ਲਾਭ:
- ਇੱਕ ਅੰਤ-ਤੋਂ-ਅੰਤ ਵਰਕਫਲੋ ਸਥਾਪਤ ਕਰਨ ਦੀ ਸਮਰੱਥਾ ਜੋ ਵਿਚਾਰ ਤੋਂ ਮੇਨਨੈੱਟ ਤੱਕ ਹਰ ਪੜਾਅ 'ਤੇ ਇੱਕ AI + ਮਨੁੱਖੀ ਤਸਦੀਕ ਗੇਟ ਰੱਖਦਾ ਹੈ
- ਪ੍ਰਵਾਨਿਤ ਟੂਲ ਸੂਚੀ, ਡੇਟਾ ਵਰਗੀਕਰਨ, ਲੌਗਿੰਗ ਅਨੁਸ਼ਾਸਨ ਅਤੇ ਪ੍ਰਾਈਵੇਟ ਕੁੰਜੀ ਸੁਰੱਖਿਆ ਦੇ ਨਾਲ ਇੱਕ ਗਵਰਨੈਂਸ ਫਰੇਮਵਰਕ ਬਣਾਉਣ ਦੀ ਸਮਰੱਥਾ
- ਮਨੁੱਖੀ ਜ਼ਿੰਮੇਵਾਰੀ, ਵਕਾਲਤ, ਗੁਪਤਤਾ, ਪਾਰਦਰਸ਼ਤਾ ਅਤੇ ਅਖੰਡਤਾ ਦੇ ਸਿਧਾਂਤਾਂ ਨੂੰ ਵਰਕਫਲੋ ਦੇ ਹਰ ਪੜਾਅ ਵਿੱਚ ਸ਼ਾਮਲ ਕਰਨ ਦੀ ਸਮਰੱਥਾ
ਇਸ ਅੰਤਮ ਇਕਾਈ ਵਿੱਚ, ਅਸੀਂ ਮੋਡੀਊਲ ਦੇ ਸਾਰੇ ਹਿੱਸਿਆਂ ਨੂੰ ਇੱਕ ਸੁਮੇਲ ਵਰਕਫਲੋ ਵਿੱਚ ਜੋੜਦੇ ਹਾਂ: ਸਮਾਰਟ ਕੰਟਰੈਕਟ ਰਾਈਟਿੰਗ, ਆਡਿਟਿੰਗ, ਆਨ-ਚੇਨ ਵਿਸ਼ਲੇਸ਼ਣ, ਟੋਕਨੌਮਿਕਸ ਅਤੇ ਧੋਖਾਧੜੀ ਦੀ ਰੱਖਿਆ ਰਾਹੀਂ, ਇੱਕ ਵਿਚਾਰ ਤੋਂ ਸ਼ੁਰੂ ਕਰਦੇ ਹੋਏ, AI ਦੀ ਜ਼ਿੰਮੇਵਾਰੀ ਨਾਲ ਅੰਤ-ਤੋਂ-ਅੰਤ ਦੀ ਵਰਤੋਂ ਕਿਵੇਂ ਕਰੀਏ। ਅਸੀਂ ਇੱਕ ਟੀਮ ਜਾਂ ਸੁਤੰਤਰ ਮਾਹਰ ਦੇ ਰੂਪ ਵਿੱਚ ਇੱਕ ਗਵਰਨੈਂਸ ਫਰੇਮਵਰਕ ਦੀ ਸਥਾਪਨਾ ਨੂੰ ਵੀ ਕਵਰ ਕਰਾਂਗੇ — ਟੂਲ ਦੀ ਚੋਣ, ਡੇਟਾ ਵਰਗੀਕਰਨ, ਰਿਕਾਰਡਿੰਗ ਅਤੇ ਪੁਸ਼ਟੀਕਰਨ ਦਾ ਅਨੁਸ਼ਾਸਨ — ਅਤੇ ਵਰਕਫਲੋ ਵਿੱਚ ਨੈਤਿਕ ਸਿਧਾਂਤਾਂ ਨੂੰ ਸ਼ਾਮਲ ਕਰਨਾ।
ਐਂਡ-ਟੂ-ਐਂਡ ਵਰਕਫਲੋ: ਵਿਚਾਰ ਤੋਂ ਮੇਨਨੈੱਟ ਤੱਕ
AI-ਸੰਚਾਲਿਤ, ਇੱਕ Web3 ਪ੍ਰੋਜੈਕਟ ਦੀ ਮਨੁੱਖੀ-ਪ੍ਰਮਾਣਿਤ ਯਾਤਰਾ:
1. ਡਿਜ਼ਾਈਨ ਅਤੇ ਟੋਕਨੌਮਿਕਸ। AI ਵਿਧੀ ਵਿਕਲਪ ਅਤੇ ਟੋਕੇਨੋਮਿਕ ਰੂਪਰੇਖਾ ਤਿਆਰ ਕਰਦਾ ਹੈ; ਅਰਥ ਸ਼ਾਸਤਰੀ ਅਤੇ ਟੀਮ ਇਸ ਨੂੰ ਨਕਾਰਾਤਮਕ ਦ੍ਰਿਸ਼ਾਂ ਨਾਲ ਨਕਲ ਕਰਦੇ ਹਨ। ਦਰਵਾਜ਼ਾ: ਕੀ ਮਲਟੀ-ਸੀਨਰੀਓ ਸਿਮੂਲੇਸ਼ਨ ਬਰਕਰਾਰ ਹੈ?
2. ਸਪੈਲਿੰਗ। AI ਟੈਸਟ ਕੀਤੇ ਲਾਇਬ੍ਰੇਰੀ-ਅਧਾਰਿਤ ਫਰੇਮਵਰਕ ਅਤੇ ਟੈਸਟ ਟੈਂਪਲੇਟ ਤਿਆਰ ਕਰਦਾ ਹੈ; ਡਿਵੈਲਪਰ ਪੂਰਾ ਕਰਦਾ ਹੈ। ਗੇਟ: ਬਿਲਡ + ਟੈਸਟ + ਸਮੀਖਿਆ।
3. ਸਕੈਨਿੰਗ। ਜਾਣੇ-ਪਛਾਣੇ ਕਮਜ਼ੋਰ ਪੈਟਰਨਾਂ ਲਈ ਸਥਿਰ ਵਿਸ਼ਲੇਸ਼ਣ ਟੂਲ + AI ਸਕੈਨ। ਗੇਟ: ਕੀ ਝੂਠੇ ਸਕਾਰਾਤਮਕ ਨੂੰ ਖਤਮ ਕਰ ਦਿੱਤਾ ਗਿਆ ਹੈ ਅਤੇ ਅਸਲ ਉਮੀਦਵਾਰ ਆਡੀਟਰ ਨੂੰ ਦਿੱਤੇ ਗਏ ਹਨ?
4. ਆਡਿਟ। ਸੁਤੰਤਰ ਸਮਰੱਥ ਆਡੀਟਰ ਇੱਕ ਸਹਾਇਕ ਵਜੋਂ AI ਦੀ ਵਰਤੋਂ ਕਰਦੇ ਹੋਏ, ਸੰਪੂਰਨ ਤੌਰ 'ਤੇ ਜਾਂਚ ਕਰਦਾ ਹੈ; ਮਨੁੱਖ ਵਪਾਰਕ ਤਰਕ ਦਾ ਮੁਲਾਂਕਣ ਕਰਦੇ ਹਨ। ਦਰਵਾਜ਼ਾ: ਹਸਤਾਖਰਿਤ ਨਿਰੀਖਣ ਰਿਪੋਰਟ.
5. ਟੈਸਟਿੰਗ ਅਤੇ ਸਿਮੂਲੇਸ਼ਨ। ਟੈਸਟਨੈੱਟ, ਫਜ਼ਿੰਗ ਅਤੇ ਆਰਥਿਕ ਸਿਮੂਲੇਸ਼ਨ। ਦਰਵਾਜ਼ਾ: ਕੀ ਦ੍ਰਿਸ਼ ਬਰਕਰਾਰ ਰਹੇ?
6. ਦਸਤਾਵੇਜ਼। AI ਵ੍ਹਾਈਟਪੇਪਰ, NatSpec ਅਤੇ ਨਿਰਪੱਖ ਜੋਖਮ ਖੁਲਾਸਾ ਡਰਾਫਟ; ਮਨੁੱਖ ਸੱਚ ਦੀ ਪੁਸ਼ਟੀ ਕਰਦਾ ਹੈ। ਗੇਟ: ਕੀ ਤਕਨੀਕੀ ਦਾਅਵੇ ਕੋਡ ਨਾਲ ਮੇਲ ਖਾਂਦੇ ਹਨ?
7. ਵੰਡ. ਬਹੁ-ਦਸਤਖਤ ਪੁਸ਼ਟੀ, ਹੌਲੀ-ਹੌਲੀ ਮੇਨਨੈੱਟ ਨਿਕਾਸ। ਦਰਵਾਜ਼ਾ: ਕੀ ਘਟਨਾ ਪ੍ਰਤੀਕਿਰਿਆ ਯੋਜਨਾ ਤਿਆਰ ਹੈ?
8. ਨਿਗਰਾਨੀ. AI ਨਾਲ ਆਨ-ਚੇਨ ਮਾਨੀਟਰਿੰਗ ਫਲੈਗ ਅਸਮਾਨਤਾਵਾਂ; ਲੋਕ ਦਖਲ ਦਿੰਦੇ ਹਨ। ਦਰਵਾਜ਼ਾ: ਅਸੰਗਤਤਾ ਵਿੱਚ ਕੌਣ ਦਖਲ ਦੇਵੇਗਾ ਅਤੇ ਕਿਵੇਂ?
ਸੁਝਾਅ: ਇਸ ਪ੍ਰਵਾਹ ਨੂੰ ਇੱਕ ਚੈਕਲਿਸਟ ਵਿੱਚ ਤੋੜੋ ਅਤੇ ਪੁੱਛੋ ਕਿ "ਕੌਣ ਮਨਜ਼ੂਰੀ ਦਿੰਦਾ ਹੈ, ਪਾਸ ਦੀ ਸ਼ਰਤ ਕੀ ਹੈ?" ਹਰੇਕ ਦਰਵਾਜ਼ੇ ਲਈ. ਕਾਲਮ ਭਰੋ। ਮੌਖਿਕ "ਠੀਕ ਹੈ" ਨਹੀਂ ਪਰ ਲਿਖਤੀ ਦਰਵਾਜ਼ੇ ਦੀ ਅਨੁਸ਼ਾਸਨ ਸੁਰੱਖਿਆ-ਨਾਜ਼ੁਕ ਖੇਤਰ ਵਿੱਚ ਇੱਕ ਫਰਕ ਲਿਆਉਂਦੀ ਹੈ।
ਇੱਕ ਗਵਰਨੈਂਸ ਫਰੇਮਵਰਕ ਦੀ ਸਥਾਪਨਾ
ਵਿਅਕਤੀਗਤ ਚੰਗੀ ਇੱਛਾ ਕਾਫ਼ੀ ਨਹੀਂ ਹੈ; ਦੁਹਰਾਉਣਯੋਗ ਫਰੇਮਵਰਕ ਦੀ ਲੋੜ ਹੈ। ਟੀਮ ਜਾਂ ਮਾਹਰ ਲਈ ਘੱਟੋ-ਘੱਟ ਪ੍ਰਸ਼ਾਸਨ:
ਮਨਜ਼ੂਰਸ਼ੁਦਾ ਵਾਹਨਾਂ ਦੀ ਸੂਚੀ। ਕਿਹੜੇ AI ਅਤੇ ਸੁਰੱਖਿਆ ਸਾਧਨਾਂ ਦੀ ਵਰਤੋਂ ਕਿਹੜੇ ਕੰਮਾਂ ਲਈ ਕੀਤੀ ਜਾ ਸਕਦੀ ਹੈ? ਰਹੱਸਮਈ ਸ਼ਾਪਿੰਗ ਕੋਡ ਲਈ ਕਿਹੜਾ ਵੱਖਰਾ/ਐਂਟਰਪ੍ਰਾਈਜ਼ ਟੂਲ? ਮੁਫਤ ਡ੍ਰਾਈਵਿੰਗ ਲੀਕ ਹੋਣ ਦਾ ਖਤਰਾ ਹੈ।
ਡਾਟਾ ਵਰਗੀਕਰਨ. ਓਪਨ ਏਆਈ ਟੂਲ (ਪਬਲਿਕ ਕੋਡ) ਨੂੰ ਕਿਹੜਾ ਡੇਟਾ ਦਿੱਤਾ ਜਾ ਸਕਦਾ ਹੈ ਅਤੇ ਜੋ ਕਦੇ ਨਹੀਂ ਦਿੱਤਾ ਜਾ ਸਕਦਾ ਹੈ (ਅਣ-ਆਡੀਟਿਡ ਗਾਹਕ ਕੋਡ, ਪ੍ਰਾਈਵੇਟ ਕੁੰਜੀ, ਨਿੱਜੀ ਡੇਟਾ)? ਇਹ ਅੰਤਰ ਸਪਸ਼ਟ ਤੌਰ 'ਤੇ ਲਿਖਿਆ ਜਾਣਾ ਚਾਹੀਦਾ ਹੈ.
