ದುರ್ಬಲತೆ ಸ್ಕ್ಯಾನಿಂಗ್: ಸಾಮಾನ್ಯ ದುರ್ಬಲತೆ ಮಾದರಿಗಳು ಮತ್ತು ಸ್ವಯಂಚಾಲಿತ ವಿಶ್ಲೇಷಣೆ

ಲಾಭಗಳು:

• ಮರುಪ್ರವೇಶ, ಪ್ರವೇಶ ನಿಯಂತ್ರಣ, ಒರಾಕಲ್ ಮ್ಯಾನಿಪ್ಯುಲೇಷನ್ ಮತ್ತು ಫ್ರಂಟ್-ರನ್ನಿಂಗ್‌ನಂತಹ ಸಾಮಾನ್ಯ ದುರ್ಬಲತೆಯ ಮಾದರಿಗಳನ್ನು ಗುರುತಿಸುವ ಸಾಮರ್ಥ್ಯ ಮತ್ತು ಅವುಗಳನ್ನು ಸ್ಥಿರ ವಿಶ್ಲೇಷಣಾ ಸಾಧನ + ಕೃತಕ ಬುದ್ಧಿಮತ್ತೆ + ಮಾನವನೊಂದಿಗೆ ಸ್ಕ್ಯಾನ್ ಮಾಡುವ ಸಾಮರ್ಥ್ಯ
• ಟೂಲ್ ಔಟ್‌ಪುಟ್ ಅನ್ನು ವಿವರಿಸುವಲ್ಲಿ ಮತ್ತು MEV ಮತ್ತು ವ್ಯಾಪಾರ ತರ್ಕದಲ್ಲಿನ ತಪ್ಪು ಧನಾತ್ಮಕ ಮತ್ತು ದೌರ್ಬಲ್ಯಗಳಿಗೆ ಆದ್ಯತೆ ನೀಡುವಲ್ಲಿ AI ಸಾಮರ್ಥ್ಯಗಳ ನಡುವೆ ವ್ಯತ್ಯಾಸವನ್ನು ಗುರುತಿಸುವ ಸಾಮರ್ಥ್ಯ
• 'ಕ್ಲೀನ್ ಸ್ಕ್ಯಾನ್' ಎಂಬುದು ಸುರಕ್ಷತಾ ಪ್ರಮಾಣಪತ್ರವಲ್ಲ, ಸ್ಕ್ಯಾನಿಂಗ್ ನಿಯಂತ್ರಣದ ಒಂದು ಪದರವಾಗಿದೆ ಎಂದು ಅರ್ಥಮಾಡಿಕೊಳ್ಳಿ

ಹಿಂದಿನ ಘಟಕದಲ್ಲಿ ಆಡಿಟಿಂಗ್‌ನ ಸಮಗ್ರ ಶಿಸ್ತನ್ನು ನಾವು ನೋಡಿದ್ದೇವೆ. ಈ ಘಟಕದಲ್ಲಿ, ನಾವು ಹೆಚ್ಚು ತಾಂತ್ರಿಕ ವಿಷಯದ ಮೇಲೆ ಕೇಂದ್ರೀಕರಿಸುತ್ತೇವೆ: ದುರ್ಬಲತೆ ಸ್ಕ್ಯಾನಿಂಗ್ — ಕೋಡ್‌ನಲ್ಲಿ ತಿಳಿದಿರುವ ದುರ್ಬಲತೆಯ ಮಾದರಿಗಳಿಗಾಗಿ ವ್ಯವಸ್ಥಿತ ಹುಡುಕಾಟ. ತಿಳಿದಿರುವ ದುರ್ಬಲತೆಯ ಮಾದರಿಗಳನ್ನು ಸ್ಕ್ಯಾನ್ ಮಾಡುವ ಮತ್ತು ವಿವರಿಸುವ ಸಹಾಯಕರಾಗಿ ಸ್ಥಿರ ವಿಶ್ಲೇಷಣಾ ಸಾಧನಗಳೊಂದಿಗೆ ನಾವು ಇಲ್ಲಿ AI ಅನ್ನು ಬಳಸುತ್ತೇವೆ. ಗುರಿ: ಅತ್ಯಂತ ಸಾಮಾನ್ಯವಾದ ದುರ್ಬಲತೆಗಳನ್ನು ಆಳವಾಗಿ ತಿಳಿದುಕೊಳ್ಳುವುದು ಮತ್ತು AI ಎಲ್ಲಿ ವಿಶ್ವಾಸಾರ್ಹವಾಗಿದೆ ಮತ್ತು ಅವುಗಳನ್ನು ಸ್ಕ್ಯಾನ್ ಮಾಡುವಲ್ಲಿ ಅದು ಅಸಮರ್ಪಕವಾಗಿದೆ ಎಂಬುದನ್ನು ಗುರುತಿಸುವುದು.

