بازار کریپتو با شتابی شگفتانگیز درحال گسترش است و هر سال میلیاردها دلار سرمایه تازه به آن سرازیر میشود. اما در کنار فرصتهای طلایی برای سرمایهگذاران، این صنعت پرسود همیشه محیطی وسوسهانگیز برای مجرمها و هکرها هم بوده است. علاوه بر روشهای قدیمیتر، کلاهبردارها حالا به کمک هوش مصنوعی وارد میدان شدهاند. آنها با ابزارهایی مثل دیپفیک، تقلید صدا و ساخت هویتهای مصنوعی قربانیان خود را فریب میدهند.
حالا، وقت آن است تا کاربران معمولی دنیای رمزارز هم سپر هوش مصنوعی را به دست بگیرند! با استفاده از مدلهای پیشرفته تشخیص کلاهبرداری بهکمک هوش مصنوعی، کاربران میتوانند اسکمهای جدید و پیچیده را زودتر شناسایی کنند و ترفندهای قدیمیتر را با دقتی چند برابر تشخیص دهند. در دنیایی که هکرها از هوش مصنوعی سوءاستفاده میکنند، ایمنترین راه مجهزشدن به فناوریهای دفاعی مبتنی بر هوش مصنوعی است. در همین راستا، قصد داریم این مطلب را به روشهای تشخیص کلاهبرداریهای ارز دیجیتال بهکمک هوش مصنوعی اختصاص دهیم. اگر امنیت و آرامشخاطر در دنیای رمزارزها برایتان اهمیت دارد، ادامه این مطلب را از دست ندهید.
شیوه تشخیص کلاهبرداری ارز دیجیتال با هوش مصنوعی
کلاهبردارها اغلب با وعده سود کلان یا با جعل هویت دیجیتال سراغ قربانیان خود میروند. همچنین، برخی پروژههای جعلی میسازند یا از اسم پروژههای بزرگ برای سرقت اطلاعات حساس کاربران سوءاستفاده میکنند. ناشناسبودن تراکنشها، نبودِ قوانین یکپارچه بینالمللی، امکان ساخت آسان توکن و پروژههای ساختگی، دسترسی ساده به ابزارهای تبلیغاتی و ناآگاهی کاربران کار کلاهبرداران را بسیار راحت کرده است.
بااینهمه، در سالهای اخیر هوش مصنوعی توانسته است نقش مهمی در مقابله با این تهدیدها بر عهده بگیرد. مدلهای یادگیری ماشین، تحلیل اَبَر داده (Big Data)، پردازش زبان طبیعی (NLP) و الگوریتمهای تشخیص ناهنجاری توانستهاند با درصد خطای نسبتاً اندکی، انواع رفتارهای مشکوک را شناسایی کنند و امنیت کاربران را افزایش دهند. در ادامه، ابتدا انواع مختلف کلاهبرداری کریپتو را معرفی میکنیم. سپس، توضیح میدهیم که هوش مصنوعی چگونه میتواند هر نوع از این کلاهبرداریهای رمزارز را شناسایی کند.
تشخیص کلاهبرداری پامپ و دامپ (Pump & Dump)
کلاهبرداری پامپ و دامپ زمانی اتفاق میافتد که گروهی از کلاهبردارها با تبلیغات زیاد و وعده رشد سریع، قیمت یک رمزارز کمارزش را «پامپ» میکنند، یعنی باعث رشد سریع آن میشوند. سپس، وقتی پول زیادی وارد پروژه شد، کلاهبرداران توکنهایشان را در اوج قیمت میفروشند؛ درنتیجه این اتفاق، قیمت توکن سقوط میکند و بهاصطلاح «دامپ» میشود.