ਰਜਿਸਟ੍ਰੇਸ਼ਨ ਅਨੁਸ਼ਾਸਨ (ਆਡਿਟ ਟ੍ਰੇਲ)। AI ਦੁਆਰਾ ਕਿਹੜਾ ਆਉਟਪੁੱਟ ਤਿਆਰ ਕੀਤਾ ਗਿਆ ਸੀ ਅਤੇ ਕਿਸਨੇ ਇਸਦੀ ਪੁਸ਼ਟੀ ਕੀਤੀ ਸੀ ਰਿਕਾਰਡ ਕੀਤੀ ਗਈ ਹੈ। ਇਹ ਪਾਰਦਰਸ਼ਤਾ ਅਤੇ ਜਵਾਬਦੇਹੀ ਦੋਵਾਂ ਲਈ ਜ਼ਰੂਰੀ ਹੈ।
ਲਗਾਤਾਰ ਤਸਦੀਕ. AI ਦੁਆਰਾ ਪੇਸ਼ ਕੀਤਾ ਕੋਈ ਵੀ ਸੁਰੱਖਿਆ ਦਾਅਵਾ ਬਿਨਾਂ ਤਸਦੀਕ ਦੇ ਅੱਗੇ ਨਹੀਂ ਵਧਦਾ; ਇਹ ਸੱਭਿਆਚਾਰ ਹੋਣਾ ਚਾਹੀਦਾ ਹੈ।
ਸ਼ਾਸਨ ਤੱਤ
ਸਵਾਲ
ਮਕਸਦ
ਮਨਜ਼ੂਰਸ਼ੁਦਾ ਵਾਹਨ
ਕਿਹੜਾ ਸਾਧਨ, ਕਿਹੜਾ ਕੰਮ?
ਇਕਸਾਰਤਾ, ਲੀਕ ਦੀ ਰੋਕਥਾਮ
ਡਾਟਾ ਵਰਗੀਕਰਨ
ਕੀ ਦਿੱਤਾ ਜਾ ਸਕਦਾ ਹੈ ਅਤੇ ਕੀ ਨਹੀਂ ਦਿੱਤਾ ਜਾ ਸਕਦਾ?
ਗੋਪਨੀਯਤਾ
ਰਜਿਸਟ੍ਰੇਸ਼ਨ ਅਨੁਸ਼ਾਸਨ
ਇਹ ਕਿਸਨੇ ਤਿਆਰ ਕੀਤਾ, ਕਿਸਨੇ ਇਸਦੀ ਪੁਸ਼ਟੀ ਕੀਤੀ?
ਜਵਾਬਦੇਹੀ
ਪ੍ਰਮਾਣਿਕਤਾ ਦਰਵਾਜ਼ੇ
ਤਬਦੀਲੀ ਦੀ ਸਥਿਤੀ ਕੀ ਹੈ?
ਸੁਰੱਖਿਆ
ਕੁੰਜੀ ਅਤੇ ਗੋਪਨੀਯਤਾ ਸੁਰੱਖਿਆ
Web3 ਲਈ ਖਾਸ ਇੱਕ ਨਾਜ਼ੁਕ ਚੇਤਾਵਨੀ: ਪ੍ਰਾਈਵੇਟ ਕੁੰਜੀ (ਗੁਪਤ ਕੁੰਜੀ ਜੋ ਵਾਲਿਟ ਅਤੇ ਫੰਡਾਂ ਤੱਕ ਪਹੁੰਚ ਪ੍ਰਦਾਨ ਕਰਦੀ ਹੈ) ਅਤੇ ਬੀਜ ਵਾਕਾਂਸ਼ (ਰਿਕਵਰੀ ਸ਼ਬਦ) ਕਿਸੇ ਵੀ ਸਥਿਤੀ ਵਿੱਚ AI ਟੂਲ, ਪ੍ਰੋਂਪਟ, ਜਾਂ ਕਿਤੇ ਵੀ ਔਨਲਾਈਨ ਨਹੀਂ ਲਿਖੇ ਗਏ ਹਨ। ਇਸਦਾ ਅਰਥ ਹੈ ਫੰਡਾਂ ਦਾ ਸਿੱਧਾ ਨੁਕਸਾਨ. ਇਸੇ ਤਰ੍ਹਾਂ, ਅਣ-ਆਡਿਟਡ ਕਲਾਇੰਟ ਕੋਡ ਨੂੰ ਬਿਨਾਂ ਇਜਾਜ਼ਤ ਦੇ ਓਪਨ ਏਆਈ ਟੂਲਸ ਵਿੱਚ ਪੇਸਟ ਨਹੀਂ ਕੀਤਾ ਜਾ ਸਕਦਾ ਹੈ।
ਸਾਵਧਾਨ: "ਮੈਨੂੰ AI ਨੂੰ ਆਪਣੀ ਨਿੱਜੀ ਕੁੰਜੀ ਦੇਣ ਦਿਓ ਅਤੇ ਇਸਨੂੰ ਮੇਰੇ ਵਾਲਿਟ ਦਾ ਪ੍ਰਬੰਧਨ ਕਰਨ ਲਈ ਕਹੋ" ਵਰਗਾ ਇੱਕ ਵਿਚਾਰ ਇੱਕ ਤਬਾਹੀ ਹੈ। ਪ੍ਰਾਈਵੇਟ ਕੁੰਜੀ ਸਿਰਫ਼ ਇੱਕ ਸੁਰੱਖਿਅਤ, ਔਫਲਾਈਨ ਜਾਂ ਹਾਰਡਵੇਅਰ ਵਾਲਿਟ ਵਿੱਚ ਰੱਖੀ ਜਾਂਦੀ ਹੈ। AI ਨੂੰ ਕਦੇ ਵੀ ਇੱਕ ਕੁੰਜੀ ਨਹੀਂ ਦੇਖਣੀ ਚਾਹੀਦੀ.
ਕਮਜ਼ੋਰ ਪਹੁੰਚ / ਮਜ਼ਬੂਤ ਪਹੁੰਚ
ਕਮਜ਼ੋਰ ਪਹੁੰਚ:
ਹਰ ਕਿਸੇ ਨੂੰ ਜੋ ਵੀ AI ਟੂਲ ਉਹ ਚਾਹੁੰਦੇ ਹਨ, ਦੀ ਵਰਤੋਂ ਕਰਨੀ ਚਾਹੀਦੀ ਹੈ, ਜੋ ਵੀ ਆਉਂਦਾ ਹੈ। ਗਾਹਕ ਕੋਡ ਨੂੰ ਸਭ ਤੋਂ ਤੇਜ਼ ਟੂਲ ਵਿੱਚ ਪੇਸਟ ਕਰੋ ਅਤੇ ਸਿੱਧੇ ਆਉਟਪੁੱਟ ਦੀ ਵਰਤੋਂ ਕਰੋ।
ਸ਼ਕਤੀਸ਼ਾਲੀ ਪਹੁੰਚ:
ਮਾਨਤਾ ਪ੍ਰਾਪਤ ਵਾਹਨਾਂ ਦੀ ਸੂਚੀ ਹੈ। ਗੁਪਤ ਕੋਡ ਸਿਰਫ਼ ਅਲੱਗ ਵਾਹਨ ਵਿੱਚ ਅਤੇ ਗਾਹਕ ਦੀ ਮਨਜ਼ੂਰੀ ਨਾਲ। ਹਰੇਕ AI ਆਉਟਪੁੱਟ ਤਸਦੀਕ ਗੇਟ ਵਿੱਚੋਂ ਲੰਘਦਾ ਹੈ ਅਤੇ ਜਿਸ ਨੇ ਇਸਦੀ ਪੁਸ਼ਟੀ ਕੀਤੀ ਹੈ, ਰਿਕਾਰਡ ਕੀਤੀ ਜਾਂਦੀ ਹੈ। ਪ੍ਰਾਈਵੇਟ ਕੁੰਜੀ ਕਿਸੇ ਵੀ ਵਾਹਨ ਵਿੱਚ ਦਾਖਲ ਨਹੀਂ ਹੁੰਦੀ। ਹਰੇਕ ਸੁਰੱਖਿਆ ਦਾਅਵੇ ਲਈ ਸੁਤੰਤਰ ਪੁਸ਼ਟੀ ਦੀ ਲੋੜ ਹੁੰਦੀ ਹੈ।
ਚਾਰ ਕਾਪੀ ਕਰਨ ਯੋਗ ਟੈਂਪਲੇਟ
1) ਵਰਕਫਲੋ ਗੇਟ ਪਲਾਨ:
ਵਿਚਾਰ ਤੋਂ ਮੇਨਨੈੱਟ ਤੱਕ ਇੱਕ Web3 ਪ੍ਰੋਜੈਕਟ ਲਈ ਇੱਕ AI-ਸੰਚਾਲਿਤ, ਮਨੁੱਖੀ-ਪ੍ਰਮਾਣਿਤ ਵਰਕਫਲੋ ਯੋਜਨਾ ਤਿਆਰ ਕਰੋ। ਹਰੇਕ ਪੜਾਅ ਲਈ: ਏਆਈ ਕੀ ਕਰਦਾ ਹੈ, ਮਨੁੱਖੀ ਗੇਟ ਕੀ ਹੈ, ਪਰਿਵਰਤਨ ਸਥਿਤੀ ਕੀ ਹੈ? ਇਸਨੂੰ ਇੱਕ ਮੇਜ਼ ਦੇ ਨਾਲ ਪੇਸ਼ ਕਰੋ. ਸੁਰੱਖਿਆ-ਨਾਜ਼ੁਕ ਕਦਮਾਂ 'ਤੇ ਸਪੱਸ਼ਟ ਤੌਰ 'ਤੇ ਰਾਜ ਮਾਹਰ ਦੀ ਮਨਜ਼ੂਰੀ।
2) ਡੇਟਾ ਵਰਗੀਕਰਨ ਨੀਤੀ:
ਇੱਕ ਆਡਿਟ ਟੀਮ ਲਈ "AI ਨੂੰ ਕੀ ਦਿੱਤਾ ਜਾ ਸਕਦਾ ਹੈ" ਨੀਤੀ ਲਿਖੋ: ਜਨਤਕ ਕੋਡ, ਅਣ-ਆਡਿਟ ਕੀਤੇ ਗਾਹਕ ਕੋਡ, ਨਿੱਜੀ ਡੇਟਾ, ਨਿੱਜੀ ਕੁੰਜੀ ਲਈ ਵੱਖਰੇ ਨਿਯਮ। ਹਰੇਕ ਸ਼੍ਰੇਣੀ ਲਈ "ਨਿਰਯਾਤਯੋਗ/ਵਾਹਨ ਵਿੱਚ ਅਲੱਗ-ਥਲੱਗ/ਕਦੇ ਨਹੀਂ" ਨਿਰਧਾਰਤ ਕਰੋ। ਆਪਣੇ ਕਾਰਨ ਲਿਖੋ।
3) AI ਵਰਤੋਂ ਪਾਰਦਰਸ਼ਤਾ ਨੋਟ:
ਆਡਿਟ/ਡੌਕੂਮੈਂਟੇਸ਼ਨ ਆਉਟਪੁੱਟ ਲਈ ਇੱਕ ਡਰਾਫਟ ਪਾਰਦਰਸ਼ਤਾ ਨੋਟ ਤਿਆਰ ਕਰੋ: ਏਆਈ ਦੀ ਵਰਤੋਂ ਕਿਵੇਂ ਅਤੇ ਕਿਸ ਪੜਾਅ 'ਤੇ ਕੀਤੀ ਜਾਂਦੀ ਹੈ; ਕਿਹੜਾ ਆਉਟਪੁੱਟ ਮਨੁੱਖੀ ਤੌਰ 'ਤੇ ਪ੍ਰਮਾਣਿਤ ਹੈ; ਜਿਸ ਦੀ ਅੰਤਮ ਜ਼ਿੰਮੇਵਾਰੀ ਹੈ। ਇਮਾਨਦਾਰ ਅਤੇ ਮਾਪੇ ਬਣੋ.
