LiquiLM: Bridging the Semantic Gap in Liquidity Flaw Audit via DCN and LLMs
यह शोध पत्र LiquiLM का प्रस्ताव करता है, जो एक ढांचा (framework) है जो कोड और लिक्विडिटी इरादों (liquidity intents) के बीच के सिमेंटिक अंतर को पाटने के लिए लार्ज लैंग्वेज मॉडल्स को एक डायनेमिक को-अटेंशन नेटवर्क के साथ एकीकृत करता है, जो 90% से अधिक F1-स्कोर और 10 CVE-प्रमाणित कमजोरियों की खोज के साथ प्रूफ ऑफ लिक्विडिटी और DeFi पारिस्थित प्रणालियों में जटिल लिक्विडिटी दोषों का प्रभावी ढंग से पता लगाने और उन्हें समझाने में सक्षम है।
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 क्रिप्टोकरेंसी (DeFi) की दुनिया एक विशाल, हलचल भरे वैश्विक बाजार की तरह है। इस बाजार में, लिक्विडिटी (तरलता) वह पानी है जो फव्वारों को बहता रहने और दुकानों को खुला रखने के लिए जरूरी है। पर्याप्त पानी (पैसा) के बिना, बाजार सूख जाएगा, कीमतें गिर जाएंगी, और पूरा सिस्टम ढह जाएगा।
लंबे समय तक, ये बाजार पानी को बहने देने के लिए सरल नियमों पर निर्भर थे। लेकिन हाल ही में, प्रूफ ऑफ लिक्विडिटी (PoL) नामक एक नया, अधिक जटिल सिस्टम पेश किया गया है। यह एक साधारण हैंड-पंप से अपग्रेड होकर एक हाई-टेक, ऑटोमेटेड वॉटर फिल्ट्रेशन प्लांट बन जाने जैसा है। हालांकि यह नया सिस्टम स्मार्ट और अधिक कुशल है, लेकिन यह अविश्वसनीय रूप से जटिल भी है। यदि एक भी पाइप गलत तरीके से डिजाइन किया गया, तो पूरा प्लांट बाढ़ ला सकता है, पानी सुखा सकता है या फट सकता है, जिससे लोगों का पैसा चोरी हो सकता है।
समस्या क्या है? "प्लंबर" (ऑडिटर्स) जो इन कॉन्ट्रैक्ट्स की जांच करते हैं, वे संघर्ष कर रहे हैं। पारंपरिक उपकरण टॉर्च (फ्लैशलाइट) की तरह हैं; वे केवल उन्हीं लीकेज को ढूंढ सकते हैं जिन्हें उन्होंने पहले देखा है (जैसे पाइप में ज्ञात दरार)। वे यह नहीं समझ सकते कि एक जटिल नया पाइप डिजाइन क्यों विफल हो सकता है। वहीं दूसरी ओर, नए "सुपर-इंटेलिजेंट" ऑडिटर्स (लार्ज लैंग्वेज मॉडल्स या LLMs) लाइब्रेरी की हर किताब पढ़ने वाले जीनियस की तरह हैं, लेकिन वे ब्लूप्रिंट की भारी मात्रा से अक्सर अभिभूत हो जाते हैं, जिससे वे मतिभ्रम (hallucination) का शिकार हो जाते हैं या बारीक अक्षरों में छिपे सूक्ष्म, खतरनाक दोषों को मिस कर देते हैं।
यहाँ आता है LiquiLM: "स्मार्ट डिटेक्टिव" जो इस अंतर को पाटता है।
LiquiLM कैसे काम करता है, इसे सरल चरणों में यहाँ दिया गया है:
1. समस्या: "सिमेंटिक गैप" (अर्थ संबंधी अंतर)
कल्पना कीजिए कि आप एक जीनियस आर्किटेक्ट को एक जटिल प्लंबिंग समस्या समझाने की कोशिश कर रहे हैं।
- कोड (Code) ब्लूप्रिंट है (तकनीकी, शुष्क, प्रतीकों से भरा)।
- दोष (Flaw) वह कहानी है कि क्या गलत हुआ (जैसे, "पानी का दबाव गिर जाएगा यदि दो लोग एक साथ वाल्व खोलते हैं")।
- गैप (Gap): आर्किटेक्ट (AI) "मानवीय कहानी" बोलता है, लेकिन ब्लूप्रिंट "मशीन कोड" बोलता है। वे छिपे हुए खतरे को खोजने के लिए एक-दूसरे को पर्याप्त रूप से नहीं समझते हैं।
2. समाधान: LiquiLM की तीन-चरणीय प्रक्रिया
LiquiLM एक अनुवादक और एक फिल्टर के रूप में कार्य करता है, जो इस समस्या को हल करने के लिए विशेष उपकरणों की एक टीम का उपयोग करता है।
चरण A: "स्लाइसर" (गंदगी की सफाई)
सबसे पहले, LiquiLM विशाल, बिखरे हुए ब्लूप्रिंट (हजारों लाइनों के कोड) को लेता है और उसे छोटे, प्रबंधनीय टुकड़ों (slices) में काट देता है। यह कचरा (कमेंट्स, खाली लाइनें) फेंक देता है और केवल उन हिस्सों पर ध्यान केंद्रित करता है जो वास्तव में पानी को चलाते हैं (लॉजिक)।
- उपमा: एक टाइपो खोजने के लिए 500 पन्नों का उपन्यास पढ़ने के बजाय, यह केवल उन तीन वाक्यों को हाइलाइट करता है जहाँ टाइपो होने की संभावना है।
चरण B: "मैचमेकर" (DCN)
यही असली सफलता का मंत्र है। LiquiLM एक डायनेमिक को-अटेंशन नेटवर्क (DCN) का उपयोग करता है। इसे एक सुपर-स्मार्ट मैचमेकर की तरह समझें।
- यह "स्लाइस किए गए" कोड को लेता है और इसकी तुलना ज्ञात "बुरे किस्सों" (दोषों के विवरण) की लाइब्रेरी से करता है।
- यह पूछता है: "क्या कोड का यह विशिष्ट हिस्सा 'लिक्विडिटी ड्रेन' की कहानी बताने की कोशिश कर रहा है?"