هوش مصنوعی برای شناسایی کلاهبرداریهای پامپ و دامپ، معمولاً از ترکیب تحلیل رفتار بازار، پردازش ابَر دادهها و مدلهای تشخیص ناهنجاری استفاده میکند. الگوریتمهای هوش مصنوعی با بررسی لحظهای الگوهای قیمت و حجم معاملات، تغییرات غیرطبیعی را شناسایی میکنند. بهعنوان مثال، اگر یک توکن کمارزش ناگهان با حجم معاملات بالا و رشد سریع قیمت مواجه شود، مدلهای یادگیری ماشین میتوانند این الگوی غیرعادی را با دادههای تاریخی مقایسه و احتمال وقوع پامپ را ارزیابی کنند. امکان استفاده از پردازش زبان طبیعی برای بررسی بهتر محتوای شبکههای اجتماعی، کانالهای تلگرام، دیسکورد و توییتر هم کار تشخیص کلاهبرداری را راحتتر میکند.
تشخیص راگ پول (Rug Pull) و کلاهبرداری خروج (Exit Scam)
این دو نوع کلاهبرداری تا حد زیادی شبیه به هم هستند. در هر دو روش، تیم سازنده یک پروژه کریپتویی ابتدا توجه و سرمایه زیادی جذب میکند. سپس درست زمانی که خیال کاربران از سود کلان راحت شد، تیم کلاهبردار ناگهان نقدینگی خود را از پروژه خارج میکنند و ناپدید میشوند. در راگپول معمولاً سازندگان با خالیکردن استخر نقدینگی باعث سقوط شدید قیمت توکن میشوند. این در حالی است که در اگزیت اسکم ممکن است کل وبسایت، شبکههای اجتماعی و حتی خزانه پروژه ناگهان غیب شود! نتیجه در هر دو حالت یک چیز است: سرمایهگذاران دست خالی میمانند و هیچ راهی برای پیگیری رد تیم کلاهبردار پروژه وجود ندارد.
مدلهای یادگیری ماشین و الگوریتمهای تشخیص ناهنجاری میتوانند قراردادهای هوشمند را بررسی کنند و الگوهای خطرناک مثل امکان تغییر مالکیت قراردادها را تشخیص بدهند. همچنین، مدلهای پردازش زبان طبیعی امکان بررسی متنهای منتشرشده یا حذفشده پروژه در کانالهای رسمی را دارند. آنها میتوانند فعالیتهای مشکوک تیم پروژه را شناسایی کنند.
تشخیص انواع جعل هویت
کلاهبردارها از انواع و اقسام روشهای جعل هویت برای فریب قربانیان خود استفاده میکنند. برخی ممکن است حسابهای جعلی از افراد مشهور، اینفلوئنسرها و تیم پروژههای بلاکچینی شناختهشده بسازند. گاهی هم حسابهای واقعی این افراد را هک میکنند و کاربران را تشویق به ارسال پول یا سرمایهگذاری روی یک توکن کلاهبرداری میکنند. برخی از کلاهبرداران ممکن است حتی با قربانی خود تماس تلفنی بگیرند یا ایمیل جعلی ارسال کنند! در این حالت آنها وانمود میکنند که پشتیبان صرافی یا شرکت کیف پول هستند و از کاربر میخواهند رمز عبور یا عبارت بازیابی (کلید خصوصی) خود را افشا کند.
در سالهای اخیر، روشهای جعل هویت با کمک هوش مصنوعی بسیار بیشتر شدهاند. کلاهبرداران با استفاده از دیپفیک و تقلید صوتی مبتنی بر هوش مصنوعی، صدای یک فرد آشنا را بازسازی میکنند یا ویدئوی ساختگی میسازند تا قربانی را قانع کنند که پیام واقعاً از یک منبع معتبر ارسال شده است. همچنین با تولید خودکار متنهای حرفهای و ایمیلهای فیشینگ بسیار قانعکننده، ظاهری کاملاً رسمی ایجاد میکنند و بسیار راحتتر قربانیان خود را فریب میدهند.