ಸ್ಟ್ಯಾಟಿಕ್ ಮತ್ತು ಡೈನಾಮಿಕ್ ಸ್ಕ್ಯಾನಿಂಗ್

ಸ್ಕ್ಯಾನಿಂಗ್ ಎರಡು ವಿಧವಾಗಿದೆ. ಸ್ಥಿರ ವಿಶ್ಲೇಷಣೆ - ಕೋಡ್ ಅನ್ನು ರನ್ ಮಾಡದೆಯೇ ಪರೀಕ್ಷಿಸುವುದು: ಸ್ಲಿಥರ್ ಮತ್ತು ಮೈಥ್ರಿಲ್‌ನಂತಹ ಪರಿಕರಗಳು ಒಪ್ಪಂದದ ಕೋಡ್ ಅನ್ನು ಸ್ಕ್ಯಾನ್ ಮಾಡಿ ಮತ್ತು ತಿಳಿದಿರುವ ಮಾದರಿಗಳನ್ನು ಫ್ಲ್ಯಾಗ್ ಮಾಡುತ್ತವೆ. ಡೈನಾಮಿಕ್/ಸಾಂಕೇತಿಕ ವಿಶ್ಲೇಷಣೆ (ವಿಭಿನ್ನ ಇನ್‌ಪುಟ್‌ಗಳೊಂದಿಗೆ ಕೋಡ್ ಅನ್ನು ರನ್ ಮಾಡುವುದು ಅಥವಾ ಅದನ್ನು ಗಣಿತದ ರೀತಿಯಲ್ಲಿ ಎಕ್ಸ್‌ಪ್ಲೋರ್ ಮಾಡುವುದು): ಫಝಿಂಗ್ (ಯಾದೃಚ್ಛಿಕ ಇನ್‌ಪುಟ್‌ನೊಂದಿಗೆ ಬಾಂಬಿಂಗ್) ಮತ್ತು ಸಾಂಕೇತಿಕ ಮರಣದಂಡನೆ (ಎಲ್ಲಾ ಸಂಭವನೀಯ ಮಾರ್ಗಗಳನ್ನು ಅನ್ವೇಷಿಸುವುದು) ಈ ಗುಂಪಿಗೆ ಸೇರುತ್ತದೆ.

AI ಈ ಪರಿಕರಗಳನ್ನು ಬದಲಾಯಿಸುವುದಿಲ್ಲ, ಅದು ಅವರಿಗೆ ಪೂರಕವಾಗಿದೆ: ವಾಹನವು ಎಚ್ಚರಿಕೆಯನ್ನು ನೀಡಿದಾಗ, AI ಸರಳ ಭಾಷೆಯಲ್ಲಿ ಎಚ್ಚರಿಕೆಯನ್ನು ವಿವರಿಸುತ್ತದೆ; ಉಪಕರಣವು ಮಾದರಿಯನ್ನು ತಪ್ಪಿಸಿಕೊಂಡಾಗ AI ನೆನಪಿಸುತ್ತದೆ; ಆದರೆ AI ಮಾತ್ರ ಎಷ್ಟು ಸ್ಕ್ಯಾನ್ ಮಾಡುತ್ತದೆ ಎಂಬುದನ್ನು ಖಾತರಿಪಡಿಸುವುದಿಲ್ಲ. ಸರಿಯಾದ ಕೆಲಸದ ಹರಿವು: ಉಪಕರಣ + AI + ಮಾನವ.

ಸಲಹೆ: AI ಗೆ ಸ್ಥಿರ ವಿಶ್ಲೇಷಣಾ ಸಾಧನದ ಔಟ್‌ಪುಟ್ ಅನ್ನು ನೀಡಿ (ಉದಾ. ಸ್ಲಿದರ್ ವರದಿ) ಮತ್ತು "ಪ್ರತಿ ಎಚ್ಚರಿಕೆಯನ್ನು ಸರಳ ಭಾಷೆಯಲ್ಲಿ ವಿವರಿಸಿ, ಯಾವುದು ನಿಜವಾದ ಅಪಾಯಗಳು ಮತ್ತು ಯಾವುದು ತಪ್ಪು ಧನಾತ್ಮಕವಾಗಿರಬಹುದು?" ಕೇಳು. ಕಚ್ಚಾ ಟೂಲ್ ಔಟ್‌ಪುಟ್ ಅನ್ನು ಅರ್ಥವಾಗುವಂತೆ ಮತ್ತು ಮಾನವರಿಗೆ ಆದ್ಯತೆ ನೀಡುವಂತೆ ಮಾಡುವಲ್ಲಿ AI ಅತ್ಯಮೂಲ್ಯವಾಗಿದೆ.

ಅತ್ಯಂತ ಸಾಮಾನ್ಯವಾದ ದುರ್ಬಲತೆಯ ಮಾದರಿಗಳು

1. ಮರುಪ್ರವೇಶ. ಒಂದು ಕಾರ್ಯವು ಅದರ ಸ್ಥಿತಿಯನ್ನು ನವೀಕರಿಸದೆ ಬಾಹ್ಯ ಒಪ್ಪಂದವನ್ನು ಕರೆದರೆ, ಕರೆಯಲಾದ ಒಪ್ಪಂದವು ಹಿಂತಿರುಗಬಹುದು, ಅದೇ ಕಾರ್ಯವನ್ನು ಮತ್ತೆ ಪ್ರಚೋದಿಸಬಹುದು ಮತ್ತು ನಿಧಿಯನ್ನು ಹಲವಾರು ಬಾರಿ ಹಿಂಪಡೆಯಬಹುದು. ಪರಿಹಾರ: ತಪಾಸಣೆ-ಪರಿಣಾಮಗಳು-ಸಂವಾದಗಳ ಆದೇಶ ಮತ್ತು ಮರುಪ್ರವೇಶ ಸಿಬ್ಬಂದಿ.