4) ਘਟਨਾ ਪ੍ਰਤੀਕਿਰਿਆ ਅਤੇ ਸੰਚਾਰ ਯੋਜਨਾ:
ਇੱਕ ਪ੍ਰੋਟੋਕੋਲ ਵਿੱਚ ਲਾਈਵ ਸੁਰੱਖਿਆ ਘਟਨਾ ਲਈ ਇੱਕ ਜਵਾਬ ਯੋਜਨਾ ਦਾ ਖਰੜਾ ਤਿਆਰ ਕਰੋ: ਤਕਨੀਕੀ ਕਦਮ (ਸਟਾਪ, ਫੰਡ ਸੁਰੱਖਿਆ), ਸੰਚਾਰ (ਕਮਿਊਨਿਟੀ, ਉਪਭੋਗਤਾ), ਪੋਸਟ (ਵਿਸ਼ਲੇਸ਼ਣ, ਰਿਕਵਰੀ)। ਇਹ ਇੱਕ ਡਰਾਫਟ ਹੈ; ਟੀਮ ਨੂੰ ਕੈਲੀਬਰੇਟ ਕਰਨਾ ਚਾਹੀਦਾ ਹੈ। ਪੈਨਿਕ ਭਾਸ਼ਾ ਦੀ ਵਰਤੋਂ ਕਰਨਾ; ਸਪੱਸ਼ਟ ਅਤੇ ਸ਼ਾਂਤ ਰਹੋ.
ਤਿੰਨ ਛੋਟੇ ਕੇਸ (ਸੰਖਿਆ ਵਿੱਚ)
ਕੇਸ 1 - ਸ਼ਾਸਨ ਨੇ ਲੀਕ ਹੋਣ ਤੋਂ ਰੋਕਿਆ। ਇੱਕ ਆਡਿਟ ਫਰਮ ਨੇ ਇੱਕ ਆਡੀਟਰ ਨੂੰ ਇੱਕ ਜਨਤਕ ਤੌਰ 'ਤੇ ਉਪਲਬਧ ਟੂਲ ਵਿੱਚ ਗੁਪਤ ਕਲਾਇੰਟ ਕੋਡ ਨੂੰ ਪੇਸਟ ਕਰਨ ਤੋਂ ਰੋਕਿਆ, ਇਸਦੀ ਡੇਟਾ ਵਰਗੀਕਰਨ ਨੀਤੀ (ਪਾਲਿਸੀ ਨੇ ਅਲੱਗ-ਥਲੱਗ ਟੂਲ ਨੂੰ ਲਾਜ਼ਮੀ ਕੀਤਾ) ਦਾ ਧੰਨਵਾਦ ਕੀਤਾ। ਇਕਰਾਰਨਾਮੇ ਦੀ ਸੰਭਾਵੀ ਉਲੰਘਣਾ ਅਤੇ ਲੀਕੇਜ ਨੂੰ ਰੋਕਿਆ ਗਿਆ ਸੀ। ਪਾਠ: ਲਿਖਤੀ ਨੀਤੀ ਵਿਅਕਤੀਗਤ ਗਲਤੀ ਨੂੰ ਫੜਦੀ ਹੈ।
ਕੇਸ 2 - ਗੇਟ ਅਨੁਸ਼ਾਸਨ ਇਕਸਾਰਤਾ ਲਿਆਇਆ। ਇੱਕ ਟੀਮ ਨੇ 6-ਪ੍ਰੋਜੈਕਟ ਤਿਮਾਹੀ ਵਿੱਚ ਹਰੇਕ ਪ੍ਰੋਜੈਕਟ ਲਈ ਉਹੀ 8-ਪੋਰਟ ਪ੍ਰਵਾਹ ਲਾਗੂ ਕੀਤਾ। ਆਡਿਟ ਤੋਂ ਪਹਿਲਾਂ ਫੜੇ ਗਏ ਨਤੀਜਿਆਂ ਦੀ ਗਿਣਤੀ ਵਿੱਚ 40% ਦਾ ਵਾਧਾ ਹੋਇਆ ਹੈ, ਜਦੋਂ ਕਿ ਮੇਨਨੈੱਟ ਤੋਂ ਬਾਅਦ ਘਟਨਾਵਾਂ ਦੀ ਗਿਣਤੀ ਜ਼ੀਰੋ ਸੀ। ਸਬਕ: ਦੁਹਰਾਉਣ ਯੋਗ ਫਰੇਮਵਰਕ ਗੁਣਵੱਤਾ ਨੂੰ ਮਿਆਰੀ ਬਣਾਉਂਦਾ ਹੈ।
ਕੇਸ 3 - ਮੁੱਖ ਤਬਾਹੀ ਤੋਂ ਵਾਪਸੀ। ਡੀਬੱਗ ਦੌਰਾਨ ਇੱਕ ਡਿਵੈਲਪਰ ਇੱਕ ਟੈਸਟ ਵਾਲਿਟ ਦੀ ਪ੍ਰਾਈਵੇਟ ਕੁੰਜੀ ਨੂੰ ਏਆਈ ਪ੍ਰੋਂਪਟ ਵਿੱਚ ਪੇਸਟ ਕਰਨ ਵਾਲਾ ਸੀ; ਉਸਨੇ ਬੰਦ ਕਰ ਦਿੱਤਾ ਅਤੇ ਕੁੰਜੀ ਨੂੰ ਘੁੰਮਾਇਆ ਕਿਉਂਕਿ ਟੀਮ ਨੀਤੀ ਨੇ ਇਸਦੀ ਮਨਾਹੀ ਕੀਤੀ ਸੀ। ਜੇ ਇਹ ਅਸਲ ਫੰਡਿੰਗ ਹੁੰਦੀ ਤਾਂ ਇਹ ਇੱਕ ਤਬਾਹੀ ਹੋਵੇਗੀ। ਸਬਕ: ਕੁੰਜੀ ਕਿਸੇ ਵੀ ਵਾਹਨ ਵਿੱਚ ਦਾਖਲ ਨਹੀਂ ਹੁੰਦੀ, ਕੋਈ ਅਪਵਾਦ ਨਹੀਂ।
ਵਰਕਫਲੋ ਵਿੱਚ ਨੈਤਿਕਤਾ ਨੂੰ ਏਮਬੈਡ ਕਰਨਾ
ਨੈਤਿਕਤਾ ਬਾਅਦ ਵਿੱਚ ਜੋੜੀ ਗਈ ਇੱਕ ਵਸਤੂ ਨਹੀਂ ਹੈ, ਪਰ ਇੱਕ ਅਨੁਸ਼ਾਸਨ ਪ੍ਰਵਾਹ ਦੇ ਹਰ ਪੜਾਅ ਵਿੱਚ ਸ਼ਾਮਲ ਹੈ:
- ਮਨੁੱਖੀ ਜ਼ਿੰਮੇਵਾਰੀ ਹਰ ਸੁਰੱਖਿਆ-ਨਾਜ਼ੁਕ ਦਰਵਾਜ਼ੇ 'ਤੇ ਹੈ।
- ਰੱਖਿਆਤਮਕ ਉਦੇਸ਼: ਵਾਹਨਾਂ ਦੀ ਰੱਖਿਆ ਅਤੇ ਨਿਯੰਤਰਣ ਕਰਨਾ; ਕਦੇ ਵੀ ਸ਼ੋਸ਼ਣ ਜਾਂ ਫਸਾਉਣ ਲਈ ਨਹੀਂ।
- ਗੋਪਨੀਯਤਾ: ਗਾਹਕ ਡੇਟਾ ਅਤੇ ਕੁੰਜੀਆਂ ਸੁਰੱਖਿਅਤ ਹਨ।
- ਪਾਰਦਰਸ਼ਤਾ: AI ਦੀ ਵਰਤੋਂ ਇਮਾਨਦਾਰੀ ਨਾਲ ਦੱਸੀ ਗਈ ਹੈ।
- ਇਮਾਨਦਾਰੀ: ਉਪਭੋਗਤਾਵਾਂ ਅਤੇ ਨਿਵੇਸ਼ਕਾਂ ਨੂੰ ਗੁੰਮਰਾਹ ਨਹੀਂ ਕੀਤਾ ਜਾਂਦਾ, ਜੋਖਮ ਲੁਕੇ ਨਹੀਂ ਹੁੰਦੇ।
- ਨਿਰਪੱਖਤਾ ਅਤੇ ਤਸਦੀਕ: ਹਰ ਦਾਅਵੇ ਦਾ ਕਾਰਨ ਸਰੋਤ ਨੂੰ ਦਿੱਤਾ ਜਾਂਦਾ ਹੈ, ਹਿੱਤਾਂ ਦੇ ਟਕਰਾਅ ਨੂੰ ਧਿਆਨ ਵਿੱਚ ਰੱਖਿਆ ਜਾਂਦਾ ਹੈ।
ਇਹ ਸਿਧਾਂਤ ਅਮੂਰਤ ਨਹੀਂ ਹਨ; ਇਹ ਹਰ ਪ੍ਰੋਂਪਟ 'ਤੇ, ਹਰ ਦਰਵਾਜ਼ੇ 'ਤੇ ਅਤੇ ਹਰ ਆਉਟਪੁੱਟ 'ਤੇ ਠੋਸ ਫੈਸਲਿਆਂ ਵਿੱਚ ਬਦਲਦਾ ਹੈ। ਇਸ ਮੋਡੀਊਲ ਦਾ ਸਾਰ ਇਹ ਹੈ: AI Web3 ਮਾਹਰ ਦੀ ਸ਼ਕਤੀ ਨੂੰ ਵਧਾਉਂਦਾ ਹੈ; ਪਰ ਇਹ ਨਿਰਣੇ, ਜ਼ਿੰਮੇਵਾਰੀ ਅਤੇ ਨੈਤਿਕਤਾ ਦੀ ਥਾਂ ਨਹੀਂ ਲੈਂਦਾ।
ਆਮ ਗਲਤੀਆਂ
- ਲਿਖਤੀ ਵਰਕਫਲੋ/ਗੇਟ ਅਨੁਸ਼ਾਸਨ ਦੀ ਘਾਟ। ਇੱਕ ਮੌਖਿਕ "ਠੀਕ ਹੈ" ਕਾਫ਼ੀ ਨਹੀਂ ਹੈ।
- ਪ੍ਰਵਾਨਿਤ ਸਾਧਨਾਂ ਅਤੇ ਡੇਟਾ ਨੀਤੀ ਤੋਂ ਬਿਨਾਂ ਕੰਮ ਕਰਨਾ. ਲੀਕ ਹੋਣ ਦਾ ਖਤਰਾ।
- AI ਦੀ ਵਰਤੋਂ ਨੂੰ ਲੁਕਾਉਣਾ। ਇਹ ਪਾਰਦਰਸ਼ਤਾ ਦੇ ਸਿਧਾਂਤ ਦੇ ਵਿਰੁੱਧ ਹੈ।
- ਵਾਹਨ ਨੂੰ ਪ੍ਰਾਈਵੇਟ ਕੁੰਜੀ/ਗੁਪਤ ਕੋਡ ਦੇਣਾ। ਪੂਰੀ ਤਬਾਹੀ.