همانطور که کلاهبردارها از هوش مصنوعی برای ساخت ویدئوها و تصاویر دیپفیک استفاده میکنند، مدلهای یادگیری ماشین و الگوریتمهای پردازش تصویر هم میتوانند تصاویر مبتنی بر AI را از طریق حرکات چشم، سایهها، نور و تعداد فریم ویدئو تشخیص دهند. سیستمهای تشخیص صوت هم میتوانند الگوهای مصنوعی تن صدا، لهجه یا مکثهای غیرطبیعی را تحلیل کنند تا احتمال تقلید صدای صوتی مبتنی بر هوش مصنوعی را تشخیص دهند. همچنین، ابزارهای هوش مصنوعی امکان بررسی فعالیتهای غیرمعمول مثل ساخت حسابهای متعدد یا کشف پیامهای هماهنگشده و اسپم را دارند.
تشخیص طرحهای پانزی و هرمی
در مدل طرح پانزی و هرمی، کلاهبردارها وعده سودهای غیرواقعی و تضمینی میدهند. این سودها نه از فعالیت اقتصادی واقعی، بلکه از پول کاربران جدید تأمین میشود. تا زمانی که ورود سرمایه از قربانیان جدید ادامه داشته باشد، سیستم بهظاهر کار میکند، اما به محض کاهش سرمایهگذاری جدید، کل ساختار فرو میپاشد. در نهایت، افراد اصلی سود پروژه را برمیدارند و پروژه را رها میکنند. در این شرایط، اکثر افراد در ردههای پایین با ضررهای سنگین مواجه میشوند.
ابزارهای هوش مصنوعی میتوانند از طریق ردپای عمومی تراکنشها در بلاکچین، طرحهای پانزی و هرمی را تشخیص دهند. الگوریتمهای یادگیری ماشین، بهجای تحلیل دادههای مالی، جریانهای ورودی و خروجی سرمایه را در آدرس قراردادهای هوشمند یا کیف پولهای مرکزی زیر نظر میگیرند تا الگوهای نامتوازن مالی را شناسایی کنند. امکان بررسی پیامها، ایمیلها و پستهای شبکههای اجتماعی مرتبط با پروژه هم از طریق مدلهای پردازش زبان طبیعی مهیاست.
تشخیص کلاهبرداری استخراج ابری
برخی از کلاهبرداران ممکن است بدون اینکه تجهیزات ماینینگ داشته باشند، ادعا کنند که سیستم استخراج ابری ارائه میدهند. آنها به این وسیله، سرمایه کاربر را دریافت میکنند؛ اما بعد از جمعآوری پول قربانیان خود ناپدید میشوند.
هوش مصنوعی میتواند دادههای هشریت، سودآوری و زمانبندی پرداختها را بررسی و الگوهای غیرواقعی را شناسایی کند. مثلاً اگر سود وعدهدادهشده با توان واقعی شبکه و تجهیزات استخراج همخوانی نداشته باشد، سیستم میتواند آن را بهعنوان یک نشانه هشدار تشخیص دهد.
تشخیص حمله فیشینگ (Phishing)
در حمله فیشینگ، کلاهبردار لینکهایی تقلبی در قالب ایمیل، پیامک یا پست شبکههای اجتماعی میفرستد. این لینکها کاربر را به وبسایتهای جعلی میکشانند که دقیقاً شبیه به وبسایتهای مشهور رمزارز هستند. وقتی کاربر اطلاعات حساس خود را وارد وبسایت جعلی میکند، کلاهبردار اطلاعات را به دست میآورد و بهراحتی داراییهای کاربر را بهسرقت میبرد.
الگوریتمهای یادگیری ماشین و پردازش دادههای وب میتوانند URLها و دامنهها را بررسی کنند و هرگونه شباهت غیرعادی با وبسایتهای معتبر، استفاده از کاراکترهای تغییریافته یا دامنههای جعلی را تشخیص دهند. علاوه بر این، هوش مصنوعی امکان تحلیل ساختار HTML صفحات و ویژگیهای امنیتی مانند گواهی SSL را هم دارد و قادر است وبسایتهای جعلی را بهسرعت تشخیص دهد.