2. ಪ್ರವೇಶ ನಿಯಂತ್ರಣದ ಕೊರತೆ. ನಿರ್ಣಾಯಕ ಕಾರ್ಯ (ಹಿಂತೆಗೆದುಕೊಳ್ಳುವಿಕೆ, ಹಿಂತೆಗೆದುಕೊಳ್ಳುವಿಕೆ, ಅಪ್ಗ್ರೇಡ್) ಆಕಸ್ಮಿಕವಾಗಿ ಸಾರ್ವಜನಿಕಗೊಳಿಸಲಾಗಿದೆ. ಇದು ಅತ್ಯಂತ ಸಾಮಾನ್ಯ ಮತ್ತು ದುಬಾರಿ ತಪ್ಪುಗಳಲ್ಲಿ ಒಂದಾಗಿದೆ.

3. ಒರಾಕಲ್ ಮ್ಯಾನಿಪ್ಯುಲೇಷನ್. ಬಾಹ್ಯ ಬೆಲೆ ಮೂಲ (ಒರಾಕಲ್) ಮೇಲೆ ಒಪ್ಪಂದದ ಕುರುಡು ಅವಲಂಬನೆ. ಆಕ್ರಮಣಕಾರರು ತಕ್ಷಣವೇ ಬೆಲೆಯನ್ನು ಕುಶಲತೆಯಿಂದ ನಿರ್ವಹಿಸುತ್ತಾರೆ ಮತ್ತು ಪ್ರೋಟೋಕಾಲ್ ಅನ್ನು ಮೋಸಗೊಳಿಸುತ್ತಾರೆ. ಪರಿಹಾರ: ಸಮಯ-ತೂಕದ ಸರಾಸರಿ ಬೆಲೆ (TWAP), ಬಹು-ಮೂಲ.

4. ಪೂರ್ಣಾಂಕ ಓವರ್‌ಫ್ಲೋ/ಅಂಡರ್‌ಫಾಲ್. ಒಂದು ಸಂಖ್ಯೆಯು ಅನುಮತಿಸಲಾದ ಗರಿಷ್ಠ ಮೌಲ್ಯವನ್ನು ಮೀರಿದಾಗ ಮತ್ತು ಪ್ರಾರಂಭಕ್ಕೆ ಹಿಂತಿರುಗಿದಾಗ. ಆಧುನಿಕ ಘನತೆಯು ಅದರಲ್ಲಿ ಹೆಚ್ಚಿನದನ್ನು ಸ್ವಯಂಚಾಲಿತವಾಗಿ ಹಿಡಿಯುತ್ತದೆ, ಆದರೆ ಅಪಾಯವು ಕಡಿಮೆ-ಮಟ್ಟದ (ಅಸೆಂಬ್ಲಿ) ಕೋಡ್‌ನಲ್ಲಿ ಉಳಿದಿದೆ.

5. ಫ್ರಂಟ್ ರನ್ನಿಂಗ್. ವಹಿವಾಟುಗಳು ದೃಢೀಕರಿಸುವ ಮೊದಲು ಸಾರ್ವಜನಿಕ ಪೂಲ್ (ಮೆಂಪೂಲ್) ನಲ್ಲಿ ಕಾಣಿಸಿಕೊಳ್ಳುತ್ತವೆ; ಆಕ್ರಮಣಕಾರರು ನಿಮ್ಮ ವಹಿವಾಟನ್ನು ನೋಡಬಹುದು ಮತ್ತು ಅದರ ಮುಂದೆ ತನ್ನದೇ ಆದ ವಹಿವಾಟನ್ನು ಸೇರಿಸಬಹುದು. MEV (ಗರಿಷ್ಠ ಹೊರತೆಗೆಯಬಹುದಾದ ಮೌಲ್ಯ - ವಹಿವಾಟಿನ ಅನುಕ್ರಮದಿಂದ ಹೊರತೆಗೆಯಲಾದ ಮೌಲ್ಯ) ಈ ವಿಷಯದ ಸಾಮಾನ್ಯ ಹೆಸರು.

6. ಸೇವೆಯ ನಿರಾಕರಣೆ (DoS). ಒಂದು ಲೂಪ್ ತುಂಬಾ ದುಬಾರಿಯಾಗುತ್ತದೆ ಮತ್ತು ಕಾರ್ಯವನ್ನು ನಿಷ್ಪ್ರಯೋಜಕವಾಗಿಸುತ್ತದೆ, ಅಥವಾ ವಿಳಾಸದ ಮೇಲಿನ ಅವಲಂಬನೆಯು ಲಾಕ್ ಆಗುತ್ತದೆ.