- ਘਟਨਾ ਪ੍ਰਤੀਕਿਰਿਆ ਯੋਜਨਾ ਦੇ ਬਿਨਾਂ ਲਾਈਵ ਜਾਣਾ। ਇੱਕ ਸੰਕਟ ਵਿੱਚ ਤਿਆਰੀ ਦੀ ਘਾਟ.
- ਨੈਤਿਕਤਾ ਨੂੰ ਇੱਕ ਆਈਟਮ ਦੇ ਤੌਰ ਤੇ ਮੰਨਣਾ ਅੰਤ ਤੱਕ ਛੱਡ ਦਿੱਤਾ ਗਿਆ ਹੈ. ਨੈਤਿਕਤਾ ਹਰ ਕਦਮ ਵਿੱਚ ਸ਼ਾਮਲ ਹੋਣੀ ਚਾਹੀਦੀ ਹੈ।
ਸੰਖੇਪ ਵਿੱਚ
- ਅੰਤ-ਤੋਂ-ਅੰਤ ਦਾ ਪ੍ਰਵਾਹ ਵਿਚਾਰ ਤੋਂ ਨਿਗਰਾਨੀ ਤੱਕ, ਹਰ ਪੜਾਅ 'ਤੇ ਇੱਕ AI + ਮਨੁੱਖੀ ਤਸਦੀਕ ਗੇਟ ਰੱਖਦਾ ਹੈ।
- ਗਵਰਨੈਂਸ ਫਰੇਮਵਰਕ: ਪ੍ਰਵਾਨਿਤ ਸਾਧਨ, ਡੇਟਾ ਵਰਗੀਕਰਨ, ਲੌਗਿੰਗ ਅਨੁਸ਼ਾਸਨ, ਨਿਰੰਤਰ ਤਸਦੀਕ।
- ਪ੍ਰਾਈਵੇਟ ਕੁੰਜੀ ਅਤੇ ਗੁਪਤ ਕੋਡ ਕਿਸੇ ਵੀ ਏਆਈ ਟੂਲ ਨੂੰ ਨਹੀਂ ਦਿੱਤੇ ਗਏ ਹਨ; ਇਹ ਅਪਵਾਦ ਤੋਂ ਬਿਨਾਂ ਇੱਕ ਨਿਯਮ ਹੈ।
- ਨੈਤਿਕ ਸਿਧਾਂਤ (ਜ਼ਿੰਮੇਵਾਰੀ, ਵਕਾਲਤ, ਗੁਪਤਤਾ, ਪਾਰਦਰਸ਼ਤਾ, ਇਮਾਨਦਾਰੀ) ਹਰ ਕਦਮ ਵਿੱਚ ਸ਼ਾਮਲ ਹਨ।
- ਏਆਈ ਮਾਹਰ ਦੀ ਸ਼ਕਤੀ ਨੂੰ ਵਧਾਉਂਦਾ ਹੈ; ਇਹ ਨਿਰਣੇ, ਜ਼ਿੰਮੇਵਾਰੀ ਅਤੇ ਨੈਤਿਕਤਾ ਦੀ ਥਾਂ ਨਹੀਂ ਲੈਂਦਾ।
ਐਪਲੀਕੇਸ਼ਨ ਦਾ ਕੰਮ
ਆਪਣੇ ਜਾਂ ਆਪਣੀ ਟੀਮ ਲਈ ਇੱਕ ਪੰਨੇ ਦਾ "Web3 AI ਵਰਤੋਂ ਫਰੇਮਵਰਕ" ਲਿਖੋ: (1) ਵਿਚਾਰ ਤੋਂ ਮੇਨਨੈੱਟ ਤੱਕ 8-ਪੜਾਅ ਦਾ ਗੇਟਵੇ, (2) ਡੇਟਾ ਵਰਗੀਕਰਨ ਨੀਤੀ, (3) ਕੁੰਜੀ/ਗੋਪਨੀਯਤਾ ਨਿਯਮ, (4) ਨੈਤਿਕ ਸਿਧਾਂਤਾਂ ਦੀ ਸੂਚੀ। ਫਿਰ ਇਸ ਫਰੇਮਵਰਕ ਦੇ ਅਨੁਸਾਰ ਇਸ ਮੋਡਿਊਲ (ਜਿਵੇਂ ਕਿ ਇਕਰਾਰਨਾਮੇ ਦਾ ਆਡਿਟ) ਵਿੱਚ ਸਿੱਖੇ ਗਏ ਅਸਲ ਕਾਰਜ ਦੀ ਚੰਗੀ ਤਰ੍ਹਾਂ ਯੋਜਨਾ ਬਣਾਓ ਅਤੇ ਨਿਸ਼ਾਨ ਲਗਾਓ ਕਿ AI ਕਿਸ ਕਦਮ ਵਿੱਚ ਸਭ ਤੋਂ ਭਰੋਸੇਯੋਗ ਹੈ ਅਤੇ ਕਿਹੜਾ ਘੱਟ ਭਰੋਸੇਮੰਦ ਹੈ।
ਚੈੱਕਲਿਸਟ
- [ ] ਮੇਰੇ ਕੋਲ ਵਿਚਾਰ ਤੋਂ ਮੇਨਨੈੱਟ ਤੱਕ ਇੱਕ ਗੇਟ ਅਨੁਸ਼ਾਸਨ ਲਿਖਿਆ ਹੋਇਆ ਹੈ।
- [ ] ਮੇਰੇ ਕੋਲ ਇੱਕ ਪ੍ਰਵਾਨਿਤ ਵਾਹਨ ਅਤੇ ਡੇਟਾ ਵਰਗੀਕਰਨ ਨੀਤੀ ਹੈ।
- [ ] ਮੈਂ ਇਹ ਨਿਯਮ ਬਣਾਇਆ ਹੈ ਕਿ ਨਿੱਜੀ ਚਾਬੀ/ਗੁਪਤ ਕੋਡ ਕਦੇ ਵੀ ਵਾਹਨ ਨੂੰ ਨਹੀਂ ਦਿੱਤਾ ਜਾਵੇਗਾ।
- [ ] ਮੈਂ ਪਾਰਦਰਸ਼ੀ ਤੌਰ 'ਤੇ AI ਦੀ ਵਰਤੋਂ ਦਾ ਦਸਤਾਵੇਜ਼ ਤਿਆਰ ਕਰਦਾ ਹਾਂ।
- [ ] ਮੈਂ ਹਰ ਸੁਰੱਖਿਆ ਦਾਅਵੇ ਨੂੰ ਤਸਦੀਕ ਗੇਟ ਰਾਹੀਂ ਪਾਸ ਕਰਦਾ ਹਾਂ।
- [ ] ਮੇਰੇ ਕੋਲ ਇੱਕ ਘਟਨਾ ਪ੍ਰਤੀਕਿਰਿਆ ਯੋਜਨਾ ਹੈ।
- ਮੈਂ ਹਰ ਕਦਮ ਵਿੱਚ ਨੈਤਿਕ ਸਿਧਾਂਤਾਂ ਨੂੰ ਸ਼ਾਮਲ ਕੀਤਾ ਹੈ; ਮੈਂ ਅਪਣਾਇਆ ਹੈ ਕਿ ਜ਼ਿੰਮੇਵਾਰੀ ਲੋਕਾਂ ਦੀ ਹੈ।
ਮੋਡੀਊਲ ਪ੍ਰੀਖਿਆ
1. ਬਲਾਕਚੈਨ ਅਤੇ ਵੈਬ3 ਵਿੱਚ ਨਕਲੀ ਬੁੱਧੀ ਲਈ ਹੇਠ ਲਿਖੀਆਂ ਵਿੱਚੋਂ ਕਿਹੜੀ ਸਥਿਤੀ ਸਭ ਤੋਂ ਸਹੀ ਹੈ?
- ਏ) ਨਕਲੀ ਬੁੱਧੀ ਸੁਰੱਖਿਆ ਆਡਿਟ ਨੂੰ ਆਪਣੇ ਆਪ ਪੂਰਾ ਕਰ ਸਕਦੀ ਹੈ ਅਤੇ ਕੋਡ ਨੂੰ ਸਿੱਧੇ ਮੇਨਨੈੱਟ ਵਿੱਚ ਆਯਾਤ ਕਰ ਸਕਦੀ ਹੈ
- ਅ) AI Web3 'ਤੇ ਕੰਮ ਨਹੀਂ ਕਰਦਾ; ਸਾਰੇ ਕੰਮ ਪੂਰੀ ਤਰ੍ਹਾਂ ਹੱਥ ਨਾਲ ਕੀਤੇ ਜਾਣੇ ਚਾਹੀਦੇ ਹਨ
- C) AI ਇੱਕ ਡਰਾਫਟ ਜਨਰੇਟਰ ਅਤੇ ਐਕਸਲੇਟਰ ਸਹਾਇਕ ਹੈ; ਸੁਰੱਖਿਆ-ਨਾਜ਼ੁਕ ਅੰਤਮ ਪ੍ਰਵਾਨਗੀ ਸਮਰੱਥ ਮਾਹਰ ਕੋਲ ਹੈ ✔
- ਡੀ) ਕਿਉਂਕਿ ਨਕਲੀ ਬੁੱਧੀ ਮਨੁੱਖਾਂ ਨਾਲੋਂ ਵਧੇਰੇ ਉਦੇਸ਼ ਹੈ, ਸੁਰੱਖਿਆ ਫੈਸਲੇ ਇਸ 'ਤੇ ਛੱਡ ਦਿੱਤੇ ਜਾਣੇ ਚਾਹੀਦੇ ਹਨ।
ਵਰਣਨ: Web3 ਵਿੱਚ, ਸੌਫਟਵੇਅਰ ਦੀਆਂ ਗਲਤੀਆਂ ਅਟੱਲ ਤੌਰ 'ਤੇ ਸਿੱਧੇ ਪੈਸੇ ਵਿੱਚ ਬਦਲ ਜਾਂਦੀਆਂ ਹਨ। ਬਣਾਵਟੀ ਗਿਆਨ; ਇਹ ਇੱਕ ਐਕਸਲੇਟਰ ਸਹਾਇਕ ਹੈ ਜੋ ਡਰਾਫਟ ਤਿਆਰ ਕਰਦਾ ਹੈ, ਪੈਟਰਨਾਂ ਨੂੰ ਚਿੰਨ੍ਹਿਤ ਕਰਦਾ ਹੈ ਅਤੇ ਸਵਾਲ ਲਿਖਦਾ ਹੈ। ਸੁਰੱਖਿਆ-ਨਾਜ਼ੁਕ ਆਡਿਟ ਵਿੱਚ, ਅੰਤਮ ਗੱਲ ਉਸ ਕਾਬਲ ਮਾਹਰ ਨਾਲ ਹੁੰਦੀ ਹੈ ਜੋ ਪੇਸ਼ੇਵਰ ਜ਼ਿੰਮੇਵਾਰੀ ਲੈਂਦਾ ਹੈ; ਆਰਟੀਫੀਸ਼ੀਅਲ ਇੰਟੈਲੀਜੈਂਸ ਦਾ ਯੋਗਦਾਨ ਵਧਦਾ ਹੈ ਕਿਉਂਕਿ ਗਲਤੀ ਦੀ ਕੀਮਤ ਘਟਦੀ ਹੈ।
2. ਇੱਕ ਸਮਾਰਟ ਕੰਟਰੈਕਟ ਵਿਕਸਿਤ ਕਰਨ ਵੇਲੇ ਕੋਡ ਲਿਖਣ ਲਈ AI ਪ੍ਰਾਪਤ ਕਰਨ ਲਈ ਸਭ ਤੋਂ ਸੁਰੱਖਿਅਤ ਪਹੁੰਚ ਕੀ ਹੈ?