تشخیص کلاهبرداری پیگ بوچرینگ (Pig Butchering)
پیگ بوچرینگ یا «قصابی خوک» یک کلاهبرداری پیچیده مبتنی بر مهندسی اجتماعی است که در قالب «کلاهبرداری عاشقانه» هم شناخته میشود. قصابی خوک به چاقکردن خوکی اشاره دارد که قرار است سلاخی شود! در این روش، کلاهبردار ممکن است قربانی خود را هفتهها یا حتی ماهها با ایجاد یک رابطه عاطفی یا صمیمی ساختگی با او «چاق» کند. سرانجام، وقتی اعتماد قربانی بهطور کامل جلب شد، کلاهبردار قربانی را به سرمایهگذاری در یک پلتفرم یا پروژه جعلی سوق میدهد. درنهایت، زمانی که قربانی مبلغ قابلتوجهی سرمایهگذاری کند، دسترسی او به حسابش مسدود میشود و کلاهبردار با تمام پول ناپدید میشود. همچنین، گاهی کلاهبردار در قالب پیامهای عاشقانه ممکن است از قربانی خود تقاضای پول کند.
تحلیل پیامهای کلاهبردار مهمترین کاری است که هوش مصنوعی در خصوص شناسایی کلاهبرداریهای پیگ بوچرینگ میتواند انجام دهد. الگوریتمهای پردازش زبان طبیعی اینجا هم به کار کاربران میآیند تا محتوای پیامها، ایمیلها و چتهای شبکههای اجتماعی را بررسی کنند و احتمال دستکاری عاطفی، وعدههای سرمایهگذاری مشکوک و الگوهای تکراری را هشدار دهند.
تشخیص کلاهبرداری ایردراپ
در این مدل، کلاهبردار به قربانی وعده میدهد که درصورت پرداخت مقداری ارز یا ارائه اطلاعات حساس مثل رمز عبور و عبارت بازیابی، توکن ایردراپ به حساب قربانی واریز میکند. توجه داشته باشید که هیچ ایردراپی نیاز به پرداخت هزینه، واردکردن کلید خصوصی یا ارسال عبارت بازیابی ندارد و هر پلتفرمی که چنین درخواستهایی مطرح کند، بهاحتمال قوی قصد سرقت داراییهای کاربران را دارد.
هوش مصنوعی میتواند با تحلیل دادههای تراکنشی و قراردادهای هوشمند بررسی کند که آیا پروژه وعدهدهنده واقعاً دارای توکن معتبری هست یا خیر. همچنین، هوش مصنوعی میتواند وجود استخر نقدینگی پروژه و میزان فعالیت آن را هم بررسی کند. علاوه بر این، الگوریتمهای AI میتوانند احتمال مشکوکبودن و متمرکزبودن تراکنشهای مالی پروژه را هم اعلام کنند.
تشخیص پروژههای جعل توکن
کلاهبردارها ممکن است توکنهایی شبیه به توکنهای واقعی و محبوب بسازند؛ اما این توکنها فاقد ارزش واقعی هستند یا کد مخربی در آنها جاسازی شده است. این توکنها گاهی در صرافیهای غیرمتمرکزی که ممیزی خاصی روی داراییها ندارند، فهرست میشوند تا بهظاهر مشروعیت داشته باشند؛ اما پس از خرید، امکان فروش آنها وجود ندارد یا سازنده با تغییراتی در قرارداد هوشمند، نقدینگی را خارج میکند و ارزش توکن را به صفر میرساند. بسیاری از قربانیان وقتی متوجه میشوند که توکن جعلی بوده است، هیچ راهی برای بازیابی دارایی ازدسترفته پیدا نمیکنند.