7. ಅಪಾಯಗಳನ್ನು ನವೀಕರಿಸಿ. ನವೀಕರಿಸಬಹುದಾದ ಒಪ್ಪಂದಗಳಲ್ಲಿ ಶೇಖರಣಾ ಘರ್ಷಣೆ ಮತ್ತು ಅಧಿಕಾರದ ದುರುಪಯೋಗ.

ದುರ್ಬಲತೆ

AI ಸ್ಕ್ಯಾನಿಂಗ್ ಟ್ರಸ್ಟ್

ಏಕೆ

ಮರುಪ್ರವೇಶ

ಹೆಚ್ಚು

ಪ್ರಸಿದ್ಧ, ಸ್ಪಷ್ಟ ಮಾದರಿ

ಪ್ರವೇಶ ನಿಯಂತ್ರಣ

ಹೆಚ್ಚು

ಅಚ್ಚು ಸ್ಕ್ಯಾನ್ ಮಾಡಬಹುದು

ಪೂರ್ಣಾಂಕ ಕಾರ್ಯಾಚರಣೆಗಳು

ಹೆಚ್ಚು

ಪ್ರಮಾಣಿತ ನಿಯಂತ್ರಣ

ಒರಾಕಲ್ ಕುಶಲತೆ

ಮಧ್ಯಮ

ಸಂದರ್ಭದ ಅಗತ್ಯವಿದೆ

ಫ್ರಂಟ್-ರನ್ನಿಂಗ್/MEV

ಮಧ್ಯಮ-ಕಡಿಮೆ

ಪ್ರೋಟೋಕಾಲ್ ನಿರ್ದಿಷ್ಟ

ವ್ಯಾಪಾರ ತರ್ಕ ದೋಷ

ಕಡಿಮೆ

ಅಧಿಕೃತ, ಸಂದರ್ಭೋಚಿತ

ದುರ್ಬಲ ಪ್ರಾಂಪ್ಟ್ / ಬಲವಾದ ಪ್ರಾಂಪ್ಟ್

ದುರ್ಬಲ ಪ್ರಾಂಪ್ಟ್:

ಈ ಕೋಡ್‌ನಲ್ಲಿ ಲೋಪದೋಷವಿದೆಯೇ?

ಶಕ್ತಿಯುತ ಪ್ರಾಂಪ್ಟ್:

ನಿಮ್ಮ ಪಾತ್ರ: ಭದ್ರತಾ ಸ್ಕ್ರೀನಿಂಗ್ ಸಹಾಯಕ. ಕೆಳಗಿನ ತಿಳಿದಿರುವ ಮಾದರಿಗಳಿಗಾಗಿ ಕೆಳಗಿನ ಒಪ್ಪಂದವನ್ನು ಸ್ಕ್ಯಾನ್ ಮಾಡಿ ಮತ್ತು ಪ್ರತಿಯೊಂದಕ್ಕೂ "ಅಪಾಯದಲ್ಲಿದೆ/ಇಲ್ಲ/ಖಾತ್ರಿಯಿಲ್ಲ": ಮರುಪ್ರವೇಶ, ಪ್ರವೇಶ ನಿಯಂತ್ರಣ, ಪೂರ್ಣಾಂಕ ಕಾರ್ಯಾಚರಣೆಗಳು, ಒರಾಕಲ್ಡೆಪೆಂಡೆನ್ಸಿ, ಫ್ರಂಟ್-ರನ್ನಿಂಗ್, DoS, ಅಪ್‌ಗ್ರೇಡ್ ಭದ್ರತೆ. ಪ್ರತಿ ನಿರ್ಣಯವನ್ನು ಸಂಬಂಧಿತ ಸಾಲಿಗೆ ಲಿಂಕ್ ಮಾಡಿ ಮತ್ತು ಏಕೆ ಅಪಾಯವಿದೆ ಎಂಬುದನ್ನು ವಿವರಿಸಿ. ಇವು ಸ್ಥಾಯೀ ವಿಶ್ಲೇಷಣಾ ಸಾಧನ ಮತ್ತು ಆಡಿಟರ್‌ನೊಂದಿಗೆ ಪರಿಶೀಲಿಸಲ್ಪಡುವ ಊಹೆಗಳಾಗಿವೆ. ತಪ್ಪು ಧನಾತ್ಮಕ ಅಂಶಗಳಿರಬಹುದು ಎಂಬುದನ್ನು ಗಮನಿಸಿ.

ನಾಲ್ಕು ನಕಲಿಸಬಹುದಾದ ಟೆಂಪ್ಲೇಟ್‌ಗಳು

1) ಟೂಲ್ ಔಟ್‌ಪುಟ್ ವಿವರಣೆ:

ಸ್ಟ್ಯಾಟಿಕ್ ಅನಾಲಿಸಿಸ್ ಟೂಲ್ (ಸ್ಲಿಥರ್) ವರದಿಯನ್ನು ಕೆಳಗೆ ನೀಡಲಾಗಿದೆ. ಪ್ರತಿ ಎಚ್ಚರಿಕೆಯನ್ನು ಸರಳ ಭಾಷೆಯಲ್ಲಿ ವಿವರಿಸಿ: ಇದರ ಅರ್ಥವೇನು, ಇದು ನಿಜವಾದ ಅಪಾಯ ಅಥವಾ ಸಂಭವನೀಯ ತಪ್ಪು ಧನಾತ್ಮಕವಾಗಿದೆಯೇ, ಅದರ ಆದ್ಯತೆ ಏನಾಗಿರಬೇಕು? ದೃಢ ನಿರ್ಧಾರವನ್ನು ಮಾಡಬೇಡಿ; ಆಡಿಟರ್ ದೃಢೀಕರಣಕ್ಕೆ ಆದ್ಯತೆ ನೀಡಿ.