- A) ਟੈਸਟ ਕੀਤੇ/ਪ੍ਰਮਾਣਿਤ ਲਾਇਬ੍ਰੇਰੀਆਂ ਦੇ ਆਧਾਰ 'ਤੇ ਇੱਕ ਫਰੇਮਵਰਕ ਤਿਆਰ ਕਰੋ, ਟੈਸਟਨੈੱਟ ਨਾਲ ਕੰਪਾਇਲ, ਟੈਸਟ ਅਤੇ ਪੁਸ਼ਟੀ ਕਰੋ ✔
- ਅ) ਸੁਰੱਖਿਆ ਵਿਧੀਆਂ ਨੂੰ ਸਕ੍ਰੈਚ ਤੋਂ ਆਰਟੀਫੀਸ਼ੀਅਲ ਇੰਟੈਲੀਜੈਂਸ ਵਿੱਚ ਇੱਕ ਵਿਲੱਖਣ ਤਰੀਕੇ ਨਾਲ ਲਿਖਣਾ
- C) ਜਿਵੇਂ ਹੀ ਕੋਡ ਕੰਪਾਇਲ ਕੀਤਾ ਜਾਂਦਾ ਹੈ, ਇਸਨੂੰ ਸੁਰੱਖਿਅਤ ਸਮਝੋ ਅਤੇ ਇਸਨੂੰ ਸਿੱਧੇ ਮੇਨਨੈੱਟ ਵਿੱਚ ਟ੍ਰਾਂਸਫਰ ਕਰੋ।
- D) ਪਹੁੰਚ ਨਿਯੰਤਰਣ ਨੂੰ ਅੰਤ ਤੱਕ ਛੱਡੋ ਅਤੇ ਸਿਰਫ ਕਾਰਜਸ਼ੀਲਤਾ 'ਤੇ ਧਿਆਨ ਕੇਂਦਰਤ ਕਰੋ
ਵਿਆਖਿਆ: ਸਕ੍ਰੈਚ ਤੋਂ ਪ੍ਰਿੰਟ ਸੁਰੱਖਿਆ ਜੋਖਮ ਭਰੀ ਹੈ; AI ਮੂਲ ਸੁਰੱਖਿਆ ਕੋਡ ਵਿੱਚ ਗਲਤੀਆਂ ਕਰ ਸਕਦਾ ਹੈ ਅਤੇ ਸਿਖਲਾਈ ਡੇਟਾ ਪੁਰਾਣਾ ਹੋ ਸਕਦਾ ਹੈ। ਸਹੀ ਪਹੁੰਚ ਇਹ ਹੈ ਕਿ ਅਜ਼ਮਾਈ ਅਤੇ ਟੈਸਟ ਕੀਤੀਆਂ ਲਾਇਬ੍ਰੇਰੀਆਂ (ਉਦਾਹਰਣ ਵਜੋਂ ਓਪਨਜ਼ੈਪੇਲਿਨ) ਦੇ ਅਧਾਰ ਤੇ ਇੱਕ ਫਰੇਮਵਰਕ ਤਿਆਰ ਕੀਤਾ ਜਾਵੇ, ਫਿਰ ਟੈਸਟਨੈੱਟ ਨਾਲ ਬਣਾਓ, ਟੈਸਟ ਕਰੋ ਅਤੇ ਤਸਦੀਕ ਕਰੋ।
3. ਇੱਕ ਆਡੀਟਰ ਨੂੰ ਇਸਦੀ ਵਿਆਖਿਆ ਕਿਵੇਂ ਕਰਨੀ ਚਾਹੀਦੀ ਹੈ ਜਦੋਂ ਉਹ ਏਆਈ ਨੂੰ ਇਕਰਾਰਨਾਮੇ ਬਾਰੇ ਪੁੱਛਦਾ ਹੈ ਅਤੇ ਜਵਾਬ ਪ੍ਰਾਪਤ ਕਰਦਾ ਹੈ ਕਿ 'ਕੋਈ ਮਹੱਤਵਪੂਰਨ ਸੁਰੱਖਿਆ ਮੁੱਦਾ ਨਹੀਂ ਜਾਪਦਾ'?
- ਏ) ਕੋਡ ਨੂੰ ਹੁਣ ਸੁਰੱਖਿਅਤ ਮੰਨਿਆ ਜਾ ਸਕਦਾ ਹੈ ਅਤੇ ਆਡਿਟਿੰਗ ਨੂੰ ਛੋਟਾ ਕੀਤਾ ਜਾ ਸਕਦਾ ਹੈ
- ਅ) ਸੁਤੰਤਰ ਆਡਿਟ ਦੀ ਹੁਣ ਲੋੜ ਨਹੀਂ ਹੈ
- C) ਨਤੀਜਾ ਨਿਸ਼ਚਿਤ ਹੈ ਕਿਉਂਕਿ ਨਕਲੀ ਬੁੱਧੀ ਹਰੇਕ ਸ਼੍ਰੇਣੀ ਨੂੰ ਪੂਰੀ ਤਰ੍ਹਾਂ ਸਕੈਨ ਕਰਦੀ ਹੈ।
- ਡੀ) ਇਹ ਕੋਈ ਭਰੋਸਾ ਨਹੀਂ ਹੈ; AI ਮੂਲ ਅਤੇ ਕਾਰੋਬਾਰੀ ਤਰਕ ਦੀਆਂ ਗਲਤੀਆਂ ਨੂੰ ਖੁੰਝ ਸਕਦਾ ਹੈ, ਸੰਪੂਰਨ ਆਡਿਟਿੰਗ ਦੀ ਅਜੇ ਵੀ ਲੋੜ ਹੈ ✔
ਵਿਆਖਿਆ: ਇਹ ਤੱਥ ਕਿ ਨਕਲੀ ਬੁੱਧੀ ਕਿਸੇ ਚੀਜ਼ ਨੂੰ ਨਹੀਂ ਲੱਭ ਸਕਦੀ, ਇਹ ਸਾਬਤ ਨਹੀਂ ਕਰਦੀ ਕਿ ਇਹ ਮੌਜੂਦ ਨਹੀਂ ਹੈ; ਗੈਰਹਾਜ਼ਰੀ ਦਾ ਸਬੂਤ ਸਬੂਤ ਦੀ ਅਣਹੋਂਦ ਨਹੀਂ ਹੈ। ਆਰਟੀਫੀਸ਼ੀਅਲ ਇੰਟੈਲੀਜੈਂਸ ਖਾਸ ਤੌਰ 'ਤੇ ਵਿਲੱਖਣ ਕਮਜ਼ੋਰੀਆਂ ਅਤੇ ਕਾਰੋਬਾਰੀ ਤਰਕ ਦੀਆਂ ਗਲਤੀਆਂ ਨੂੰ ਖੁੰਝਾਉਂਦੀ ਹੈ। 'ਸੁਰੱਖਿਅਤ' ਦਾ ਇੱਕ ਸਪਸ਼ਟ ਬਿਆਨ ਇੱਕ ਭਰੋਸਾ ਨਹੀਂ ਹੈ ਅਤੇ ਸੰਪੂਰਨ ਨਿਯੰਤਰਣ ਦੀ ਜ਼ਰੂਰਤ ਨੂੰ ਖਤਮ ਨਹੀਂ ਕਰਦਾ ਹੈ।
4. ਕਮਜ਼ੋਰੀ ਸਕੈਨਿੰਗ ਵਿੱਚ ਨਕਲੀ ਬੁੱਧੀ ਦਾ ਸਭ ਤੋਂ ਕਮਜ਼ੋਰ ਖੇਤਰ ਕਿਹੜਾ ਹੈ?
- A) ਜਾਣੇ-ਪਛਾਣੇ ਅਤੇ ਸਪੱਸ਼ਟ ਪੈਟਰਨਾਂ ਜਿਵੇਂ ਕਿ ਰੀਐਂਟ੍ਰੈਂਸੀ ਨੂੰ ਚਿੰਨ੍ਹਿਤ ਕਰਨਾ
- B) MEV/ਫਰੰਟ-ਰਨਿੰਗ ਅਤੇ ਪ੍ਰੋਟੋਕੋਲ-ਵਿਸ਼ੇਸ਼ ਕਾਰੋਬਾਰੀ ਤਰਕ ਦੀਆਂ ਕਮਜ਼ੋਰੀਆਂ ✔
- C) ਸਾਦੀ ਭਾਸ਼ਾ ਵਿੱਚ ਇੱਕ ਸਥਿਰ ਵਿਸ਼ਲੇਸ਼ਣ ਟੂਲ ਦੇ ਆਉਟਪੁੱਟ ਦੀ ਵਿਆਖਿਆ ਕਰਨਾ
- D) ਪਹੁੰਚ ਨਿਯੰਤਰਣ ਦੇ ਗੁੰਮ ਕਾਰਜਾਂ ਦੀ ਸੂਚੀ ਬਣਾਓ
ਵਰਣਨ: AI ਮਸ਼ਹੂਰ, ਅਸਪਸ਼ਟ ਪੈਟਰਨਾਂ ਜਿਵੇਂ ਕਿ ਪੁਨਰ-ਪ੍ਰਵੇਸ਼, ਪਹੁੰਚ ਨਿਯੰਤਰਣ, ਅਤੇ ਪੂਰਨ ਅੰਕ ਕਾਰਜਾਂ ਲਈ ਸਕੈਨ ਕਰਨ ਵਿੱਚ ਸ਼ਕਤੀਸ਼ਾਲੀ ਹੈ। ਹਾਲਾਂਕਿ, MEV/ਫਰੰਟ-ਰਨਿੰਗ ਅਤੇ ਪ੍ਰੋਟੋਕੋਲ-ਵਿਸ਼ੇਸ਼ ਵਪਾਰਕ ਤਰਕ ਦੀਆਂ ਕਮਜ਼ੋਰੀਆਂ ਪ੍ਰਸੰਗਿਕ ਅਤੇ ਅਕਸਰ ਵਿਲੱਖਣ ਹੁੰਦੀਆਂ ਹਨ; ਇਹ AI ਦੇ ਅੰਨ੍ਹੇ ਸਥਾਨ ਹਨ ਅਤੇ ਮਨੁੱਖੀ ਮੁਹਾਰਤ ਅਤੇ ਸਿਮੂਲੇਸ਼ਨ ਦੀ ਲੋੜ ਹੈ।
5. ਔਨ-ਚੇਨ ਡੇਟਾ ਵਿਸ਼ਲੇਸ਼ਣ ਵਿੱਚ AI ਦੀ ਵਰਤੋਂ ਕਰਨ ਦੇ ਸਭ ਤੋਂ ਸੁਰੱਖਿਅਤ ਅਤੇ ਜੋਖਮ ਭਰੇ ਤਰੀਕੇ ਕੀ ਹਨ?