هوش مصنوعی قادر است قراردادهای هوشمند، ساختار توکنها و الگوهای نقدینگی را بهدقت بررسی کند و پروژههای جعلی توکن را بسیار زودتر از انسان شناسایی کند. مدلهای تحلیل کد مبتنی بر هوش مصنوعی میتوانند بهصورت خودکار قراردادهای هوشمند را اسکن کنند و بهدنبال ویژگیهای مشکوکی مثل ممنوعیت فروش، امکان مسدودکردن دارایی کاربران، حق تغییر اقتصاد توکنی بدون رأیگیری یا وجود توابع مخفی برای خروج نقدینگی بگردند.
معرفی پلتفرمهای هوش مصنوعی برای تشخیص کلاهبرداری ارز دیجیتال
درحالحاضر، پلتفرمهای متعددی از فناوریهای مبتنی بر هوش مصنوعی و یادگیری ماشینی استفاده میکنند تا احتمال کلاهبرداریهای رمزارز را در قراردادهای هوشمند و توکنهای تازهفهرستشده تشخیص دهند. برخی از آنها عبارتاند از:
- Defi Scanner برای بررسی قراردادهای هوشمند و احتمال راگ پولها؛
- GoPlus Security برای بررسی احتمال کلاهبرداری در پروژههای وب ۳ و اپلیکیشنهای غیرمتمرکز؛
- SolidityScan برای بررسی آسیبپذیریهای امنیتی پنهان در کد پروژه؛
- Sardine برای تحلیل رفتار کاربران و تشخیص کلاهبرداریهایی مثل پیگ بوچرینگ؛
- MythX برای تحلیل قراردادهای هوشمند اتریوم.
همه پلتفرمهای بالا از فناوریهای مبتنی بر هوش مصنوعی بهره میبرند.
علاوه بر آن، پلتفرمهای شناختهشدهتری مثل Token Sniffer، CryptoScan و Rug Check با استفاده از ابزارهای امنیتی میتوانند از یادگیری ماشینی برای تشخیص ناهنجاریهای موجود در ساختار کد، مالکیت توکن، یا الگوهای تراکنشی قراردادهای هوشمند استفاده کنند و آنها را با سرعتی بسیار بالاتر از انسان تشخیص دهند. این پلتفرمها از ابزارهای هوش مصنوعی، تحلیل خودکار دادهها و تشخیص الگوهای خودکار برای پیداکردن مواردی مثل احتمال قفل نقدینگی، مالکیت متمرکز بالا و وجود توابع مخرب در کد قرارداد هوشمند استفاده میکنند.
ابزارهای جالب دیگری مثل پلتفرم Elliptic هم وجود دارند که میتوانند کیف پولهای رمزارز را برای شناسایی آدرسهای رمزارزی که مرتبط با فعالیتهای غیرقانونی مثل پولشویی و تأمین مالی تروریسم هستند غربالگری کنند. همچنین، تحقیقها و پژوهشهای متعددی در دست اقداماند که از مدلهای یادگیری عمیق، پردازش زبان طبیعی (NLP)، سیستمهای تحلیل محتوا و شبکههای عصبی گرافی (GNN) برای تحلیل ارتباطات میان کیفپولها، ردیابی الگوهای پیچیده جابهجایی سرمایه و شناسایی رفتارهای هماهنگشده بین چند آدرس استفاده میکنند.
کاربرد چت جی پی تی در تشخیص کلاهبرداری رمزارز
در سطح سادهتر، خودتان هم میتوانید از چتباتهایی مثل ChatGPT و Gemini برای بررسی سریع نشانههای کلاهبرداری استفاده کنید. بهعنوان مثال، میتوانید توضیحات یک پروژه، قرارداد هوشمند، وایتپیپر، توضیحات صفحه اول یک وبسایت ناآشنا یا پیامهای تبلیغاتی پروژهها را به چتباتها بدهید تا نقاط مشکوک، ادعاهای غیرواقعی، الگوهای فریبدهنده یا تناقضهای موجود در متن را برایتان مشخص کنند.
