ અને નિયંત્રણ મેળવ્યું. એક ટીમે AI સાથે સ્ટેકિંગ કોન્ટ્રાક્ટનો પ્રથમ ડ્રાફ્ટ 2 કલાકમાં તૈયાર કર્યો; સામાન્ય રીતે તે લગભગ 1 દિવસ લે છે. પરંતુ AI ના ડ્રાફ્ટમાં પુનઃપ્રવેશની છટકબારી હતી - ફંક્શન પૂર્ણ થાય તે પહેલાં તેને ફરીથી કૉલ કરીને ઘણી વખત ભંડોળ ઉપાડવું. ઓડિટરે આ પકડ્યું અને તેને સુધાર્યું. પાઠ: AI ડ્રાફ્ટને ઝડપી બનાવે છે, પરંતુ માનવીઓ સલામતીની ખાતરી કરે છે.
કેસ 2 - ઓન-ચેઇન વિશ્લેષણમાં નકલી સરનામું. એક વિશ્લેષકે AIને કહ્યું કે "તે વૉલેટના છેલ્લા 10 વ્યવહારોનો સારાંશ આપો." AI એ અસ્ખલિત સારાંશ આપ્યો, પરંતુ તેની અંદર એક ટ્રાન્ઝેક્શન હેશ અને સરનામું બનેલું હતું - એક આભાસ. જ્યારે વિશ્લેષકે એથરસ્કેન પર તેની પુષ્ટિ કરી, ત્યારે તેણે જોયું કે તે પકડી શકતું નથી. પાઠ: જ્યાં સુધી તે બ્લોક એક્સપ્લોરરમાં ચકાસવામાં ન આવે ત્યાં સુધી ચેઇન ડેટાના દરેક હેશની જાણ કરવામાં આવતી નથી.
કેસ 3 - ટોકેનોમિક્સમાં, એક દૃશ્ય ખોટું થયું. એક પ્રોજેક્ટ મોડેલ પર આધાર રાખીને શરૂ થયો જ્યાં AIએ કહ્યું હતું કે "આ પુરવઠા વળાંક ટકાઉ છે". મોડલ માત્ર એક જ દૃશ્ય ધારે છે જ્યાં કિંમત હંમેશા વધે છે. જ્યારે બજાર ક્રેશ થયું, ત્યારે પ્રોત્સાહનો તૂટી પડ્યા. પાઠ: તમારે બહુવિધ, નકારાત્મક-દૃશ્ય, માનવ-સમીક્ષા કરેલ તણાવ પરીક્ષણની જરૂર છે, સિંગલ-પરિદૃશ્ય AI મોડેલની નહીં.
નૈતિકતા, ગોપનીયતા અને કાનૂની માળખું
કારણ કે આ ક્ષેત્ર નાણાકીય અને સુરક્ષા-સંકટ બંને છે, નૈતિક બોજ ભારે છે:
- રક્ષણાત્મક ઉપયોગ: નબળાઈ માહિતી માત્ર બંધ, દેખરેખ અને સંરક્ષણ હેતુઓ માટે છે; શોષણ માટે નહીં.
- ગોપનીયતા: ઓડિટેડ ક્લાયન્ટના અપ્રકાશિત (ક્લોઝ્ડ સોર્સ) કોડને પરવાનગી વિના સાર્વજનિક રૂપે ઉપલબ્ધ AI ટૂલમાં પેસ્ટ કરવું એ કરારનો ભંગ છે અને લીક થવાનું જોખમ છે. ગુપ્ત કોડ માટે એન્ટરપ્રાઇઝ/અલગ સાધનો અને ગ્રાહકની મંજૂરીની જરૂર છે.
- રોકાણ સલાહ નથી: AI-જનરેટેડ ટોકેનોમિક્સ અથવા વિશ્લેષણ નાણાકીય સલાહ નથી; આ જણાવવું એ કાનૂની અને નૈતિક જવાબદારી છે.
- જવાબદારી: સલામતી-નિર્ણાયક ઓડિટમાં, આખરી મંજૂરી સક્ષમ નિષ્ણાતની હોય છે જે વ્યાવસાયિક જવાબદારી સ્વીકારે છે. "એઆઈએ આમ કહ્યું" એ કોઈ સંરક્ષણ નથી.