2) ಮರುಪ್ರವೇಶ ಕೇಂದ್ರಿತ ಸ್ಕ್ರೀನಿಂಗ್:

ಈ ಒಪ್ಪಂದದಲ್ಲಿ ಬಾಹ್ಯ ಕರೆಗಳನ್ನು ಮಾಡುವ ಎಲ್ಲಾ ಕಾರ್ಯಗಳನ್ನು ಹುಡುಕಿ. ಅವುಗಳಲ್ಲಿ ಪ್ರತಿಯೊಂದಕ್ಕೂ ತಪಾಸಣೆ-ಪರಿಣಾಮಗಳು-ಸಂವಾದಗಳ ಕ್ರಮವನ್ನು ಅನುಸರಿಸಲಾಗಿದೆಯೇ ಮತ್ತು ಮರುಪ್ರವೇಶದ ಸಿಬ್ಬಂದಿ ಇದೆಯೇ ಎಂಬುದನ್ನು ಪರೀಕ್ಷಿಸಿ. ಅಪಾಯಕಾರಿಯಾದವುಗಳನ್ನು ಒಂದು ಸಾಲಿನೊಂದಿಗೆ ತೋರಿಸಿ. ನಿಮಗೆ ಖಚಿತವಿಲ್ಲದಿದ್ದರೆ ಗುರುತಿಸಿ; ಶೋಷಣೆ ಕೋಡ್ ಅನ್ನು ರಚಿಸಲಾಗುತ್ತಿದೆ.

3) ಪ್ರವೇಶ ನಿಯಂತ್ರಣ ನಕ್ಷೆ:

ಈ ಒಪ್ಪಂದದಲ್ಲಿ ಎಲ್ಲಾ ಬಾಹ್ಯ/ಸಾರ್ವಜನಿಕ ಕಾರ್ಯಗಳನ್ನು ಪಟ್ಟಿ ಮಾಡಿ ಮತ್ತು ಪ್ರತಿಯೊಂದಕ್ಕೂ "ಯಾರು ಕರೆ ಮಾಡಬಹುದು" (ಎಲ್ಲರೂ/ಮಾಲೀಕರು/ಪಾತ್ರ) ಸೂಚಿಸಿ. ನಿರ್ಣಾಯಕ ಕಾರ್ಯಾಚರಣೆಗಳನ್ನು ನಿರ್ವಹಿಸಿ (ಹಿಂತೆಗೆದುಕೊಳ್ಳಿ, ಮುದ್ರಿಸು, ನವೀಕರಿಸಿ) ಮತ್ತು ದುರ್ಬಲ ಪ್ರವೇಶ ನಿಯಂತ್ರಣ ಹೊಂದಿರುವವರನ್ನು ಗುರುತಿಸಿ. ಅದನ್ನು ಮೇಜಿನೊಂದಿಗೆ ಪ್ರಸ್ತುತಪಡಿಸಿ.

4) ತಪ್ಪು ಧನಾತ್ಮಕ ನಿರ್ಮೂಲನೆ:

ಈ ಸ್ಕ್ಯಾನ್ ಎಚ್ಚರಿಕೆಯು ನಿಜವಾದ ಅಪಾಯವಾಗಿರಬಾರದು ಎಂಬುದನ್ನು ಪರಿಗಣಿಸಿ (ಸುಳ್ಳು ಧನಾತ್ಮಕ): ಯಾವ ಸಂದರ್ಭ ಅಥವಾ ಕೋಡ್ ಸ್ಥಿತಿಯು ಈ ಎಚ್ಚರಿಕೆಯನ್ನು ಅಮಾನ್ಯಗೊಳಿಸುತ್ತದೆ? ಆದರೆ "ಸಂಪೂರ್ಣವಾಗಿ ಯಾವುದೇ ಸಮಸ್ಯೆ ಇಲ್ಲ" ಎಂದು ಹೇಳಬೇಡಿ; ದೃಢೀಕರಣದ ಅಗತ್ಯವಿರುವ ಅಂಶಗಳನ್ನು ಪಟ್ಟಿ ಮಾಡಿ.