متون تبلیغاتی، وبسایتها و وایت پیپر بسیاری از پروژههای کلاهبرداری که سعی میکنند کاربران ایرانی را فریب دهند، حاوی اشتباهات فراوان املایی و گرامری زبان انگلیسی هستند که ممکن است در نگاه اول برای کاربران ایرانی عادی به نظر برسند. چتباتها بهسادگی میتوانند این اشتباهات را شناسایی کنند و آنها را به شما نشان دهند.
در کنار این موارد، چتباتها میتوانند وعده سود تضمینی، درخواست سرمایه فوری یا لینکهای مشکوک در پیامها را هم راحتتر تشخیص بدهند و هرگونه احتمال فریبکاری را به شما گوشزد کنند. البته، باید تأکید کنیم که چتباتها در قدم اول میتوانند کمککننده باشند، اما نمیتوانند جایگزین تحلیل تخصصی و ابزارهای امنیتی مبتنی بر هوش مصنوعی شوند. درنهایت، چت باتها میتوانند زنگ خطرها را شناسایی کنند و احتمال وجود خطر را به شما یادآور شوند، اما قادر به ارائه جمعبندی قطعی نیستند.
مسئولیت ارزیابی نهایی همیشه برعهده خودتان است. بررسی مستقل پروژه، مراجعه به منابع معتبر و استفاده از ابزارهای امنیتی تخصصی به شما در تصمیمگیری آگاهانه و هوشمندانه کمک میکنند.
هوش مصنوعی: سپر محکمی برای محافظت از کلاهبرداریهای کریپتو
همگام با پیشرفت بسیار سریع دنیای رمزارزها، کلاهبرداران هم هر روز از روشهای پیشرفتهتری برای ساخت هویتهای مصنوعی، دستکاری بازار و فریب کاربران استفاده میکنند. دراینبین، مدلهای یادگیری ماشین با تحلیل مواردی مثل الگوهای قیمت، رفتار کاربران، ساختار قراردادهای هوشمند و حتی لحن پیامهای تبلیغاتی میتوانند کلاهبرداریهایی را تشخیص دهند که در نگاه اول پروژههایی معمولی به نظر میرسند. در واقع، همانطور که کلاهبردارها بسیاری از اقدامات مخرب خود را با ابزارهای هوش مصنوعی پیش میبرند، ایمنترین روش محافظت هم استفاده از هوش مصنوعی برای تشخیص کلاهبرداریهای ارز دیجیتال است.
بااینهمه، حتی قدرتمندترین ابزارهای هوش مصنوعی زمانی بیشترین کارآیی را دارند که کاربر آگاهی و دانش لازم را درباره ریسکها، نشانههای کلاهبرداری و سازوکار پروژههای رمزارز داشته باشد. ابزارهای هوش مصنوعی میتوانند هشدار بدهند؛ اما تصمیم نهایی برای محافظت از سرمایه و مدیریت ریسک برعهده خودِ کاربر است.
سؤالات متداول
هوش مصنوعی خیلی سریعتر و کارآمدتر از انسان میتواند پروژهها را تحلیل کند و ردفلگهای موجود در پروژهها، پیامهای تبلیغاتی، سوءاستفاده از اسامی صرافیها و نامهای بزرگ، غلطهای املایی و باگهای قراردادهای هوشمند را پیدا کند.
واقعیت این است که ابزارهای هوش مصنوعی فقط میتوانند هشدار بدهند. تصمیم نهایی برای محافظت از سرمایه و مدیریت ریسک با خودمان است.
از هوش مصنوعی میتوان برای تشخیص انواع کلاهبرداری از فیشینگ و پیگ بوچرینگ گرفته تا طرحهای هرمی و پانزی و جعل هویتها استفاده کرد.