- यदि उत्तर "नहीं" है, तो यह उस टुकड़े को फेंक देता है। यदि उत्तर "शायद" या "हाँ" है, तो यह उसे फ्लैग (चिह्नित) करता है।
- परिणाम: यह 90% सुरक्षित कोड को फ़िल्टर कर देता है, ताकि महंगा AI उन चीजों को पढ़ने में समय बर्बाद न करे जो ठीक हैं। यह एक "संदिग्ध सूची" (जिसे ऑडिट-इन्फॉर्म्ड मेनिफेस्ट कहा जाता है) बनाता है।
चरण C: "चार-चरणों वाली पूछताछ" (LLM)
अब, AI (जीनियस आर्किटेक्ट) पूरे बिखरे हुए ब्लूप्रिंट के बजाय "संदिग्ध सूची" प्राप्त करता है। लेकिन यह सुनिश्चित करने के लिए कि जीनियस आलसी न हो जाए या गलतियाँ न करे, LiquiLM एक फोर-फेज कोलैबोरेटिव प्रॉम्प्ट सिस्टम का उपयोग करता है।
इसे एक केस पर काम करने वाली चार-सदस्यीय जासूसी टीम के रूप में सोचें:
- डिस्पैचर (Dispatcher): संदिग्ध सूची को देखता है और तय करता है कि कौन से सुराग स्पष्ट हैं और किनके लिए गहरी खुदाई की आवश्यकता है।
- संशयवादी (Skeptic - चरण 2-1): यह साबित करने की कोशिश करता है कि सुराग गलत अलार्म हैं। "क्या यह वास्तव में एक लीकेज है, या सिर्फ एक परछाई?"
- शिकारी (Hunter - चरण 2-2): यदि संशयवादी बहुत सख्त है, तो शिकारी उन लीकेज को खोजने के लिए गहराई तक जाता है जिन्हें संशयवादी ने मिस कर दिया था।
- न्यायाधीश (Judge - चरण 3): न्यायाधीश दोनों (संशयवादी और शिकारी) की बात सुनता है। यदि वे असहमत होते हैं, तो न्यायाधीश सुराग को दूसरी बार देखने के लिए वापस भेज देता है। केवल तभी जब वे सहमत होते हैं, न्यायाधीश अंतिम फैसला सुनाता है।
3. परिणाम: यह क्यों मायने रखता है
पेपर ने 1,400 से अधिक वास्तविक दुनिया के कॉन्ट्रैक्ट्स पर LiquiLM का परीक्षण किया।
- सटीकता (Accuracy): इसने 90% से अधिक छिपे हुए दोषों को खोज निकाला (एक स्कोर जिसे F1 > 90% कहा जाता है)।
- वास्तविक दुनिया का प्रभाव: जब उन्होंने एथेरियम नेटवर्क और नए PoL सिस्टम से वास्तविक, लाइव कॉन्ट्रैक्ट्स पर इसका परीक्षण किया, तो इसने 238 उच्च-जोखिम वाले कॉन्ट्रैक्ट्स को खोज निकाला।
- "CVE" की जीत: सबसे प्रभावशाली बात यह है कि इसने 10 नए, गंभीर कमजोरियों (vulnerabilities) को खोजने में मदद की जो आधिकारिक तौर पर प्रमाणित (CVEs) की गईं। ये ऐसे दोष थे जो, यदि अनसुने छोड़ दिए जाते, तो उपयोगकर्ताओं के लाखों डॉलर निकाल सकते थे।
बड़ी तस्वीर (The Big Picture)
LiquiLM से पहले, इन विशिष्ट "लिक्विडिटी" बग्स को खोजना आंखों पर पट्टी बांधकर घास के ढेर में सुई खोजने जैसा था। पारंपरिक उपकरण उनकी जटिलता को समझने के लिए बहुत कम बुद्धिमान थे, और कच्चा AI घास के ढेर के आकार से विचलित हो जाता था।
LiquiLM स्मार्ट चश्मा (DCN) पहनता है ताकि सुई को ढूंढा जा सके, और फिर एक टीम ऑफ डिटेक्टिव्स (फोर-फेज सिस्टम) का उपयोग करता है ताकि यह सुनिश्चित किया जा सके कि वह वास्तव में एक सुई है न कि घास का एक तिनका। यह ठंडे, कठोर कोड और जोखिम की मानवीय समझ के बीच के अंतर को पाटता है, जिससे क्रिप्टो की दुनिया सभी के लिए सुरक्षित बनती है।
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।