LiquiLM: Bridging the Semantic Gap in Liquidity Flaw Audit via DCN and LLMs
تقترح الورقة البحثية LiquiLM، وهو إطار عمل يدمج النماذج اللغوية الكبيرة مع شبكة انتباه مشترك ديناميكية لسد الفجوة الدلالية بين الكود ونوايا السيولة، مما يكتشف ويشرح بفعالية عيوب السيولة المعقدة في أنظمة إثبات السيولة (Proof of Liquidity) وأنظمة التمويل اللامركزي (DeFi) بمعدل F1-score يتجاوز 90% واكتشاف 10 ثغرات أمنية معتمدة من CVE.
البحث الأصلي مرخَّص بموجب CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). هذا شرح مولَّده بالذكاء الاصطناعي للبحث أدناه. لم يكتبه المؤلفون ولم يصادقوا عليه. وللتحقق من الدقة التقنية، يرجى الرجوع إلى البحث الأصلي. اقرأ إخلاء المسؤولية الكامل
تخيل عالم العملات الرقمية (التمويل اللامركزي - DeFi) كأنه سوق عالمي صاخب ومزدحم. في هذا السوق، السيولة (Liquidity) هي الماء الذي يبقي النوافير تتدفق والمتاجر مفتوحة. وبدون كمية كافية من الماء (المال)، يجف السوق، وتنهار الأسعار، وينهار النظام بأكمله.
لفترة طويلة، اعتمدت هذه الأسواق على قواعد بسيطة للحفاظ على تدفق المياه. ولكن مؤخرًا، تم تقديم نظام جديد أكثر تعقيدًا يسمى إثبات السيولة (Proof of Liquidity - PoL). إنه يشبه الترقية من مضخة يدوية بسيطة إلى محطة ترشيح مياه آلية عالية التقنية. وبينما يعد هذا النظام الجديد أكثر ذكاءً وكفاءة، إلا أنه معقد للغاية. فإذا تم تصميم أنبوب واحد بشكل خاطئ، يمكن للمحطة بأكملها أن تغرق، أو تجف، أو تنفجر، مما يؤدي إلى سرقة أموال الجميع.
المشكلة؟ "السباكون" (المدققون) الذين يفحصون هذه العقود يعانون. الأدوات التقليدية تشبه المصابيح اليدوية؛ فهي لا تستطيع إلا العثوا على التسريبات التي رأتها من قبل (مثل شق معروف في أنبوب). ولا يمكنها فهم لماذا قد يفشل تصميم أنبوب جديد ومعقد. وفي الوقت نفسه، فإن "المدققين الخارقين" (النماذج اللغوية الكبيرة - LLMs) هم مثل عباقرة قرأوا كل كتاب في المكتبة، لكنهم غالبًا ما يصابون بالارتباك بسبب الحجم الهائل للمخططات، مما يؤدي بهم إلى "الهلوسة" (اختلاق أشياء من خيالهم) أو تفويت العيوب الدقيقة والخطيرة المختبئة في التفاصيل الصغيرة.
هنا يأتي دور LiquiLM: "المحقق الذكي" الذي يسد هذه الفجوة.
إليك كيف يعمل LiquiLM، مقسمًا إلى خطوات بسيطة:
1. المشكلة: "الفجوة الدلالية" (The Semantic Gap)
تخيل أنك تحاول شرح مشكلة سباكة معقدة لمهندس معماري عبقري.
- الكود (البرمجية) هو المخطط (تقني، جاف، مليء بالرموز).
- الخلل هو قصة ما حدث خطأً (على سبيل المثال: "سينخفض ضغط الماء إذا فتح شخصان الصمام في وقت واحد").
- الفجوة: المهندس المعماري (الذكاء الاصطناعي) يتحدث لغة "القصة البشرية"، بينما المخطط يتحدث لغة "كود الآلة". إنهما لا يفهمان بعضهما البعض جيدًا بما يكفي للعثور على الخطر الخفي.
2. الحل: عملية LiquiLM المكونة من ثلاث خطوات
يعمل LiquiLM كمترجم ومرشح، مستخدمًا فريقًا خاصًا من الأدوات لحل هذه المشكلة.
الخطوة أ: "المُقطّع" (Slicer) (تنظيف الفوضى)
أولاً، يأخذ LiquiLM المخطط الضخم والفوضوي (آلاف الأسطر من الكود) ويقطعه إلى شرائح صغيرة يمكن التعامل معها. يقوم بالتخلص من الحشو (التعليقات، الأسطر الفارغة) ويركز فقط على الأجزاء التي تحرك الماء فعليًا (المنطق البرمجي).