ಮೂರು ಸಣ್ಣ ಪ್ರಕರಣಗಳು (ಸಂಖ್ಯೆಗಳಲ್ಲಿ)

ಪ್ರಕರಣ 1 - ವಾಹನ + AI ದಕ್ಷತೆಯನ್ನು ದ್ವಿಗುಣಗೊಳಿಸಿದೆ. ಒಂದು ತಂಡವು 12-ಗುತ್ತಿಗೆ ಯೋಜನೆಯಲ್ಲಿ ಸ್ಲಿಥರ್ ಅನ್ನು ನಡೆಸಿತು ಮತ್ತು 140 ಎಚ್ಚರಿಕೆಗಳನ್ನು ಸ್ವೀಕರಿಸಿತು. ಒಮ್ಮೆ ನಾವು AI ಅನ್ನು ವಿವರಿಸಿ ಮತ್ತು ಎಚ್ಚರಿಕೆಗಳನ್ನು ಆದ್ಯತೆ ನೀಡಿದಾಗ, 140 ಎಚ್ಚರಿಕೆಗಳಲ್ಲಿ 95 ತಪ್ಪು ಧನಾತ್ಮಕವಾಗಿದೆ ಎಂದು ತಿಳಿದುಬಂದಿದೆ; ತಂಡವು 45 ನೈಜ ಅಭ್ಯರ್ಥಿಗಳ ಮೇಲೆ ಕೇಂದ್ರೀಕರಿಸಿದೆ. ಚಿಕಿತ್ಸೆಯ ಸರದಿ ನಿರ್ಧಾರದ ಸಮಯವು 2 ದಿನಗಳಿಂದ 5 ಗಂಟೆಗಳವರೆಗೆ ಕಡಿಮೆಯಾಗಿದೆ. ಪಾಠ: ವಾಹನ ಉತ್ಪಾದನೆಯನ್ನು ಮಾನವೀಕರಿಸುವಲ್ಲಿ AI ಶಕ್ತಿಯುತವಾಗಿದೆ.

ಪ್ರಕರಣ 2 - AI ಅಪಹರಿಸಿದ MEV. DEX (ವಿಕೇಂದ್ರೀಕೃತ ವಿನಿಮಯ) ಒಪ್ಪಂದದಲ್ಲಿ, AI ಸ್ಟ್ಯಾಂಡರ್ಡ್ ಮಾದರಿಗಳನ್ನು ಸ್ವಚ್ಛವಾಗಿ ಕಂಡುಹಿಡಿದಿದೆ ಆದರೆ ಮುಂಭಾಗದಲ್ಲಿ ನಡೆಯುವ ದುರ್ಬಲತೆಯನ್ನು ಪತ್ತೆಹಚ್ಚಲು ವಿಫಲವಾಗಿದೆ; ಏಕೆಂದರೆ ಇದು ಪ್ರೋಟೋಕಾಲ್‌ನ ಕಾರ್ಯಾಚರಣೆಯ ಕ್ರಮಕ್ಕೆ ನಿರ್ದಿಷ್ಟವಾಗಿತ್ತು. ಮಾನವ ಆಡಿಟರ್ ಮತ್ತು ಸಿಮ್ಯುಲೇಶನ್ ಸೆರೆಹಿಡಿಯಲಾಗಿದೆ. ಪಾಠ: MEV/ಫ್ರಂಟ್-ರನ್ನಿಂಗ್‌ನಂತಹ ಪ್ರೋಟೋಕಾಲ್-ನಿರ್ದಿಷ್ಟ ಅಪಾಯಗಳು AI ನ ದುರ್ಬಲ ಪ್ರದೇಶವಾಗಿದೆ.

ಪ್ರಕರಣ 3 - ತಪ್ಪು ಧನಾತ್ಮಕ ಸಮಯ ವ್ಯರ್ಥ ಮಾಡುವುದನ್ನು ತಪ್ಪಿಸಲಾಗಿದೆ. ಮರುಪ್ರವೇಶದ ಎಚ್ಚರಿಕೆಯು ವಾಸ್ತವವಾಗಿ ತಪ್ಪು ಧನಾತ್ಮಕವಾಗಿದೆ ಎಂದು AI ವಿವರಿಸಿದಾಗ ತಂಡವು ಅನಗತ್ಯ ಪುನಃ ಬರೆಯುವುದನ್ನು ತಪ್ಪಿಸಿತು (ಕಾರ್ಯವನ್ನು ಈಗಾಗಲೇ ರಕ್ಷಿಸಲಾಗಿದೆ). ಆದರೆ ತಂಡವು ಒಂದೇ ಪರೀಕ್ಷೆಯಲ್ಲಿ ಅದನ್ನು ಖಚಿತಪಡಿಸಿತು. ಪಾಠ: AI ಆದ್ಯತೆ ನೀಡುತ್ತದೆ; ದೃಢೀಕರಣವು ಮತ್ತೊಮ್ಮೆ ಪರೀಕ್ಷೆಯೊಂದಿಗೆ ಬರುತ್ತದೆ.

