কি হয়েছে
নলেজ অ্যান্ড ইনফরমেশন সিস্টেমে প্রকাশিত একটি গবেষণা ইথেরিয়াম লেনদেন রিপ্লে থেকে পরিবর্তনশীল-দৈর্ঘ্যের অপকোড ক্রম বিশ্লেষণ করে স্মার্ট চুক্তির দুর্বলতা সনাক্ত করার জন্য একটি গভীর শিক্ষার পদ্ধতির প্রবর্তন করে। ChordMixer আর্কিটেকচার এবং ধারণ প্রক্রিয়ার উপর নির্মিত মডেলটি সাতটি দুর্বলতার ধরন জুড়ে 93.5% নির্ভুলতা অর্জন করে মৃত্যুদন্ডের চিহ্নগুলিকে কাটা এড়ায়।
গুয়াংজু ইউনিভার্সিটির গবেষকরা নলেজ অ্যান্ড ইনফরমেশন সিস্টেমে একটি গবেষণা প্রকাশ করেছেন যাতে স্মার্ট চুক্তির দুর্বলতা সনাক্তকরণের জন্য একটি নতুন গভীর শিক্ষার মডেলের বিবরণ রয়েছে। মূল উদ্ভাবন হল স্ট্যাটিক সোর্স কোড বা ট্রাঙ্কেটেড এক্সিকিউশন ট্রেসের পরিবর্তে ইথেরিয়াম লেনদেন রিপ্লে থেকে প্রাপ্ত পরিবর্তনশীল-দৈর্ঘ্যের অপকোড সিকোয়েন্সের ব্যবহার।
মডেলটি ChordMixer আর্কিটেকচার ব্যবহার করে, একটি স্কেলযোগ্য নিউরাল অ্যাটেনশন মেকানিজম যা বিভিন্ন দৈর্ঘ্যের ক্রমগুলির জন্য ডিজাইন করা হয়েছে, রিটেনটিভ নেটওয়ার্ক পরিবারের একটি ধারণ প্রক্রিয়ার সাথে মিলিত। এই দ্বৈত-রেজোলিউশন পদ্ধতিটি মডেলটিকে আক্রমণের বিশ্বব্যাপী আচরণগত স্বাক্ষর এবং স্থানীয় সন্দেহজনক নির্দেশ বিস্ফোরণ উভয়ই ক্যাপচার করতে দেয়।
দলটি মডেলটিকে সাতটি স্বতন্ত্র দুর্বলতার প্রকারের বিরুদ্ধে বেঞ্চমার্ক করেছে, যার মধ্যে পুনরায় প্রবেশ এবং টাইমস্ট্যাম্প নির্ভরতা রয়েছে। গবেষণায় 93.5% নির্ভুলতা এবং 90.6% এর F1-স্কোর রিপোর্ট করা হয়েছে, বেসলাইন ডিটেক্টরগুলিকে ছাড়িয়ে যায় যা নির্দিষ্ট দৈর্ঘ্যের ইনপুটগুলির উপর নির্ভর করে। তথ্যটি ইথারস্ক্যানের মতো পাবলিক ব্লকচেইন এক্সপ্লোরারদের কাছ থেকে নেওয়া হয়েছিল, যা বাস্তব-বিশ্বের চুক্তির আচরণকে প্রতিফলিত করে।
কেন এটা গুরুত্বপূর্ণ
এই গবেষণাটি স্বয়ংক্রিয় ব্লকচেইন সুরক্ষা সরঞ্জামগুলির একটি গুরুতর কাঠামোগত দুর্বলতাকে সম্বোধন করে: যখন পরিবর্তনশীল-দৈর্ঘ্য এক্সিকিউশন ট্রেসগুলিকে স্থির-দৈর্ঘ্যের নিউরাল নেটওয়ার্ক ইনপুটগুলিতে বাধ্য করা হয় তখন তথ্যের ক্ষতি। স্মার্ট চুক্তি সম্পাদনের সম্পূর্ণ প্রসঙ্গ সংরক্ষণ করে, মডেলটি সূক্ষ্ম দুর্বলতাগুলি সনাক্ত করতে পারে যেমন পুনঃপ্রবেশ এবং পূর্ণসংখ্যা ওভারফ্লো যা ঐতিহ্যগত স্ট্যাটিক বিশ্লেষণ বা ছেঁটে যাওয়া গতিশীল বিশ্লেষণ দ্বারা মিস হতে পারে। এটি DeFi সেক্টরের জন্য তাৎপর্যপূর্ণ, যেখানে অপরিবর্তনীয় চুক্তি এবং বিলিয়ন বিলিয়ন সম্পদ নিরাপত্তা ত্রুটিগুলিকে বিপর্যয়কর করে তোলে। কাজটি দেখায় যে নেটিভ ভেরিয়েবল-লেংথ প্রসেসিং স্ট্যান্ডার্ড প্যাডিং/ট্রাঙ্কেশন পদ্ধতিগুলিকে ছাড়িয়ে যেতে পারে, অন-চেইন সম্পদগুলির ক্রমাগত, স্বয়ংক্রিয় নিরাপত্তা পর্যবেক্ষণের জন্য আরও শক্তিশালী ভিত্তি প্রদান করে।
