اكتشاف OpenZeppelin لتلوث بيانات في قاعدة OpenAI’s EVMbench

أعلنت شركة أوبنزيبلين المتخصصة في أمن البلوك تشين عن اكتشافها لثغرات منهجية وتلوث في البيانات خلال مراجعتها لمعيار EVMbench الجديد من أوبن إيه آي، والذي صُمم لاختبار قدرات الذكاء الاصطناعي في مجال أمن العقود الذكية.
ما هو معيار EVMbench؟
أُطلق معيار EVMbench في منتصف فبراير بالشراكة مع شركة بارادايم للاستثمار في العملات الرقمية. هدفه الرئيسي هو تقييم مدى قدرة نماذج الذكاء الاصطناعي المختلفة على اكتشاف الثغرات في العقود الذكية وإصلاحها واستغلالها.
نتائج التدقيق والملاحظات الرئيسية
بعد فحص دقيق، حددت أوبنزيبلين مشكلتين رئيسيتين:
- تلوث بيانات التدريب: حيث من المحتمل أن النماذج الذكية التي حصلت على أعلى الدرجات قد اطّلعت مسبقاً على تقارير الثغرات المستخدمة في الاختبار خلال مرحلة التدريب الأولي، مما يقلل من دقة النتائج.
- أخطاء في تصنيف الثغرات: حيث وجدت أوبنزيبلين على الأقل أربع ثغرات مصنفة على أنها “عالية الخطورة” في قاعدة بيانات EVMbench، ولكنها في الواقع غير قابلة للاستغلال عملياً.
تأثير هذه الأخطاء على التقييم
هذه المشاكل تؤثر على مصداقية ترتيب النماذج الذكية. فقد تصدر نموذج Claude 4.6 من شركة أنثروبيك القائمة، يليه نموذج OC-GPT-5.2 من أوبن إيه آي، ثم Gemini 3 Pro من جوجل. ولكن مع وجود أخطاء في البيانات، قد تحتاج هذه التقييمات إلى إعادة نظر.
المستقبل: الذكاء الاصطناعي وأمن البلوك تشين
أكدت أوبنزيبلين على الإمكانات الهائلة للذكاء الاصطناعي في تعزيز أمن شبكات البلوك تشين والعقود الذكية، لكنها شددت على أن تطبيق هذه التكنولوجيا واختبارها بشكل صحيح ودقيق هو الطريق الوحيد لتحقيق أقصى استفادة منها.
الأسئلة الشائعة
ما هو معيار EVMbench؟
معيار تقني أطلقته أوبن إيه آي بالشراكة مع بارادايم لتقييم قدرة نماذج الذكاء الاصطناعي على اكتشاف وإصلاح الثغرات الأمنية في العقود الذكية على البلوك تشين.
ما هي المشاكل التي اكتشفتها أوبنزيبلين؟
اكتشفت الشركة مشكلتين: الأولى هي تلوث بيانات التدريب مما قد يعطي نتائج غير دقيقة، والثانية هي أخطاء في تصنيف خطورة بعض الثغرات حيث وجدت أن ثغرات مصنفة كعالية الخطورة هي في الحقيقة غير قابلة للاستغلال.
هل هذا يعني أن الذكاء الاصطناعي غير مفيد لأمن البلوك تشين؟
لا، العكس هو الصحيح. الذكاء الاصطناعي يعد بأداة قوية لتعزيز الأمن. النقطة الأساسية هي ضرورة بناء أدوات تقييم واختبار دقيقة وموثوقة لضمان فعالية هذه النماذج عند استخدامها في العالم الحقيقي.












