تدقيق الذكاء الاصطناعي يدخل حيز التنفيذ، أوبن إيه آي تطلق EVMbench، لتعزيز تقييم أمان العقود الذكية

أوبن إيه آي تتعاون مع باردايم لإطلاق EVMbench، اختبار فعلي لقدرة وكلاء الذكاء الاصطناعي على الدفاع والهجوم في عقود EVM، وكشف المخاوف من ضعف الدفاعات مقابل قوة الهجمات.

التركيز على الاختبارات في البيئة الاقتصادية، أوبن إيه آي تتعاون مع باردايم لتعزيز تقييمات الأمان على السلسلة

أعلنت شركة أوبن إيه آي الرائدة في الذكاء الاصطناعي عن تعاونها مع شركة العملات المشفرة الاستثمارية الشهيرة باردايم وشركة الأمان OtterSec، لإطلاق أداة اختبار معيارية تُقيم أداء وكلاء الذكاء الاصطناعي (AI Agents) في أمان العقود الذكية على شبكة إيثريوم (EVM).

مع تداخل الذكاء الاصطناعي والتقنيات المشفرة بشكل عميق، أصبحت العقود الذكية البنية الأساسية لإدارة أصول مشفرة مفتوحة المصدر تتجاوز قيمتها تريليون دولار. إن ظهور هذه الأداة يمثل بداية لاعتراف الصناعة بقدرة الذكاء الاصطناعي على الأداء في بيئة ذات أهمية اقتصادية.

وأشار فريق أوبن إيه آي إلى أنه مع تقدم وكلاء الذكاء الاصطناعي في قدراتهم على كتابة وتخطيط الكود، فإن هذه النماذج ستلعب دورًا محوريًا في هجمات ودفاعات البلوكشين في المستقبل، لذا فإن إنشاء إطار تقييم موحد أمر حيوي لمراقبة تطور الذكاء الاصطناعي.

ثلاث أنماط اختبار عميقة، 120 ثغرة تدقيق حقيقية تصبح حجر اختبار للذكاء الاصطناعي

تصميم EVMbench يركز على 120 ثغرة عالية الخطورة مستخرجة من 40 تقرير تدقيق احترافي، مع مصادر بيانات تشمل مسابقات تدقيق علنية معروفة مثل Code4rena، لضمان أن تكون سيناريوهات الاختبار قريبة من تعقيدات العالم الحقيقي. ستُقيم الأداة الوكيل الذكي في ثلاثة أنماط عمل مختلفة:

مصدر الصورة: تصميم EVMbench من أوبن إيه آي يضع الوكيل الذكي في ثلاثة أنماط عمل مختلفة للتقييم

• النمط الأول هو “نمط الكشف (Detect)”، حيث يُطلب من الذكاء الاصطناعي تدقيق الكود البرمجي للعقد والتعرف على الثغرات المعروفة، وتقييم مدى خطورة المشاكل التي يكتشفها؛
• النمط الثاني هو “نمط التصحيح (Patch)”، حيث يتحدى الذكاء الاصطناعي للحفاظ على الوظائف الأصلية مع إزالة الثغرات القابلة للاستغلال وإصلاح الكود؛
• وأخيرًا، النمط المثير للجدل هو “نمط الاستغلال (Exploit)”، حيث يتعين على الذكاء الاصطناعي تنفيذ هجمات سرقة أموال من بيئة بلوكشين معزولة تمامًا.

ولضمان دقة الاختبار وقابليته للتكرار، طور الفريق بنية اختبار تعتمد على لغة Rust، باستخدام تقنية إعادة تشغيل المعاملات الحتمية للتحقق من نجاح هجمات أو تصحيحات الذكاء الاصطناعي.

اتجاهات الهجوم والدفاع واضحة، GPT-5.3-Codex يظهر معدل نمو مذهل في الهجمات

في نتائج الاختبار الأولى، أظهر الذكاء الاصطناعي تباينًا واضحًا في الأداء بين المهام المختلفة. النموذج الأحدث GPT-5.3-Codex أظهر أداءً ممتازًا في نمط الاستغلال، حيث حقق معدل نجاح بلغ 72.2%، مقارنةً بـ 31.9% لنموذج GPT-5 الذي صدر قبل ستة أشهر فقط، مما يعكس نموًا مذهلاً في قدراته.

مصدر الصورة: ملخص نتائج نماذج الذكاء الاصطناعي المختلفة في الثلاثة أنماط

هذا يُظهر أن الذكاء الاصطناعي يمتلك قدرات قوية في التخطيط والتنفيذ عندما يكون الهدف واضحًا وهو “إفراغ الأموال”. ومع ذلك، فإن أداؤه في الدفاع لا يزال ضعيفًا نسبيًا، حيث غالبًا ما يتوقف عن البحث بعد اكتشاف خطأ واحد في نمط الكشف، وعند محاولة إصلاح منطق معقد، غالبًا ما يواجه صعوبة في إصلاح الثغرات بشكل مثالي دون التأثير على تشغيل العقد بشكل طبيعي. يعبر خبراء الأمان عن قلقهم من أن ذلك قد يسرع بشكل كبير من زمن اكتشاف الثغرات وتطوير طرق الهجوم، مما يفرض متطلبات أعلى على سرعة دفاع مشاريع التمويل اللامركزي (DeFi).

استقطاب المواهب ودعم الدفاع، أوبن إيه آي تضع استراتيجيتها لأمان بيئة وكلاء الذكاء الاصطناعي

بالإضافة إلى تطوير الأدوات، تتخذ أوبن إيه آي خطوات نشطة في استقطاب المواهب وتعزيز الدفاعات في البيئة، حيث قامت مؤخرًا بتعيين مؤسس مشروع الوكيل المفتوح المصدر OpenClaw، بيتر ستاينبرغر، لقيادة تطوير الجيل القادم من الوكلاء المخصصين، وتحويل المشروع إلى نموذج مؤسسة تدعمه أوبن إيه آي.

ولمواجهة المخاطر الأمنية المحتملة من الذكاء الاصطناعي، تعهدت أوبن إيه آي بتخصيص 10 ملايين دولار من ميزانية API لدعم أدوات الدفاع المفتوحة المصدر والأبحاث في البنية التحتية الحيوية. جاء هذا الإجراء بعد حادثة بروتوكول Moonwell الأخيرة، حيث أدى خطأ في حساب السعر في كود مشترك بين الذكاء الاصطناعي إلى خسارة حوالي 1.78 مليون دولار.

قراءات إضافية
رفض عرض Meta بمليارات الدولارات، مؤسس OpenClaw ينضم إلى معركة المواهب مع أوبن إيه آي، هل هو خطأ في Vibe Coding؟ تنبؤات Moonwell فشلت، من سيدفع ثمن الخسائر التي بلغت 1.78 مليون دولار؟

في المستقبل، مع انضمام المزيد من وكلاء الدفع المستندين إلى الذكاء الاصطناعي والمحافظ الآلية إلى البيئة، سيكون من المهم استخدام أدوات مثل EVMbench لتمييز النماذج التي تكتفي بوصف الثغرات عن تلك التي يمكنها تقديم حلول دفاعية موثوقة، مما يمثل نقطة تحول رئيسية في صناعة أمان البلوكشين.