- ਏ) ਸਭ ਤੋਂ ਸੁਰੱਖਿਅਤ ਗੱਲ ਇਹ ਹੈ ਕਿ ਡੇਟਾ ਐਕਸਟਰੈਕਸ਼ਨ ਪੁੱਛਗਿੱਛ ਨੂੰ ਛਾਪਣਾ; ਸਭ ਤੋਂ ਖਤਰੇ ਵਾਲੀ ਗੱਲ ਇਹ ਹੈ ਕਿ ਆਰਟੀਫੀਸ਼ੀਅਲ ਇੰਟੈਲੀਜੈਂਸ ਤੋਂ ਸਿੱਧੇ ਲਾਈਵ ਡੇਟਾ ਦੀ ਬੇਨਤੀ ਕਰੋ ਅਤੇ ਇਸਦੀ ਪੁਸ਼ਟੀ ਨਾ ਕਰੋ ✔
- ਅ) ਸਭ ਤੋਂ ਸੁਰੱਖਿਅਤ ਗੱਲ ਇਹ ਹੈ ਕਿ ਨਕਲੀ ਬੁੱਧੀ ਤੋਂ ਸਿੱਧਾ ਲਾਈਵ ਡੇਟਾ ਦੀ ਬੇਨਤੀ ਕਰਨਾ; ਸਵਾਲ ਲਿਖਣਾ ਬੇਲੋੜਾ ਹੈ
- C) ਨਕਲੀ ਬੁੱਧੀ ਦੁਆਰਾ ਤਿਆਰ ਕੀਤੇ ਗਏ ਹੈਸ਼ ਅਤੇ ਪਤੇ ਹਮੇਸ਼ਾ ਭਰੋਸੇਯੋਗ ਹੁੰਦੇ ਹਨ, ਕਿਸੇ ਪੁਸ਼ਟੀ ਦੀ ਲੋੜ ਨਹੀਂ ਹੁੰਦੀ ਹੈ।
- ਡੀ) ਸਰੋਤ ਨਾਲ ਟਿੱਪਣੀਆਂ ਨੂੰ ਜੋੜਨਾ ਸਮੇਂ ਦੀ ਬਰਬਾਦੀ ਹੈ; ਇੱਕ ਪ੍ਰਫੁੱਲਤ ਸੰਖੇਪ ਕਾਫ਼ੀ ਹੈ
ਵਿਆਖਿਆ: ਆਰਟੀਫੀਸ਼ੀਅਲ ਇੰਟੈਲੀਜੈਂਸ ਲਾਈਵ ਚੇਨ 'ਤੇ ਨਿਰਭਰ ਨਹੀਂ ਹੈ; ਇਸ ਨੂੰ ਸਿੱਧੇ ਤੌਰ 'ਤੇ ਲੈਣ-ਦੇਣ/ਪਤੇ ਲਈ ਪੁੱਛਣਾ ਇੱਕ ਮੇਕ-ਅੱਪ (ਭ੍ਰਮ) ਹੈਸ਼ ਅਤੇ ਪਤਾ ਪੈਦਾ ਕਰਦਾ ਹੈ। ਸਭ ਤੋਂ ਸੁਰੱਖਿਅਤ ਵਰਤੋਂ ਕਿਊਰੀ ਨੂੰ ਪ੍ਰਿੰਟ ਕਰਨਾ ਹੈ (ਜਿਵੇਂ ਕਿ Dune SQL) ਜੋ ਸਰੋਤ ਤੋਂ ਡੇਟਾ ਨੂੰ ਖਿੱਚੇਗਾ ਕਿਉਂਕਿ ਡੇਟਾ ਸਰੋਤ ਨਤੀਜਾ ਪੈਦਾ ਕਰਦਾ ਹੈ। ਮੁਫਤ ਵਿਆਖਿਆ ਜੋਖਮ ਭਰੀ ਹੈ ਅਤੇ ਬਲਾਕ ਐਕਸਪਲੋਰਰ ਵਿੱਚ ਹਰੇਕ ਨੰਬਰ ਦੀ ਪੁਸ਼ਟੀ ਕੀਤੀ ਜਾਣੀ ਚਾਹੀਦੀ ਹੈ।
6. DeFi ਪ੍ਰੋਟੋਕੋਲ ਵਿੱਚ ਕਿਸ ਕਿਸਮ ਦੀਆਂ ਕਮਜ਼ੋਰੀਆਂ ਸਭ ਤੋਂ ਮਹਿੰਗੀਆਂ ਹਨ ਅਤੇ ਉਹ AI ਲਈ ਚੁਣੌਤੀਪੂਰਨ ਕਿਉਂ ਹਨ?
- A) ਸਿਰਫ਼ ਸਪੈਲਿੰਗ/ਕੰਪਾਈਲੇਸ਼ਨ ਗਲਤੀਆਂ; AI ਇਹਨਾਂ ਨੂੰ ਆਸਾਨੀ ਨਾਲ ਫੜਦਾ ਹੈ
- ਅ) ਸਿਰਫ ਇੰਟਰਫੇਸ ਗਲਤੀਆਂ; ਆਰਥਿਕ ਡਿਜ਼ਾਈਨ ਦਾ ਇਸ ਨਾਲ ਕੋਈ ਲੈਣਾ-ਦੇਣਾ ਨਹੀਂ ਹੈ
- C) ਆਰਥਿਕ/ਵਪਾਰਕ ਤਰਕ ਅੰਤਰ; ਭਾਵੇਂ ਕੋਡ ਸਹੀ ਢੰਗ ਨਾਲ ਕੰਮ ਕਰਦਾ ਹੈ, ਪ੍ਰੋਟੋਕੋਲ ਦਾ ਆਰਥਿਕ ਤੌਰ 'ਤੇ ਸ਼ੋਸ਼ਣ ਕੀਤਾ ਜਾ ਸਕਦਾ ਹੈ ਅਤੇ AI ਇਸ ਤੋਂ ਖੁੰਝ ਜਾਂਦਾ ਹੈ ✔
- ਡੀ) ਸਿਰਫ ਸਪੈਲਿੰਗ ਗਲਤੀਆਂ; ਆਰਥਿਕ ਸੁਰੱਖਿਆ ਨੂੰ ਧਿਆਨ ਵਿੱਚ ਰੱਖ ਕੇ ਸਿੱਧ ਕੀਤਾ ਗਿਆ, ਸਿਮੂਲੇਸ਼ਨ ਦੀ ਕੋਈ ਲੋੜ ਨਹੀਂ
ਵਿਆਖਿਆ: DeFi ਵਿੱਚ, ਸਭ ਤੋਂ ਮਹਿੰਗੇ ਕਾਰਨਾਮੇ ਆਮ ਤੌਰ 'ਤੇ ਕੋਡ ਦੀ ਤਕਨੀਕੀ ਗਲਤੀ ਤੋਂ ਨਹੀਂ ਹੁੰਦੇ, ਪਰ ਆਰਥਿਕ/ਵਪਾਰਕ ਤਰਕ (ਓਰੇਕਲ ਹੇਰਾਫੇਰੀ, ਫਲੈਸ਼ ਲੋਨ ਕੀਮਤ ਵਿਗਾੜ, ਪ੍ਰੇਰਕ ਦੁਰਵਿਵਹਾਰ) ਦੇ ਸ਼ੋਸ਼ਣ ਤੋਂ ਪੈਦਾ ਹੁੰਦੇ ਹਨ। ਭਾਵੇਂ ਕੋਡ ਤਕਨੀਕੀ ਤੌਰ 'ਤੇ 'ਸਹੀ ਢੰਗ ਨਾਲ' ਕੰਮ ਕਰਦਾ ਹੈ, ਪ੍ਰੋਟੋਕੋਲ ਨੂੰ ਆਰਥਿਕ ਤੌਰ 'ਤੇ ਧੋਖਾ ਦਿੱਤਾ ਜਾ ਸਕਦਾ ਹੈ। ਹਾਲਾਂਕਿ AI ਮਿਆਰੀ ਕੋਡ ਨੂੰ ਸਕੈਨ ਕਰਨ ਵਿੱਚ ਚੰਗਾ ਹੈ, ਇਹ ਅਕਸਰ ਇਹਨਾਂ ਪ੍ਰਸੰਗਿਕ ਅਤੇ ਵਿਲੱਖਣ ਆਰਥਿਕ ਕਮਜ਼ੋਰੀਆਂ ਨੂੰ ਨਹੀਂ ਦੇਖ ਸਕਦਾ ਹੈ; ਇਹਨਾਂ ਨੂੰ ਸਿਮੂਲੇਸ਼ਨ ਅਤੇ ਮਨੁੱਖੀ ਮੁਹਾਰਤ ਦੀ ਲੋੜ ਹੁੰਦੀ ਹੈ।
7. ਟੋਕਨੌਮਿਕ ਮਾਡਲਿੰਗ ਵਿੱਚ ਨਕਲੀ ਬੁੱਧੀ ਦੀ ਸਭ ਤੋਂ ਖਤਰਨਾਕ ਗਲਤੀ ਕੀ ਹੈ ਅਤੇ ਇਸ ਤੋਂ ਕਿਵੇਂ ਬਚਣਾ ਹੈ?
- ਏ) ਬਹੁਤ ਨਿਰਾਸ਼ਾਵਾਦੀ ਹੋਣਾ; ਹੱਲ ਹੋਰ ਆਸ਼ਾਵਾਦੀ ਧਾਰਨਾਵਾਂ ਜੋੜਨਾ ਹੈ
- ਅ) ਸਿੰਗਲ/ਆਸ਼ਾਵਾਦੀ ਦ੍ਰਿਸ਼; ਹੱਲ ਨਕਾਰਾਤਮਕ ਦ੍ਰਿਸ਼ਾਂ ਦੇ ਨਾਲ ਤਣਾਅ ਦੀ ਜਾਂਚ ਅਤੇ ਸਿਮੂਲੇਸ਼ਨ ✔ ਨਾਲ ਪ੍ਰਮਾਣਿਕਤਾ ਹੈ
- C) ਇਹ ਬਹੁਤ ਸਾਰੇ ਟੇਬਲ ਪੈਦਾ ਕਰਦਾ ਹੈ; ਹੱਲ ਟੇਬਲ ਨੂੰ ਹਟਾਉਣ ਲਈ ਹੈ
- ਡੀ) ਇੱਕ ਵੰਡ ਸਾਰਣੀ ਬਣਾਉਣ ਵਿੱਚ ਅਸਫਲਤਾ; ਹੱਲ ਇਹ ਹੈ ਕਿ ਵੰਡ ਨੂੰ ਮਾਡਲ ਨਾ ਬਣਾਇਆ ਜਾਵੇ
ਵਿਆਖਿਆ: ਆਰਟੀਫੀਸ਼ੀਅਲ ਇੰਟੈਲੀਜੈਂਸ ਆਮ ਤੌਰ 'ਤੇ ਇੱਕ ਸਿੰਗਲ, ਆਸ਼ਾਵਾਦੀ ਦ੍ਰਿਸ਼ ਨੂੰ ਮੰਨਦੀ ਹੈ ਜਿੱਥੇ ਕੀਮਤ ਹਮੇਸ਼ਾ ਵਧਦੀ ਹੈ, ਉਪਭੋਗਤਾ ਹਮੇਸ਼ਾ ਵਧਦਾ ਹੈ; ਇਹ ਅਸਥਿਰ ਮਾਡਲਾਂ ਨੂੰ 'ਟਿਕਾਊ' ਦਿਖਾਉਂਦਾ ਹੈ, ਜਿਸ ਨਾਲ ਢਹਿ ਜਾਂਦੇ ਹਨ। ਮਾਪ ਪ੍ਰਤੀਕੂਲ ਦ੍ਰਿਸ਼ਾਂ (ਰੱਛੂ ਦੀ ਮਾਰਕੀਟ, ਬਾਉਂਟੀ ਹੰਟਰ ਐਸਕੇਪ, ਵ੍ਹੇਲ ਸੇਲ) ਦੇ ਨਾਲ ਮਾਡਲ ਦੀ ਜਾਂਚ ਕਰਨਾ ਅਤੇ ਅਸਲ ਸਿਮੂਲੇਸ਼ਨ ਨਾਲ ਨਿਕਾਸੀ ਗਣਨਾਵਾਂ ਦੀ ਪੁਸ਼ਟੀ ਕਰਨਾ ਹੈ।
8. ਨਕਲੀ ਬੁੱਧੀ ਦੁਆਰਾ ਤਿਆਰ ਇੱਕ ਉਪਭੋਗਤਾ ਗਾਈਡ ਕਹਿੰਦੀ ਹੈ ਕਿ 'ਤੁਹਾਡੇ ਫੰਡ ਕਿਸੇ ਵੀ ਸਮੇਂ ਵਾਪਸ ਲਏ ਜਾ ਸਕਦੇ ਹਨ', ਪਰ ਇਕਰਾਰਨਾਮੇ ਵਿੱਚ 7-ਦਿਨ ਦਾ ਤਾਲਾ ਹੈ। ਇਹ ਸਥਿਤੀ ਕੀ ਦਰਸਾਉਂਦੀ ਹੈ?
