نقش هوش مصنوعی در افزایش سرعت و مقیاس هک‌های ارز دیجیتال
بازار ارزهای دیجیتال با تهدید فزاینده هوش مصنوعی روبه‌رو است. مهاجمان با استفاده از ابزارهای خودکار، حملات فیشینگ، شناسایی آسیب‌پذیری‌ها و سرقت اطلاعات را با سرعت بیشتری انجام می‌دهند؛ به‌طوری‌که عملیاتی که پیش‌تر به تیم‌های هکری نیاز داشت، اکنون با ابزارهای هوشمند قابل اجراست.
بحران امنیتی اخیر در دنیای ارزهای دیجیتال دقیقاً زمانی فرا رسیده که هوش مصنوعی در حال ارزان‌تر کردن و دشوارتر کردن مهار حملات سایبری است. صرافی بایننس اعلام کرد که در رخنه‌ی امنیتی ۳۰ اکتبر، تأثیر خسارتی حدود ۶.۳ میلیارد دلار برآورد شده و تحقیقات اولیه به یک لپ‌تاپ آلوده در تیم DevOps و برداشت‌های غیرمجاز اشاره دارد. صرافی Bitget نیز در ماه سپتامبر حادثه دیگری را تجربه کرد که طی آن حدود ۳۸۷.۵ میلیون دلار به آدرس‌های تحت کنترل مهاجمان منتقل شد.
هیچ‌یک از این دو شرکت به طور علنی رخنه امنیتی خود را به هوش مصنوعی نسبت نداده‌اند. این تمایز مهم است. تهدید نوظهور این نیست که هر هک کریپتویی ناگهان از هوش مصنوعی استفاده می‌کند، بلکه این است که هوش مصنوعی در حال تغییر دادن صرفه اقتصادی حمله به کیف پول‌ها، صرافی‌ها و مؤسسات مالی است.
هوش مصنوعی حملات آشنا را به عملیات صنعتی تبدیل می‌کند
بخش اطلاعات تهدیدات گوگل (Google Threat Intelligence) می‌گوید که مهاجمان از دستورات ساده به هوش مصنوعی به سمت گردش کار حملات مبتنی بر عامل (agentic) حرکت می‌کنند. در یک مورد در سال ۲۰۲۶، یک مهاجم از عوامل هوش مصنوعی برای ساخت و اجرای یک عملیات گسترده جمع‌آوری اطلاعات کاربری در کمتر از شش ساعت استفاده کرد و هزاران اعتبار شخص ثالث را به خطر انداخت. گوگل می‌گوید هوش مصنوعی به طور فزاینده‌ای برای تحقیق در مورد آسیب‌پذیری‌ها، توسعه اکسپلویت‌ها و شناسایی خودکار استفاده می‌شود.
شرکت Anthropic نیز همین تغییر را مشاهده کرده است. گزارش تهدیدات ماه سپتامبر این شرکت نشان داد که مهاجمان عوامل هوش مصنوعی موازی را برای شناسایی، بهره‌برداری و سرقت اجرا می‌کنند که به اپراتورهای فردی اجازه می‌دهد کمپین‌هایی را مدیریت کنند که قبلاً به تیم‌های کامل نیاز داشت.
مایکل ایگوروف، بنیان‌گذار Curve Finance، معتقد است که پلتفرم‌های متمرکز به دلیل ترکیب دسترسی‌های ممتاز با زیرساخت‌های نرم‌افزاری پیچیده، با سطح حمله وسیعی روبرو هستند.
زیرساخت‌های متمرکز معمولاً با استفاده از وابستگی‌های زیرساخت نرم‌افزاری نسبتاً پیچیده ساخته می‌شوند که هوش مصنوعی تقریباً هر روز در آن‌ها نقص‌هایی پیدا می‌کند.
Michael Egorov
نقشه تهدیدات بیت‌کوین شرکت River این مشکل را به خوبی نشان می‌دهد: هوش مصنوعی می‌تواند سرقت از کیف پول‌های خود-حضانتی را از طریق فیشینگ و بدافزار تقویت کند، تصاحب حساب‌ها را با استفاده از داده‌های لو رفته و دیپ‌فیک‌ها تسریع بخشد و به مهاجمان در جستجوی آسیب‌پذیری در کد پلتفرم‌ها کمک کند.
ریسک‌های منحصر به فرد مدل خود-حضانتی کریپتو
ارزهای دیجیتال یک ویژگی نابخشودنی دارند: سرقت موفق می‌تواند غیرقابل بازگشت باشد. در تابستان امسال، نقصی که تصادفی بودن را در برخی از سیدهای تولید شده توسط کیف پول COLDCARD تضعیف می‌کرد، به سرقت ۱,۳۶۷ بیت‌کوین از بیش از ۴,۵۰۰ آدرس به ارزش تقریبی ۱۱۶ میلیون دلار در آن زمان مرتبط شد. مهاجمان می‌توانستند کلیدهای خصوصی آسیب‌پذیر را به صورت آفلاین بازتولید کنند.
نشت داده‌های اخیر نیز سطح حمله دیگری ایجاد می‌کند. شرکت Keystone فاش کرد که رخنه وب‌سایت در ماه اکتبر، اطلاعات شخصی مرتبط با ۲۵,۹۶۴ رکورد خریدار را افشا کرده است. کوین‌بیس نیز به طور جداگانه اعلام کرد که حادثه‌ای در شرکت ارائه‌دهنده خدمات تحلیلی Amplitude، اطلاعات تماس زیرمجموعه کوچکی از مشتریان را افشا کرده است، اگرچه سیستم‌ها و وجوه مشتریان خود کوین‌بیس در امان بوده‌اند. چنین داده‌هایی می‌توانند به ماده خامی برای حملات فیشینگ بسیار شخصی‌سازی‌شده با هوش مصنوعی تبدیل شوند.
بانک‌ها با همان تهدید «سرعت ماشین» روبرو هستند
سیستم مالی سنتی نیز از این تهدید مصون نیست. Anthropic عملیات سایبری با کمک هوش مصنوعی را که مؤسسات مالی را هدف قرار داده‌اند، مستند کرده است، در حالی که FBI بیش از ۲۶۲ میلیون دلار خسارت گزارش‌شده ناشی از تصاحب حساب از ژانویه تا نوامبر ۲۰۲۵ را ثبت کرده است.
بنابراین، رقابت امنیتی تعیین‌کننده ممکن است بر سر سرعت باشد. هوش مصنوعی نیازی به ابداع روشی جدید برای سرقت بیت‌کوین یا خالی کردن یک حساب بانکی ندارد. اگر بتواند ضعف‌ها را پیدا کند، هویت قربانیان را جعل کند و حملات موجود را سریع‌تر از مداخله مدافعان اجرا کند، جرایم سایبری آشنا به چیزی بسیار مقیاس‌پذیرتر تبدیل می‌شود.
