Bem, agora, reunir -se, pessoal! Parece que o pessoal da Trugard e seus amigos na Webacy inventaram uma engenhoca de inteligência artificial que afirma farejar aqueles golpes de envenenamento da carteira de criptografia. Não é isso um bocado? 🤔
Oi pessoal! Você já cansou de viver na pobreza enquanto as criptomoedas estão curtindo uma vida de luxo? Então junte-se ao nosso canal @Crypnoticias no Telegram, onde compartilhamos notícias sobre criptomoedas em português - porque quem precisa de dinheiro de verdade quando você pode nadar em Dogecoins? Venha para o lado selvagem da especulação financeira, onde o único risco é perder tudo... ou ganhar um foguete para a lua! 😂💰🚀
☞ Junte-se ao Telegram
Em um grande anúncio neste belo dia de 21 de maio, eles compartilharam com as pessoas boas da Cryptomoon que essa nova e brilhante ferramenta faz parte do arsenal de gadgets de tomada de decisões do Arsenal Webacy. Diz -se que “aproveita um modelo supervisionado de aprendizado de máquina treinado em dados de transações ao vivo em conjunto com a análise de onchain, engenharia de recursos e contexto comportamental”. Parece chique, não é? 🧐
Agora, essa ferramenta possui uma pontuação de sucesso de 97%, testada contra casos de ataque conhecido. “O envenenamento por endereços é um dos golpes mais subnotificados, porém caros, em criptografia, e atrai a suposição mais simples: que o que você vê é o que recebe”, brincou o co-fundador da Weby, Maika Isogawa. Bem, não é isso apenas a verdade! 😅
🚨 URGENTE: Dólar x Real em ALTA HISTÓRICA! Veja a previsão CHOCANTE!
Confira agora!
Para aqueles desacitados, o envenenamento por endereços criptográfico é um truque em que os patches enviam pequenos pedaços de criptomoeda a partir de um endereço de carteira que se parece muito com o endereço real do alvo. Eles geralmente compartilham os mesmos personagens iniciais e finais, apenas para manter as coisas interessantes. O objectivo? Enganar o usuário inocente para copiar e colar o endereço errado, levando a uma deliciosa perda de fundos. Oh, a humanidade! 😱
Esse ardil inteligente tira vantagem de como as pessoas geralmente confiam na correspondência parcial de endereços ou na história da área de transferência ao enviar criptografia. Um estudo de janeiro de 2025 revelou que mais de 270 milhões de tentativas de envenenamento ocorreram na cadeia BNB e no Ethereum entre 1 de julho de 2022 e 30 de junho de 2024. Desses, apenas 6.000 tentativas foram bem -sucedidas, resultando em perdas superiores a US $ 83 milhões. Agora essa é uma quantia impressionante! 💸
Segurança Web2 em um mundo da Web3
O diretor de tecnologia de Trugard, Jeremiah O’Connor, compartilhou com a Cryptomoon que sua equipe traz uma riqueza de sabedoria de segurança cibernética do domínio Web2, que eles estão “aplicando aos dados do Web3 desde os primeiros dias da criptografia”. Eles estão adotando sua experiência com engenharia de recursos algorítmicos desde os velhos tempos e aplicando -a a este bravo mundo novo. Ele acrescentou:
A maioria dos sistemas de detecção de ataques do Web3 existentes depende de regras estáticas ou filtragem básica de transações. Esses métodos geralmente ficam para trás em evolução táticas, técnicas e procedimentos de invasores em evolução.
Mas não tema! Este sistema recém -cunhado usa o aprendizado de máquina para criar uma ferramenta que aprenda e adapte para abordar ataques de envenenamento. O’Connor enfatizou que o que diferencia seu sistema é “sua ênfase no reconhecimento de contexto e padrões”. Isogawa entrou em contato, dizendo: “A IA pode detectar padrões frequentemente além do alcance da análise humana”. Bem, abençoe seus corações! 🤖
A abordagem de aprendizado de máquina
O’Connor explicou que Trugard gerou dados de treinamento sintético para a IA para simular vários padrões de ataque. Em seguida, o modelo foi treinado através do aprendizado supervisionado, o que é apenas uma maneira sofisticada de dizer que aprendeu com dados rotulados, incluindo variáveis de entrada e a saída correta. É como ensinar um cachorro a buscar, mas com muito mais zeros e um! 🐶
O objetivo aqui é que o modelo aprenda a relação entre entradas e saídas para prever a saída correta para entradas novas e invisíveis. Exemplos comuns incluem detecção de spam, classificação de imagens e previsão de preços. Você sabe, os suspeitos usuais!
O’Connor também mencionou que o modelo recebe uma pequena atualização de vez em quando, treinando -o em novos dados à medida que surgem novas estratégias. “Para completar, construímos uma camada de geração de dados sintética que nos permite testar continuamente o modelo contra cenários de envenenamento simulado”, disse ele. “Isso se mostrou incrivelmente eficaz para ajudar o modelo a generalizar e permanecer robusto com o tempo”. Bem, isso não é apenas pêssego? 🍑
- EUR BRL PREVISÃO
- BTC PREVISÃO. BTC criptomoeda
- USD BRL PREVISÃO
- NEAR PREVISÃO. NEAR criptomoeda
- BRETT PREVISÃO. BRETT criptomoeda
- BTC BRL PREVISÃO. BTC criptomoeda
- USD JPY PREVISÃO
- EUR CHF PREVISÃO
- Criação criptográfica do Reino Unido: quem sabia que o dinheiro poderia ser tão digital? 💸
- SOL PREVISÃO. SOL criptomoeda
2025-05-21 17:10