- ਏ) ਕੋਈ ਸਮੱਸਿਆ ਨਹੀਂ ਹੈ; ਜੇਕਰ ਦਸਤਾਵੇਜ਼ ਪ੍ਰਚਲਿਤ ਹੈ, ਤਾਂ ਇਸਨੂੰ ਇਸ ਤਰ੍ਹਾਂ ਪ੍ਰਕਾਸ਼ਿਤ ਕੀਤਾ ਜਾ ਸਕਦਾ ਹੈ
- ਅ) ਕੋਡ ਗਲਤ ਹੈ, ਦਸਤਾਵੇਜ਼ ਸਹੀ ਹੈ; ਕੋਡ ਨੂੰ ਦਸਤਾਵੇਜ਼ ਦੇ ਅਨੁਕੂਲ ਹੋਣਾ ਚਾਹੀਦਾ ਹੈ
- C) ਉਪਭੋਗਤਾ ਕਿਸੇ ਵੀ ਤਰ੍ਹਾਂ ਦਸਤਾਵੇਜ਼ ਨੂੰ ਨਹੀਂ ਦੇਖਦਾ; ਮਤਭੇਦ ਅਪ੍ਰਸੰਗਿਕ ਹੈ
- ਡੀ) ਦਸਤਾਵੇਜ਼ ਕੋਡ ਨਾਲ ਟਕਰਾਉਂਦਾ ਹੈ; ਹਰੇਕ ਤਕਨੀਕੀ ਦਾਅਵੇ ਦੀ ਅਸਲ ਕੋਡ ਨਾਲ ਪੁਸ਼ਟੀ ਕੀਤੀ ਜਾਣੀ ਚਾਹੀਦੀ ਹੈ, ਝੂਠੇ ਦਸਤਾਵੇਜ਼ ਉਪਭੋਗਤਾ ਨੂੰ ਗੁੰਮਰਾਹ ਕਰਨਗੇ ✔
ਵਰਣਨ: ਦਸਤਾਵੇਜ਼ ਕੋਡ ਦਾ ਵਰਣਨ ਕਰਦਾ ਹੈ; ਇਹ ਖੁਦ ਕੋਡ ਨਹੀਂ ਹੈ। AI ਕੋਡ ਦੇ ਅਸਲ ਵਿਹਾਰ ਨੂੰ ਗਲਤ ਢੰਗ ਨਾਲ ਪੇਸ਼ ਕਰ ਸਕਦਾ ਹੈ, ਜੋ ਉਪਭੋਗਤਾ ਨੂੰ ਗੁੰਮਰਾਹ ਕਰਦਾ ਹੈ ਅਤੇ ਇੱਕ ਸੁਰੱਖਿਆ ਮੁੱਦਾ ਬਣ ਜਾਂਦਾ ਹੈ। ਇਸ ਲਈ ਹਰ ਤਕਨੀਕੀ ਦਾਅਵੇ ਨੂੰ ਅਸਲ ਕੋਡ ਦੇ ਵਿਰੁੱਧ ਪ੍ਰਮਾਣਿਤ ਕੀਤਾ ਜਾਣਾ ਚਾਹੀਦਾ ਹੈ; ਗਲਤ ਦਸਤਾਵੇਜ਼ ਸਹੀ ਕੋਡ ਨਾਲੋਂ ਵੀ ਜ਼ਿਆਦਾ ਖਤਰਨਾਕ ਹੋ ਸਕਦੇ ਹਨ ਕਿਉਂਕਿ ਉਪਭੋਗਤਾ ਦਸਤਾਵੇਜ਼ਾਂ 'ਤੇ ਭਰੋਸਾ ਕਰਦਾ ਹੈ।
9. ਜਦੋਂ AI ਟੋਕਨ ਇਕਰਾਰਨਾਮੇ ਨੂੰ ਸਕੈਨ ਕਰਦਾ ਹੈ ਅਤੇ 'ਲਾਲ ਫਲੈਗ' ਨੂੰ ਫਲੈਗ ਕਰਦਾ ਹੈ (ਜਿਵੇਂ ਕਿ ਮਾਲਕ ਟ੍ਰਾਂਸਫਰ ਨੂੰ ਰੋਕ ਸਕਦਾ ਹੈ) ਤਾਂ ਕਿਵੇਂ ਕੰਮ ਕਰਨਾ ਹੈ?
- ਏ) ਫਲੈਗ ਸਰੋਤ ਨਾਲ ਜੁੜਿਆ ਹੋਇਆ ਹੈ ਅਤੇ ਇਸਦੇ ਸੰਦਰਭ ਅਤੇ ਮਨੁੱਖੀ ਨਿਰਣੇ ਦੁਆਰਾ ਮੁਲਾਂਕਣ ਕੀਤਾ ਗਿਆ ਹੈ; ਅੰਤਮ ਨਿਰਣਾ/ਨਿੰਦਿਆ ਤੋਂ ਬਚਿਆ ਜਾਂਦਾ ਹੈ ✔
- ਅ) ਇਕਰਾਰਨਾਮੇ ਨੂੰ ਯਕੀਨੀ ਤੌਰ 'ਤੇ ਧੋਖਾਧੜੀ ਕਰਾਰ ਦਿੱਤਾ ਜਾਵੇਗਾ ਅਤੇ ਤੁਰੰਤ ਐਲਾਨ ਕੀਤਾ ਜਾਵੇਗਾ
- C) ਕਿਉਂਕਿ ਆਰਟੀਫੀਸ਼ੀਅਲ ਇੰਟੈਲੀਜੈਂਸ ਫਲੈਗ ਸੈੱਟ ਕਰਦੀ ਹੈ, ਇਸ ਲਈ ਹੋਰ ਤਸਦੀਕ ਦੀ ਲੋੜ ਨਹੀਂ ਹੈ
- ਡੀ) ਝੰਡੇ ਨੂੰ ਨਜ਼ਰਅੰਦਾਜ਼ ਕੀਤਾ ਗਿਆ ਹੈ; ਮਾਲਕ ਦੇ ਵਿਸ਼ੇਸ਼ ਅਧਿਕਾਰ ਕਦੇ ਵੀ ਖਤਰਾ ਨਹੀਂ ਬਣਾਉਂਦੇ
ਵਰਣਨ: ਆਰਟੀਫੀਸ਼ੀਅਲ ਇੰਟੈਲੀਜੈਂਸ ਧੋਖਾਧੜੀ ਦੇ ਜਾਣੇ-ਪਛਾਣੇ ਪੈਟਰਨਾਂ ਨੂੰ ਫਲੈਗ ਕਰਨ ਵਿੱਚ ਮਦਦਗਾਰ ਹੈ, ਪਰ ਨਿਸ਼ਚਿਤ ਨਿਰਣਾ ਨਹੀਂ ਕਰ ਸਕਦੀ; ਕੁਝ ਜਾਇਜ਼ ਇਕਰਾਰਨਾਮੇ (ਜਿਵੇਂ ਕਿ ਬਹੁ-ਦਸਤਖਤ ਸ਼ਾਸਨ ਦੁਆਰਾ ਸੁਰੱਖਿਅਤ) ਵਿੱਚ ਰੁਕਣ ਦੀ ਸ਼ਕਤੀ ਵੀ ਹੋ ਸਕਦੀ ਹੈ। ਹਰੇਕ ਝੰਡੇ ਨੂੰ ਸਰੋਤ (ਕੋਡ/ਚੇਨ) ਨਾਲ ਜੋੜਿਆ ਜਾਣਾ ਚਾਹੀਦਾ ਹੈ ਅਤੇ ਇਸਦੇ ਸੰਦਰਭ ਅਤੇ ਮਨੁੱਖੀ ਨਿਰਣੇ ਨਾਲ ਮੁਲਾਂਕਣ ਕੀਤਾ ਜਾਣਾ ਚਾਹੀਦਾ ਹੈ; ਸੰਜਮੀ ਭਾਸ਼ਾ ਦੀ ਵਰਤੋਂ ਕੀਤੀ ਜਾਣੀ ਚਾਹੀਦੀ ਹੈ ਅਤੇ ਗੈਰ-ਪੁਸ਼ਟ ਇਲਜ਼ਾਮ (ਨਿੰਦਾ) ਤੋਂ ਬਚਣਾ ਚਾਹੀਦਾ ਹੈ।
10. ਬਲਾਕਚੇਨ 'ਸੁਰੱਖਿਆ-ਨਾਜ਼ੁਕ' ਹੋਣ ਦਾ ਸਭ ਤੋਂ ਸਿੱਧਾ ਸਬੰਧ ਕਿਸ ਕਾਰਨ ਹੈ ਕਿ AI ਆਉਟਪੁੱਟ ਮਾਹਿਰਾਂ ਦੀ ਮਨਜ਼ੂਰੀ ਨੂੰ ਕਿਉਂ ਨਹੀਂ ਬਦਲ ਸਕਦੀ?
- ਏ) ਨਕਲੀ ਬੁੱਧੀ ਦੀ ਵਰਤੋਂ ਅਭਿਆਸ ਵਿੱਚ ਨਹੀਂ ਕੀਤੀ ਜਾ ਸਕਦੀ ਕਿਉਂਕਿ ਇਹ ਬਹੁਤ ਹੌਲੀ ਕੰਮ ਕਰਦੀ ਹੈ
- ਅ) ਕਿਉਂਕਿ ਨਕਲੀ ਬੁੱਧੀ ਹਮੇਸ਼ਾ ਸੰਕਲਨ ਦੀਆਂ ਗਲਤੀਆਂ ਪੈਦਾ ਕਰਦੀ ਹੈ
- C) ਆਰਟੀਫੀਸ਼ੀਅਲ ਇੰਟੈਲੀਜੈਂਸ ਅਸਲ ਗਲਤੀ, ਝੂਠੇ ਭਰੋਸਾ, ਅਪ ਟੂ ਡੇਟ ਨਾ ਹੋਣ ਅਤੇ ਜ਼ਿੰਮੇਵਾਰੀ ਲੈਣ ਦੇ ਯੋਗ ਨਾ ਹੋਣ ਦੇ ਕਾਰਨ ਨਾ ਮੁੜਨਯੋਗ ਜੋਖਮ ਨੂੰ ਕਵਰ ਨਹੀਂ ਕਰ ਸਕਦੀ ✔
- ਡੀ) ਆਰਟੀਫੀਸ਼ੀਅਲ ਇੰਟੈਲੀਜੈਂਸ ਦੀ ਵਰਤੋਂ ਤੁਰਕੀ ਦੇ ਪ੍ਰੋਜੈਕਟਾਂ ਵਿੱਚ ਨਹੀਂ ਕੀਤੀ ਜਾ ਸਕਦੀ ਕਿਉਂਕਿ ਇਹ ਸਿਰਫ਼ ਅੰਗਰੇਜ਼ੀ ਵਿੱਚ ਕੰਮ ਕਰਦੀ ਹੈ।
ਸਪੱਸ਼ਟੀਕਰਨ: ਸੁਰੱਖਿਆ-ਨਾਜ਼ੁਕ ਖੇਤਰ ਵਿੱਚ ਤਰੁੱਟੀਆਂ ਨੂੰ ਵਾਪਸ ਨਹੀਂ ਲਿਆ ਜਾ ਸਕਦਾ ਹੈ ਅਤੇ ਸਿੱਧੇ ਤੌਰ 'ਤੇ ਗੰਭੀਰ ਨੁਕਸਾਨ (ਲੱਖਾਂ ਡਾਲਰ) ਵੱਲ ਲੈ ਜਾਂਦਾ ਹੈ। ਆਰਟੀਫੀਸ਼ੀਅਲ ਇੰਟੈਲੀਜੈਂਸ ਅਸਲੀ/ਪ੍ਰਸੰਗਿਕ ਗਲਤੀ ਨੂੰ ਨਹੀਂ ਦੇਖ ਸਕਦੀ, ਇੱਕ ਚੰਗੀ ਭਾਸ਼ਾ ਨਾਲ ਝੂਠਾ ਭਰੋਸਾ ਦੇ ਸਕਦੀ ਹੈ, ਸਿਖਲਾਈ ਦੀ ਕੱਟ-ਆਫ ਮਿਤੀ ਤੋਂ ਬਾਅਦ ਦੀ ਮਿਆਦ ਨਹੀਂ ਜਾਣਦੀ, ਅਤੇ ਸਭ ਤੋਂ ਮਹੱਤਵਪੂਰਨ, ਜ਼ਿੰਮੇਵਾਰੀ ਨਹੀਂ ਲੈ ਸਕਦੀ। ਇੰਜੀਨੀਅਰਿੰਗ ਦੀ ਪ੍ਰਵਾਨਗੀ ਇੱਕ ਤਕਨੀਕੀ, ਕਾਨੂੰਨੀ ਅਤੇ ਨੈਤਿਕ ਵਚਨਬੱਧਤਾ ਹੈ; ਇੱਕ ਮਸ਼ੀਨ ਇਹ ਵਚਨਬੱਧਤਾ ਨਹੀਂ ਕਰ ਸਕਦੀ, ਇਸਲਈ ਅੰਤਮ ਪ੍ਰਵਾਨਗੀ ਸਮਰੱਥ ਮਾਹਰ ਕੋਲ ਹੈ।
11. ਇੱਕ ਸੁਰੱਖਿਆ-ਨਾਜ਼ੁਕ Web3 ਪ੍ਰੋਜੈਕਟ ਨੂੰ ਮੇਨਨੈੱਟ ਵਿੱਚ ਲੀਕ ਹੋਣ ਵਾਲੇ ਸਿੰਗਲ AI ਬੱਗ ਤੋਂ ਬਚਾਉਣ ਦਾ ਸਭ ਤੋਂ ਪ੍ਰਭਾਵਸ਼ਾਲੀ ਤਰੀਕਾ ਕੀ ਹੈ?