ಸ್ಕ್ಯಾನಿಂಗ್ ಮಿತಿಗಳು

ಸ್ಕ್ಯಾನ್ ತಿಳಿದಿರುವ ಮಾದರಿಗಳನ್ನು ಕಂಡುಕೊಳ್ಳುತ್ತದೆ. ಹೊಸ, ವಿಶಿಷ್ಟ ಅಥವಾ ಪ್ರೋಟೋಕಾಲ್-ನಿರ್ದಿಷ್ಟ ದುರ್ಬಲತೆಯನ್ನು ಪತ್ತೆಹಚ್ಚಲು ಉಪಕರಣ ಅಥವಾ AI ಖಾತರಿಪಡಿಸುವುದಿಲ್ಲ. ಆದ್ದರಿಂದ, ಸ್ಕ್ರೀನಿಂಗ್ ಆಡಿಟ್‌ನ ಭಾಗವಾಗಿದೆ; ಸ್ವತಃ ಅಲ್ಲ. "ಸ್ಕ್ಯಾನ್ ಕ್ಲೀನ್ ಆಗಿದೆ, ಅಂದರೆ ಅದು ಸುರಕ್ಷಿತವಾಗಿದೆ" ಎಂಬ ಕಲ್ಪನೆಯು ಈ ಕ್ಷೇತ್ರದಲ್ಲಿ ಅತ್ಯಂತ ಅಪಾಯಕಾರಿ ತಪ್ಪುಗ್ರಹಿಕೆಯಾಗಿದೆ. ಡ್ರೆಡ್ಜಿಂಗ್ ಕಡಿಮೆ ನೇತಾಡುವ ಹಣ್ಣನ್ನು ಎತ್ತಿಕೊಳ್ಳುತ್ತದೆ; ಆಳವಾದ ಮತ್ತು ವಿಶಿಷ್ಟವಾದ ಅಪಾಯಗಳಿಗೆ, ಮಾನವ ಪರಿಣತಿ, ಪರೀಕ್ಷೆ, ಫಝಿಂಗ್ ಮತ್ತು ಔಪಚಾರಿಕ ಲೆಕ್ಕಪರಿಶೋಧನೆ ಅತ್ಯಗತ್ಯ.

ಎಚ್ಚರಿಕೆ: ಸ್ಕ್ಯಾನಿಂಗ್ ಟೂಲ್ ಅಥವಾ AI ನ "ಕ್ಲೀನ್" ವರದಿಯು ಭದ್ರತಾ ಪ್ರಮಾಣಪತ್ರವಲ್ಲ. ಅದನ್ನು ಆ ರೀತಿಯಲ್ಲಿ ಪ್ರಸ್ತುತಪಡಿಸುವುದು - ವಿಶೇಷವಾಗಿ ಹೂಡಿಕೆದಾರರಿಗೆ - ತಪ್ಪುದಾರಿಗೆಳೆಯುವ ಮತ್ತು ಅನೈತಿಕವಾಗಿದೆ.

ಸಾಮಾನ್ಯ ತಪ್ಪುಗಳು

• ತಪಾಸಣೆಗಾಗಿ ಸ್ಕ್ರೀನಿಂಗ್ ಅನ್ನು ಬದಲಿಸುವುದು. ಸ್ಕ್ಯಾನಿಂಗ್ ಒಂದು ಪದರವಾಗಿದೆ, ಸಂಪೂರ್ಣವಲ್ಲ.
• ಉಪಕರಣಗಳಿಲ್ಲದೆ AI ಅನ್ನು ಬಳಸುವುದು. ಸ್ಥಿರ ವಿಶ್ಲೇಷಣೆ + AI + ಮಾನವ ಕೆಲಸ ಒಟ್ಟಿಗೆ.
• ದೃಢೀಕರಣವಿಲ್ಲದೆ ತಪ್ಪು ಧನಾತ್ಮಕತೆಯನ್ನು ತೆಗೆದುಹಾಕುವುದು. ಪ್ರತಿ ಪರದೆಯನ್ನು ಪರೀಕ್ಷಿಸಲಾಗಿದೆ/ಮಾನವ ಪರಿಶೀಲಿಸಲಾಗಿದೆ.
• AI ಅನ್ನು ಅವಲಂಬಿಸಿ ಪ್ರೋಟೋಕಾಲ್-ನಿರ್ದಿಷ್ಟ ಅಪಾಯಗಳನ್ನು (MEV) ಬೈಪಾಸ್ ಮಾಡುವುದು. AI ನ ದುರ್ಬಲ ಪ್ರದೇಶ.
• "ಕ್ಲೀನ್ ಸ್ಕ್ಯಾನ್" = "ಸುರಕ್ಷಿತ" ಎಂದು ಯೋಚಿಸುವುದು. ಇದು ಅಜ್ಞಾತವನ್ನು ಕಂಡುಹಿಡಿಯಲು ಸಾಧ್ಯವಿಲ್ಲ.
• ಶೋಷಣೆ ಕೋಡ್ ಅನ್ನು ರಚಿಸಲಾಗುತ್ತಿದೆ. ರಕ್ಷಣಾತ್ಮಕ ಅಪಾಯದ ವಿವರಣೆ ಮಾತ್ರ ಕಾನೂನುಬದ್ಧವಾಗಿದೆ.

