I risultati dimostrano che il metodo proposto ha una pre-elaborazione dei dati e un’ottimizzazione del modello più ragionevoli, con conseguenti migliori prestazioni di rilevamento”, hanno dichiarato i ricercatori, spiegando che Lightning Cat si basa su tre modelli di deep learning ottimizzati: CodeBERT, LSTM e CNN. Questi modelli sono stati addestrati su set di dati comprendenti migliaia di contratti vulnerabili.
In particolare, il modello CodeBERT supera gli strumenti di rilevamento statico, dimostrando un impressionante f1-score del 93,53%, catturando accuratamente la sintassi e la semantica del codice e dimostrando di essere un auditor blockchain capace.
Fonte: Nature
La lunga storia di violazioni dei contratti smart sottolinea l’importanza di questo lavoro. L’attacco DAO del 2016, in cui gli hacker hanno sfruttato una vulnerabilità di reentrancy, ha provocato un furto di 60 milioni di dollari di Ethereum. Questo incidente ha portato alla scissione della blockchain di Ethereum. Lo smart contract BEC ha affrontato un destino simile nel 2018 a causa di una vulnerabilità di integer overflow, facendo crollare a zero il valore del suo token e sconvolgendo il mercato.
Lightning Cat può essere utile agli sviluppatori per testare i loro strumenti prima della distribuzione. Come ha dichiarato David Schwed, COO di Halborn, molti degli exploit della DeFi potevano essere evitati con controlli di sicurezza adeguati.
“Un certo numero di hack non erano necessariamente vulnerabilità della catena”, ha dichiarato Schwed in un’intervista esclusiva. “Si trattava di sicurezza Web2 standard che è stata compromessa o violata a causa di pratiche di sicurezza inadeguate”.
L’iniziativa Lightning Cat, che utilizza l’intelligenza artificiale per rilevare le vulnerabilità del codice, fa parte di una tendenza più ampia che vede la convergenza delle tecnologie AI e blockchain per migliorare la sicurezza del software. Questa tendenza comprende un sistema di test del software decentralizzato basato su AI e blockchain che combina la potenza del deep learning con la trasparenza e l’affidabilità della tecnologia blockchain.
Secondo i sostenitori, questo approccio accelera in modo significativo il processo di rilevamento delle vulnerabilità e si sta rivelando particolarmente vantaggioso negli scenari di lavoro remoto. Inoltre, incorpora l’InterPlanetary File System (IPFS) per l’archiviazione efficiente dei dati, offrendo una soluzione completa per lo sviluppo e il testing sicuro del codice in ambienti decentralizzati.
