Smart Learning to Find Dumb Contracts (Extended Version)
यह शोध पत्र DLVA को प्रस्तुत करता है, जो एक डीप लर्निंग-आधारित प्रणाली है जो कोड को वेक्टर्स में मैप करके और न्यूरल नेटवर्क का उपयोग करके एथेरियम स्मार्ट कॉन्ट्रैक्ट बाइटकोड का तेजी से और सटीक रूप से विश्लेषण करती है ताकि गति और सटीकता दोनों में Slither जैसे मौजूदा उपकरणों से बेहतर प्रदर्शन किया जा सके।
मूल पेपर CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/) के तहत लाइसेंस किया गया है। नीचे दिए गए पेपर की यह व्याख्या AI से तैयार की गई है। इसे लेखकों ने न तो लिखा है, न इसका समर्थन किया है। तकनीकी सटीकता के लिए मूल पेपर देखें। पूरा डिस्क्लेमर पढ़ें
कल्पना कीजिए कि आपके पास डिजिटल अनुबंधों (स्मार्ट कॉन्ट्रैक्ट्स) की एक विशाल लाइब्रेरी है जो ब्लॉकचेन पर चलते हैं। इन अनुबंधों में लाखों डॉलर सुरक्षित हैं। हालाँकि, इनमें से कई में छिपे हुए "बग्स" या जाल हो सकते हैं जिनका फायदा उठाकर हैकर्स पैसा चुरा सकते हैं।
समस्या यह है कि अधिकांश अनुबंध एक गुप्त कोड में लिखे जाते हैं जिसे बाइटकोड (Bytecode) कहा जाता है। यह एक ऐसी किताब को देखने जैसा है जहाँ सभी शब्द नंबरों में बदल दिए गए हों। अधिकांश सुरक्षा उपकरण केवल मूल, पठनीय संस्करण (सोर्स कोड) को पढ़ सकते हैं, लेकिन लगभग दो-तिहाई अनुबंधों के लिए मूल टेक्स्ट खो गया है या छिपा हुआ है। हमारे पास केवल वे scrambled (बदले हुए) नंबर हैं।
यहाँ DLVA (डीप लर्निंग वल्नरेबिलिटी एनालाइज़र) आता है। DLVA को एक अति-बुद्धिमान, अति-तेज़ जासूस के रूप में सोचें जो उन बदले हुए नंबरों को पढ़ सकता है और बिना मूल किताब की आवश्यकता के ही उन जालों को पहचान सकता है।
यह इस प्रकार काम करता है, जिसे सरल भागों में विभाजित किया गया है:
1. शिक्षक और छात्र (The "Smart Learning" Part)
आमतौर पर, कंप्यूटर को बग खोजने के लिए सिखाने के लिए, आपको एक मानव विशेषज्ञ की आवश्यकता होती है जो हजारों अनुबंधों को देखे और कहे, "यह सुरक्षित है, वह खतरनाक है।" लेकिन मानव विशेषज्ञ धीमे होते हैं, और वे केवल पठनीय किताबों (सोर्स कोड) को ही पढ़ सकते हैं।
लेखकों ने एक प्रसिद्ध टूल का उपयोग "शिक्षक" के रूप में किया जिसे Slither कहा जाता है। Slither पठनीय किताबों को पढ़ने में माहिर है, लेकिन यह बदले हुए नंबरों (बाइटकोड) को नहीं पढ़ सकता।
- चाल (The Trick): उन्होंने Slither को पठनीय किताबें दिखाईं और Slither को एक नए AI छात्र (DLVA) को सिखाने दिया।
- जादू (The Magic): भले ही छात्र ने केवल बदले हुए नंबरों (बाइटकोड) को देखा, फिर भी उसने उन खतरों के पैटर्न को पहचानना सीख लिया जो शिक्षक ने पठनीय किताबों में देखे थे।
- परिणाम (The Result): छात्र (DLVA) इतना कुशल हो गया कि वह उन बदले हुए किताबों में भी बग ढूंढ सका जिन्हें शिक्षक देख भी नहीं पा रहा था क्योंकि शिक्षक के पास पढ़ने के लिए किताब ही नहीं थी!