ಸಾರಾಂಶದಲ್ಲಿ

• ದುರ್ಬಲತೆ ಸ್ಕ್ಯಾನಿಂಗ್ ವಾಹನ + AI + ಮಾನವನೊಂದಿಗೆ ತಿಳಿದಿರುವ ದುರ್ಬಲತೆಯ ಮಾದರಿಗಳನ್ನು ಹುಡುಕುತ್ತದೆ.
• ಸ್ಟ್ಯಾಟಿಕ್ ಅನಾಲಿಸಿಸ್ ಟೂಲ್ ಔಟ್‌ಪುಟ್ ಅನ್ನು ವಿವರಿಸುವ ಮತ್ತು ಆದ್ಯತೆ ನೀಡುವಲ್ಲಿ AI ಶಕ್ತಿಯುತವಾಗಿದೆ.
• ಮರುಪ್ರವೇಶ ಮತ್ತು ಪ್ರವೇಶ ನಿಯಂತ್ರಣದಂತಹ ಸ್ಪಷ್ಟ ಮಾದರಿಗಳಲ್ಲಿ ವಿಶ್ವಾಸಾರ್ಹ; MEV ಮತ್ತು ವ್ಯಾಪಾರ ತರ್ಕದಲ್ಲಿ ದುರ್ಬಲ.
• ತಪ್ಪು ಧನಾತ್ಮಕಗಳನ್ನು ತೆಗೆದುಹಾಕಲು ಸಹ ದೃಢೀಕರಣದ ಅಗತ್ಯವಿದೆ.
• "ಕ್ಲೀನ್ ಸ್ಕ್ಯಾನ್" ಭದ್ರತಾ ಪ್ರಮಾಣಪತ್ರವಲ್ಲ; ಇದು ಮೇಲ್ವಿಚಾರಣೆಗೆ ಪರ್ಯಾಯವಲ್ಲ.

ಅಪ್ಲಿಕೇಶನ್ ಕಾರ್ಯ

ಮಾದರಿ ಒಪ್ಪಂದದಲ್ಲಿ ಸ್ಥಿರ ವಿಶ್ಲೇಷಣಾ ಸಾಧನವನ್ನು ರನ್ ಮಾಡಿ (ಸಾಧ್ಯವಾದರೆ) ಅಥವಾ ಸಿದ್ಧ-ಸಿದ್ಧ ಸ್ಲಿಥರ್ ವರದಿಯನ್ನು ಹುಡುಕಿ. AI ಗೆ "ಟೂಲ್ ಔಟ್‌ಪುಟ್ ವಿವರಣೆ" ಪ್ರಾಂಪ್ಟ್ ಅನ್ನು ಅನ್ವಯಿಸಿ. AI: (1) ಎಚ್ಚರಿಕೆಗಳನ್ನು ಸರಿಯಾಗಿ ವಿವರಿಸುತ್ತದೆಯೇ ಎಂಬುದನ್ನು ಮೌಲ್ಯಮಾಪನ ಮಾಡಿ, (2) ತಪ್ಪು ಧನಾತ್ಮಕಗಳ ನಡುವೆ ವ್ಯತ್ಯಾಸವನ್ನು ಗುರುತಿಸುವಲ್ಲಿ ಅರ್ಥವಿದೆ ಮತ್ತು (3) ಪ್ರೋಟೋಕಾಲ್-ನಿರ್ದಿಷ್ಟ ಅಪಾಯವನ್ನು ತಪ್ಪಿಸುತ್ತದೆ. ಕೋಷ್ಟಕದಲ್ಲಿ “ವಾಹನ ಕಂಡುಬಂದಿದೆ / AI ವಿವರಿಸಲಾಗಿದೆ / ಮಾನವ ದೃಢಪಡಿಸಿದೆ” ಕಾಲಮ್‌ಗಳನ್ನು ಭರ್ತಿ ಮಾಡಿ.

ಪರಿಶೀಲನಾಪಟ್ಟಿ

• [ ] ನಾನು ಹ್ಯಾಚ್ ಅನ್ನು ನಿಯಂತ್ರಣದ ಪದರವಾಗಿ ಇರಿಸಿದೆ.
• [ ] ನಾನು ಸ್ಥಿರ ವಿಶ್ಲೇಷಣೆ ಉಪಕರಣ + AI + ಮಾನವ ಒಟ್ಟಿಗೆ ಬಳಸಿದ್ದೇನೆ.
• [ ] ತಿಳಿದಿರುವ ಮಾದರಿಗಳಿಗಾಗಿ ನಾನು ವರ್ಗದಿಂದ ವರ್ಗವನ್ನು ಹುಡುಕಿದೆ.
• [ ] ನಾನು ದೃಢೀಕರಣದೊಂದಿಗೆ ತಪ್ಪು ಧನಾತ್ಮಕತೆಯನ್ನು ತೆಗೆದುಹಾಕಿದ್ದೇನೆ.
• [ ] ನಾನು MEV/ವ್ಯವಹಾರ ತರ್ಕದಂತಹ ದುರ್ಬಲ ಪ್ರದೇಶಗಳಲ್ಲಿ ಮನುಷ್ಯರನ್ನು ಅವಲಂಬಿಸಿದೆ.
• [ ] ನಾನು "ಕ್ಲೀನ್ ಸ್ವೀಪ್" ಅನ್ನು ಭರವಸೆಯಾಗಿ ನೀಡಲಿಲ್ಲ.
• [ ] ನಾನು ರಕ್ಷಣಾ ಉದ್ದೇಶಗಳಿಗಾಗಿ ಮಾತ್ರ ಕೆಲಸ ಮಾಡಿದ್ದೇನೆ; ನಾನು ಶೋಷಣೆಗಳನ್ನು ಸೃಷ್ಟಿಸಿಲ್ಲ.