ব্লকচেইন নিরাপত্তার জন্য প্রথাগত মেশিন লার্নিং ডিটেক্টর প্রায়ই দীর্ঘ অপকোড সিকোয়েন্সগুলিকে স্থির-দৈর্ঘ্যের মডেল ইনপুটগুলিকে ফিট করার জন্য ছেঁটে দেয়, সম্ভাব্যভাবে সেই নির্দেশগুলি বাতিল করে যা দুর্বলতাগুলি প্রকাশ করে। এই নতুন পদ্ধতিটি সেই তথ্যের ক্ষতি দূর করে, চুক্তি সম্পাদনের আরও সম্পূর্ণ দৃষ্টিভঙ্গি প্রদান করে।
বিকেন্দ্রীভূত অর্থায়ন (DeFi) ইকোসিস্টেমের জন্য, যেখানে চুক্তিগুলি অপরিবর্তনীয় এবং শোষণ বিলিয়ন বিলিয়ন নিষ্কাশন করতে পারে, সেখানে স্বয়ংক্রিয় সরঞ্জাম যা স্থাপনের আগে বা পরে দুর্বলতাগুলিকে সঠিকভাবে চিহ্নিত করতে পারে তা অত্যন্ত গুরুত্বপূর্ণ। এই মডেলটি অন-চেইন সম্পদের ক্রমাগত, রিয়েল-টাইম নিরাপত্তা পর্যবেক্ষণের দিকে একটি পথ অফার করে।
গবেষণাটি প্রয়োগকৃত AI-এর জন্যও বিস্তৃত প্রভাব রয়েছে, এটি প্রদর্শন করে যে র্যাগড, বাস্তব-বিশ্বের সিকোয়েন্স দৈর্ঘ্যের জন্য স্থানীয়ভাবে ডিজাইন করা আর্কিটেকচারগুলি জিনোমিক্স এবং সেন্সর ডেটার মতো অন্যান্য ডোমেনে স্ট্যান্ডার্ড প্যাডিং এবং ট্রাঙ্কেশন প্রিপ্রসেসিং পদ্ধতিকে ছাড়িয়ে যেতে পারে।
ইন্টারেক্টিভ মেকানিজম: এটা আসলে কিভাবে কাজ করে
এই বিকাশের পিছনে অন্তর্নিহিত প্রযুক্তিটি ইন্টারেক্টিভভাবে অন্বেষণ করুন।
Which component of an AI application is the machine-learning model itself?
পরবর্তী কি দেখতে
এই পরিবর্তনশীল-দৈর্ঘ্য সনাক্তকরণ পাইপলাইনের ওপেন-সোর্স রিলিজ বা বাণিজ্যিক ইন্টিগ্রেশনের জন্য মনিটর করুন। মানব পর্যালোচনার একটি পরিপূরক স্তর হিসাবে DeFi প্রোটোকল বা নিরাপত্তা নিরীক্ষা সংস্থাগুলি গ্রহণের জন্য দেখুন। এই স্থাপত্যটি AI-তে অন্যান্য পরিবর্তনশীল-দৈর্ঘ্যের সিকোয়েন্স বিশ্লেষণের কাজগুলির জন্য একটি আদর্শ হয়ে ওঠে কিনা তা পর্যবেক্ষণ করুন, যেমন জিনোমিক বা সেন্সর ডেটা।
প্রজননযোগ্যতা এবং সম্প্রদায় গ্রহণের সম্ভাবনার মূল্যায়ন করতে GitHub এর মতো প্ল্যাটফর্মে মডেলের কোড বা ওজনের প্রকাশের জন্য দেখুন।
এই পরিবর্তনশীল-দৈর্ঘ্য সনাক্তকরণ পদ্ধতিকে তাদের স্ট্যান্ডার্ড নিরাপত্তা স্ট্যাকগুলিতে একীকরণের জন্য নিরাপত্তা অডিট সংস্থাগুলি এবং DeFi প্রোটোকলগুলি পর্যবেক্ষণ করুন৷
অন্যান্য AI অ্যাপ্লিকেশনগুলিতে পরিবর্তনশীল-দৈর্ঘ্যের ক্রমগুলি পরিচালনা করার জন্য ChordMixer এবং ধরে রাখার পদ্ধতির সংমিশ্রণটি একটি আদর্শ রেফারেন্স হয়ে ওঠে কিনা তা পর্যবেক্ষণ করুন।