2. तीन-चरणीय जासूसी प्रक्रिया (The Three-Step Detective Process)
DLVA केवल अनुमान नहीं लगाता; यह रहस्य सुलझाने के लिए तीन-चरणीय रणनीति का उपयोग करता है:
चरण 1: अनुवादक (SC2V)
कल्पना कीजिए कि एक जटिल, अस्त-व्यस्त अपराध स्थल (अनुबंध का कोड) को लेकर उसे एक एकल, सटीक फिंगरप्रिंट (गणितीय वेक्टर) में बदलना। DLVA ऐसा करने के लिए बदले हुए कोड को एक उच्च-आयामी "फिंगरप्रिंट" में बदल देता है जो अनुबंध के सार को पकड़ लेता है।- उपमा (Analogy): यह एक 100 पन्नों के उपन्यास को एक अद्वितीय रंग कोड में बदलने जैसा है जो आपको बताता है कि वह किस तरह की कहानी है।
चरण 2: "एक जैसा दिखने वाला" डिटेक्टर (Sibling Detector)
फिंगरप्रिंट मिलने के बाद, DLVA पूछता है: "क्या यह फिंगरप्रिंट हमारे प्रशिक्षण फ़ाइलों के किसी ज्ञात अपराधी के फिंगरप्रिंट जैसा ही है?"- यदि उत्तर हाँ है, तो यह तुरंत अनुबंध को चिह्नित कर देता है। यह "आसान" हिस्सा है। यह एक क्लब के बाउंसर की तरह है जो एक जाने-माने उपद्रवी को फोटो से पहचान लेता है।
- यह चरण अविश्वसनीय रूप से सटीक (97.4% सटीक) है और आधे से अधिक अनुबंधों को तुरंत पकड़ लेता है।
चरण 3: गहरा विचारक (Core Classifier)
यदि फिंगरप्रिंट किसी ज्ञात अपराधी से पूरी तरह मेल नहीं खाता है, तो DLVA हार नहीं मानता। यह अपने डीप लर्निंग मस्तिष्क का उपयोग करके फिंगरप्रिंट का विश्लेषण करता है और कहता है, "यह संदिग्ध लग रहा है, भले ही मैंने पहले इस सटीक व्यक्ति को न देखा हो।"- यह "कठिन" हिस्सा है। यह एक जासूस की तरह है जो वेश बदलकर आए अपराधी को पकड़ने के लिए अपनी अंतर्दृष्टि और अनुभव का उपयोग करता है।
3. DLVA एक गेम-चेंजर क्यों है?
- गति (Speed): पारंपरिक सुरक्षा उपकरण कछुओं की तरह हैं। वे हर उस संभावित चाल का अनुकरण करने की कोशिश करते हैं जो एक हैकर उठा सकता है, जिसमें बहुत समय लगता है (कभी-कभी प्रति अनुबंध मिनट या घंटे)। DLVA एक चीता है। यह एक अनुबंध की जांच 0.2 सेकंड में करता है। यह 10 से 1,000 गुना तेज़ है!
- पहुंच (Access): क्योंकि यह बदले हुए नंबरों (बाइटकोड) को पढ़ता है, यह ब्लॉकचेन पर 100% अनुबंधों की जांच कर सकता है। अन्य उपकरण केवल उस 30% की जांच कर सकते हैं जिनके पास पठनीय सोर्स कोड है।
- सटीकता (Accuracy): यह बुरे लोगों को पकड़ने (True Positives) और बिना वजह खतरे की घंटी बजाने (False Positives) के बीच संतुलन बनाता है। इसने ऐसे बग खोजे जो अन्य उपकरणों ने मिस कर दिए थे और इसने यह सब बिना किसी मानव विशेषज्ञ द्वारा हर प्रकार के बग के लिए नया नियम लिखे किया।
बड़ी तस्वीर (The Big Picture)
ब्लॉकचेन को एक विशाल, हलचल भरे शहर के रूप में सोचें।
- पुराने उपकरण: उन सुरक्षा गार्डों की तरह हैं जो केवल उन लोगों की जांच कर सकते हैं जिनके पास एक विशिष्ट आईडी कार्ड (सोर्स कोड) है। यदि आपके पास कार्ड नहीं है, तो वे आपको अनदेखा कर देते हैं। वे बहुत धीरे भी चलते हैं।
- DLVA: एक ऐसे सुरक्षा गार्ड की तरह है जो किसी भी चेहरे (बाइटकोड) को देख सकता है, अपराधी के सूक्ष्म संकेतों को पहचान सकता है, और पलक झपकते ही उन्हें रोक सकता है।
पेपर दिखाता है कि "स्मार्ट लर्निंग" (डीप लर्निंग) का उपयोग करके, हम ऐसे उपकरण बना सकते हैं जो न केवल तेज़ और अधिक सटीक हैं, बल्कि लाखों लोगों की डिजिटल संपत्ति की रक्षा करने में भी सक्षम हैं, भले ही इमारतों के "ब्लूप्रिंट" गायब हों।
अपने क्षेत्र के पेपरों की भीड़ में उलझे हुए हैं?
आपके रिसर्च कीवर्ड से मेल खाने वाले सबसे नए और अलग सोच वाले पेपरों का रोज़ाना Digest पाएँ—तकनीकी सारांश के साथ, आपकी भाषा में।