- التشبيه: بدلاً من قراءة رواية مكونة من 500 صفحة للعثور على خطأ مطبعي واحد، فإنه يسلط الضوء فقط على الجمل الثلاث التي قد يوجد فيها الخطأ.
الخطوة ب: "الخاطبة" (The Matchmaker) (شبكة DCN)
هذا هو السر الكامن وراء النجاح. يستخدم LiquiLM شبكة الانتباه المشترك الديناميكي (Dynamic Co-Attention Network - DCN). فكر في هذا كخاطبة ذكية للغاية.
- يأخذ الكود "المُقطّع" ويقارنه بمكتبة من "القصص السيئة" المعروفة (وصف العيوب).
- يسأل: "هل تبدو هذه الشريحة المحددة من الكود وكأنها تحاول سرد قصة 'استنزاف السيولة'؟"
- إذا كانت الإجابة "لا"، فإنه يتخلص من تلك الشريحة. وإذا كانت الإجابة "ربما" أو "نعم"، فإنه يضع عليها علامة.
- النتيجة: يقوم بتصفية 90% من الكود الآمن، حتى لا يضيع الذكاء الاصطناعي المكلف وقته في قراءة الأشياء السليمة. إنه ينشئ "قائمة المشتبه بهم" (تسمى البيان المعلوماتي المستند إلى التدقيق - Audit-Informed Manifest).
الخطوة ج: "الاستجواب ذو المراحل الأربع" (The LLM)
الآن، يحصل الذكاء الاصطناعي (المهندس المعماري العبقري) على "قائمة المشتبه بهم" بدلاً من المخطط الفوضوي بأكمله. ولكن لضمان عدم تكاسل العبقري أو ارتكابه للأخطاء، يستخدم LiquiLM نظام مطالبة تعاوني ذي أربع مراحل.
فكر في هذا كـ فريق تحقيق مكون من أربعة أشخاص يعملون على قضية:
- المُرسل (The Dispatcher): ينظر إلى قائمة المشتبه بهم ويقرر أي الأدلة واضحة وأيها يحتاج إلى بحث عميق.
- المشكك (المرحلة 2-1): يحاول إثبات أن الأدلة هي مجرد "إنذارات كاذبة". "هل هذا تسريب حقًا، أم مجرد ظل؟"
- الصياد (المرحلة 2-2): إذا كان "المشكك" صارمًا جدًا، يقوم "الصياد" بالبحث بعمق أكبر للعثور على التسريبات التي فاتها "المشكك".
- القاضي (المرحلة 3): يستمع "القاضي" إلى كل من "المشكك" و"الصياد". إذا اختلفوا، يرسل "القاضي" الدليل للتدقيق مرة أخرى. وفقط عندما يتفقون، يصدر "القاضي" حكمه النهائي.
3. النتائج: لماذا هذا مهم؟
اختبرت الورقة البحثية نظام LiquiLM على أكثر من 1,400 عقد حقيقي.
- الدقة: وجد أكثر من 90% من العيوف الخفية (درجة تسمى F1 > 90%).
- التأثير في العالم الحقيقي: عندما تم اختباره على عقود حقيقية وحية من شبكة إيثيريوم (Ethereum) وأنظمة PoL الجديدة، وجد 238 عقدًا عالي المخاطر.
- الفوز بـ "CVE": والأكثر إثارة للإعجاب، أنه ساعد في اكتشاف 10 ثغرات أمنية خطيرة جديدة تم اعتمادها رسميًا (CVEs). كانت هذه عيوبًا، لو تُركت دون علاج، لكان بإمكانها استنزاف ملايين الدولارات من المستخدمين.
الصورة الكبيرة
قبل LiquiLM، كان العثور على هذه الثغرات المتعلقة بـ "السيولة" تحديدًا يشبه البحث عن إبرة في كومة قش وأنت معصوب العينين. كانت الأدوات التقليدية غبية جدًا لفهم التعقيد، وكان الذكاء الاصطناዊ الخام مشتتًا جدًا بسبب حجم كومة القش.
LiquiLM يرتدي نظارات ذكية (DCN) للعثور على الإبرة، ثم يستخدم فريقًا من المحققين (نظام المراحل الأربع) للتأكد من أنها إبرة حقًا وليست مجرد قطعة من القش. إنه يسد الفجوة بين الكود البارد والقاسي وبين الفهم البشري للمخاطر، مما يجعل عالم الكريبتو أكثر أمانًا للجميع.
غارق في أبحاث مجالك؟
تصلك نشرة يومية بأحدث الأبحاث المطابقة لكلماتك البحثية المفتاحية — مع ملخصات تقنية، بلغتك.