- ਏ) ਸਾਰੀ ਪ੍ਰਕਿਰਿਆ ਨੂੰ ਇੱਕ ਸਿੰਗਲ AI ਟੂਲ ਨੂੰ ਸੌਂਪਣਾ ਅਤੇ ਅੰਤ 'ਤੇ ਇੱਕ ਨਜ਼ਰ ਮਾਰਨਾ
- ਅ) ਲੇਅਰਡ ਤਸਦੀਕ ਨੂੰ ਲਾਗੂ ਕਰੋ ਜੋ ਹਰ ਪੜਾਅ 'ਤੇ ਮਨੁੱਖੀ ਤਸਦੀਕ ਗੇਟ ਅਤੇ ਪਾਸ ਦੀ ਸਥਿਤੀ ਰੱਖਦਾ ਹੈ ✔
- C) ਸਮਾਂ ਬਚਾਉਣ ਲਈ ਸੁਤੰਤਰ ਆਡਿਟ ਗੇਟ ਨੂੰ ਬਾਈਪਾਸ ਕਰਨਾ
- ਡੀ) ਹਰੇਕ ਡਿਵੈਲਪਰ ਬਿਨਾਂ ਕਿਸੇ ਲੌਗ ਦੇ ਆਪਣੇ ਖੁਦ ਦੇ ਟੂਲ ਦੀ ਵਰਤੋਂ ਕਰਨ ਲਈ ਸੁਤੰਤਰ ਹੈ
ਵਿਆਖਿਆ: ਲੇਅਰਡ ਤਸਦੀਕ ਵਿੱਚ, ਇੱਕ ਮਨੁੱਖੀ ਤਸਦੀਕ ਗੇਟ ਅਤੇ ਇੱਕ ਸਪੱਸ਼ਟ ਪਾਸ ਸਥਿਤੀ (ਕੀ ਟੈਸਟ ਪਾਸ ਕੀਤਾ, ਕੀ ਆਡੀਟਰ ਨੇ ਸਾਈਨ ਆਫ ਕੀਤਾ, ਕੀ ਸਿਮੂਲੇਸ਼ਨ ਹੋਲਡ ਕੀਤਾ) ਹਰੇਕ ਪੜਾਅ 'ਤੇ ਰੱਖੇ ਗਏ ਹਨ (ਲਿਖੋ, ਸਕੈਨ, ਆਡਿਟ, ਟੈਸਟ/ਸਿਮੂਲੇਸ਼ਨ, ਤੈਨਾਤੀ, ਨਿਗਰਾਨੀ)। ਤੁਸੀਂ ਇੱਕ ਦਰਵਾਜ਼ੇ ਵਿੱਚੋਂ ਦੂਜੇ ਦਰਵਾਜ਼ੇ ਵਿੱਚੋਂ ਲੰਘੇ ਬਿਨਾਂ ਨਹੀਂ ਲੰਘ ਸਕਦੇ; ਇਹ ਲੇਅਰਡ ਢਾਂਚਾ ਇੱਕ ਸਿੰਗਲ AI ਗਲਤੀ ਨੂੰ ਜੀਵਤ ਨੂੰ ਲੀਕ ਹੋਣ ਤੋਂ ਰੋਕਦਾ ਹੈ।
12. ਡੀਬੱਗ ਦੌਰਾਨ ਆਰਟੀਫੀਸ਼ੀਅਲ ਇੰਟੈਲੀਜੈਂਸ ਤੋਂ ਮਦਦ ਲੈਣ ਵੇਲੇ ਪ੍ਰਾਈਵੇਟ ਕੁੰਜੀ ਜਾਂ ਬੀਜ ਵਾਕਾਂਸ਼ ਦੇ ਸੰਬੰਧ ਵਿੱਚ ਅਟੱਲ ਨਿਯਮ ਕੀ ਹੈ?
- A) ਵੈਲਟਸ ਦੀ ਜਾਂਚ ਕਰਨ ਲਈ ਸਿਰਫ਼ ਕੁੰਜੀਆਂ ਹੀ ਖੁੱਲ੍ਹ ਕੇ ਸਾਂਝੀਆਂ ਕੀਤੀਆਂ ਜਾ ਸਕਦੀਆਂ ਹਨ
- ਅ) ਜੇਕਰ ਕੁੰਜੀ ਐਨਕ੍ਰਿਪਟਡ ਹੈ, ਤਾਂ ਇਹ ਨਕਲੀ ਬੁੱਧੀ ਨੂੰ ਦਿੱਤੀ ਜਾ ਸਕਦੀ ਹੈ
- C) ਜਦੋਂ ਨਕਲੀ ਬੁੱਧੀ ਭਰੋਸੇਯੋਗ ਹੁੰਦੀ ਹੈ, ਤਾਂ ਵਾਲਿਟ ਪ੍ਰਬੰਧਨ ਇਸ 'ਤੇ ਛੱਡਿਆ ਜਾ ਸਕਦਾ ਹੈ
- ਡੀ) ਨਿੱਜੀ ਕੁੰਜੀ ਅਤੇ ਬੀਜ ਵਾਕਾਂਸ਼ ਨੂੰ ਕਿਸੇ ਵੀ ਆਰਟੀਫੀਸ਼ੀਅਲ ਇੰਟੈਲੀਜੈਂਸ ਟੂਲ ਜਾਂ ਪ੍ਰੋਂਪਟ ਵਿੱਚ ਕਿਸੇ ਵੀ ਸਥਿਤੀ ਵਿੱਚ ਦਾਖਲ ਨਹੀਂ ਕੀਤਾ ਜਾ ਸਕਦਾ ✔
ਵਰਣਨ: ਨਿਜੀ ਕੁੰਜੀ ਅਤੇ ਬੀਜ ਵਾਕਾਂਸ਼ ਵਾਲਿਟ ਅਤੇ ਫੰਡਾਂ ਤੱਕ ਪੂਰੀ ਪਹੁੰਚ ਹਨ। ਕਿਸੇ ਵੀ ਸਥਿਤੀ ਵਿੱਚ ਇਹਨਾਂ ਨੂੰ ਆਰਟੀਫੀਸ਼ੀਅਲ ਇੰਟੈਲੀਜੈਂਸ ਟੂਲ, ਪ੍ਰੋਂਪਟ ਜਾਂ ਕਿਸੇ ਹੋਰ ਔਨਲਾਈਨ ਸਥਾਨ ਵਿੱਚ ਨਹੀਂ ਲਿਖਿਆ ਜਾਂਦਾ ਹੈ; ਨਹੀਂ ਤਾਂ ਫੰਡਾਂ ਦੇ ਸਿੱਧੇ ਅਤੇ ਨਾ ਭਰੇ ਜਾਣ ਵਾਲੇ ਨੁਕਸਾਨ ਦਾ ਖਤਰਾ ਹੈ। ਕੁੰਜੀਆਂ ਸਿਰਫ਼ ਇੱਕ ਸੁਰੱਖਿਅਤ, ਤਰਜੀਹੀ ਤੌਰ 'ਤੇ ਔਫਲਾਈਨ/ਹਾਰਡਵੇਅਰ ਵਾਲਿਟ ਵਿੱਚ ਰੱਖੀਆਂ ਜਾਂਦੀਆਂ ਹਨ।
13. ਇੱਕ ਆਡਿਟ ਫਰਮ ਵਿੱਚ ਗੁਪਤ ਕਲਾਇੰਟ ਕੋਡ ਦੇ ਨਾਲ ਨਕਲੀ ਬੁੱਧੀ ਦੀ ਵਰਤੋਂ ਨੂੰ ਨਿਯਮਤ ਕਰਨ ਲਈ ਸਭ ਤੋਂ ਵਧੀਆ ਪ੍ਰਸ਼ਾਸਨਿਕ ਪਹੁੰਚ ਕੀ ਹੈ?
- A) ਗੁਪਤ ਕੋਡ ਦੀ ਪ੍ਰਕਿਰਿਆ ਸਿਰਫ਼ ਅਲੱਗ-ਥਲੱਗ ਵਾਹਨ ਵਿੱਚ ਅਤੇ ਗਾਹਕ ਦੀ ਪ੍ਰਵਾਨਗੀ ਨਾਲ, ਡੇਟਾ ਵਰਗੀਕਰਨ ਨੀਤੀ ਦੇ ਨਾਲ ਕਰੋ ✔
- ਅ) ਤੇਜ਼ ਨਤੀਜਿਆਂ ਲਈ ਕਿਸੇ ਵੀ ਜਨਤਕ ਸਾਧਨ ਵਿੱਚ ਗੁਪਤ ਕੋਡ ਨੂੰ ਪੇਸਟ ਕਰਨਾ
- C) ਇਸ ਨਾਲ ਕੋਈ ਫ਼ਰਕ ਨਹੀਂ ਪੈਂਦਾ ਕਿ ਕੋਡ ਗੁਪਤ ਹੈ; ਹਰ ਟੂਲ ਹਰ ਡੇਟਾ ਲਈ ਮੁਫਤ ਹੈ
- D) ਭਾਵੇਂ ਕੋਈ ਲੀਕ ਹੋਵੇ, ਸਾਵਧਾਨੀ ਬੇਲੋੜੀ ਹੈ ਕਿਉਂਕਿ ਜ਼ਿੰਮੇਵਾਰੀ ਨਕਲੀ ਬੁੱਧੀ ਪ੍ਰਦਾਤਾ ਦੀ ਹੈ
ਸਪਸ਼ਟੀਕਰਨ: ਬਿਨਾਂ ਇਜ਼ਾਜ਼ਤ ਦੇ ਜਨਤਕ AI ਟੂਲ ਵਿੱਚ ਅਣ-ਰਿਲੀਜ਼ ਕੀਤੇ (ਬੰਦ ਸਰੋਤ) ਕਲਾਇੰਟ ਕੋਡ ਨੂੰ ਪੇਸਟ ਕਰਨਾ ਇਕਰਾਰਨਾਮੇ ਦੀ ਉਲੰਘਣਾ ਹੈ ਅਤੇ ਲੀਕ ਹੋਣ ਦਾ ਜੋਖਮ ਹੈ। ਸਹੀ ਸ਼ਾਸਨ; ਡੇਟਾ ਵਰਗੀਕਰਨ ਨੀਤੀ ਦੇ ਨਾਲ ਜਨਤਕ ਕੋਡ, ਗੁਪਤ ਗਾਹਕ ਕੋਡ, ਨਿੱਜੀ ਡੇਟਾ ਅਤੇ ਪ੍ਰਾਈਵੇਟ ਕੁੰਜੀ ਲਈ ਵੱਖਰੇ ਨਿਯਮ ਸੈੱਟ ਕਰਨਾ, ਗੁਪਤ ਕੋਡ ਦੀ ਪ੍ਰਕਿਰਿਆ ਸਿਰਫ਼ ਆਈਸੋਲੇਟਡ/ਐਂਟਰਪ੍ਰਾਈਜ਼ ਟੂਲਸ ਵਿੱਚ ਅਤੇ ਗਾਹਕ ਦੀ ਮਨਜ਼ੂਰੀ ਨਾਲ ਕਰਨਾ।