સામાન્ય ભૂલો
- "સલામત" કહેવા માટે AI પર વિશ્વાસ કરવો. AI સુરક્ષાની ખાતરી આપી શકતું નથી; તે માત્ર સંકેતો જ પેદા કરે છે.
- ટેસ્ટનેટ પર પ્રયાસ કર્યા વિના કોડને મેઇનનેટ પર સ્થાનાંતરિત કરી રહ્યાં છે. અપરિવર્તનશીલતા માફ કરતી નથી.
- બ્લોક એક્સપ્લોરરમાં ચેઇન ડેટાની ચકાસણી કર્યા વિના હેશ પર વિશ્વાસ કરવો. આભાસ હેશ/સરનામું જનરેટ કરે છે.
- ઓપન ટૂલમાં સિક્રેટ શોપર કોડ પેસ્ટ કરવો. લીક અને કરારનો ભંગ.
- સિંગલ-સિનરિયો ઇકોનોમિક મોડલ પર આધાર રાખવો. નકારાત્મક દૃશ્ય આવશ્યક છે.
- સ્તર દ્વારા જોખમને અલગ પાડતા નથી. દસ્તાવેજીકરણ અને ઓડિટીંગને વિશ્વાસના સમાન સ્તરે સારવાર આપી શકાતી નથી.
સારાંશમાં
- વેબ3માં, બગ્સ સીધું પૈસામાં અનુવાદ કરે છે; AI એ એક્સિલરેટર સહાયક છે, નિર્ણય લેનાર નથી.
- AI નું યોગદાન વધે છે કારણ કે ભૂલની કિંમત ઘટે છે; સલામતી-નિર્ણાયક નિરીક્ષણમાં છેલ્લો શબ્દ નિષ્ણાતનો છે.
- અસ્પષ્ટતા, નિખાલસતા/પ્રતિકૂળ વાતાવરણ અને તીવ્ર છેતરપિંડી આ ક્ષેત્રને વિશેષ બનાવે છે.
- દરેક AI આઉટપુટ સ્વતંત્ર ટૂલિંગ અને સ્ત્રોત સાથે લિંક કરીને કમ્પાઈલ અને ચકાસવામાં આવે છે.
- ઉપયોગ માત્ર સંરક્ષણ, પ્રમાણિક વિકાસ અને અધિકૃત અમલીકરણ હેતુઓ માટે છે.
એપ્લિકેશન કાર્ય
સ્માર્ટ કોન્ટ્રાક્ટનું ઉદાહરણ લો (ક્યાં તો તમે જાતે લખ્યું છે અથવા સરળ ઓપન સોર્સ કોન્ટ્રાક્ટ). કોડ શું કરે છે તે પહેલા સાદી ભાષામાં સમજાવવા માટે AI ને કહો, પછી સંભવિત જોખમોને "પૂર્તિકલ્પના" તરીકે ચિહ્નિત કરો. પછી દરેક દાવાને આના દ્વારા ચકાસો: (1) તેનું સંકલન, (2) સ્થિર વિશ્લેષણ સાધન, (3) તમારું પોતાનું વાંચન. કોષ્ટકમાં નોંધ કરો કે એઆઈના કેટલા દાવાઓની પુષ્ટિ થઈ અને કેટલા ખોટા નીકળ્યા.
ચેકલિસ્ટ
- [ ] મેં મારા કાર્યનું જોખમ સ્તર નક્કી કર્યું છે (દસ્તાવેજીકરણ કે ઓડિટ?).
- [ ] મેં AI ને તેની અનિશ્ચિતતાઓને ચિહ્નિત કરવા કહ્યું.
- [ ] મેં કોડ આઉટપુટનું સંકલન/પરીક્ષણ કર્યું.
- [ ] મેં સ્વતંત્ર વાહન + માનવ સાથે સુરક્ષા દાવાની ચકાસણી કરી.
- [ ] મેં બ્લોક એક્સપ્લોરરમાં ચેઇન ડેટાની ચકાસણી કરી.
- [ ] મેં ગુપ્ત કોડને ઓપન ટૂલમાં પેસ્ટ કર્યો નથી.
- [ ] મેં સ્વીકાર્યું કે અંતિમ સુરક્ષા મંજૂરી નિષ્ણાત પાસે છે.