حمله سایبری به صرافی غیرمتمرکز Ostium؛ ۱۸ میلیون دلار ضرر
شرکت امنیتی بلاکچین Blockaid اعلام کرد که صرافی غیرمتمرکز Ostium روز چهارشنبه حدود ۱۸ میلیون دلار را پس از نفوذ مهاجمان به کلید امضاکننده اوراکل و دستکاری فید قیمت این صرافی برای ایجاد سودهای معاملاتی جعلی، از دست داد.
بر اساس پستی که Blockaid در شبکه اجتماعی X منتشر کرده است، مهاجم با استفاده از یک “PriceUpKeep forwarder” ثبتشده و گزارشهای اوراکل با تاریخ آینده، سودهای معاملاتی مصنوعی ایجاد کرده است. این اقدام منجر به برداشت میلیونها دلار به شکل استیبلکوین USDC صادرشده توسط Circle از خزانه نقدینگی Ostium شده است.
Ostium در پستی در X تایید کرد: «ما از مشکل مربوط به خزانه OLP آگاه هستیم. تمامی معاملات را متوقف کردهایم و تیم در حال بررسی است.»
Ostium که بر بستر شبکه Arbitrum ساخته شده است، قراردادهای آتی دائمی مرتبط با داراییهای دنیای واقعی از جمله سهام، کالاها، بازارهای ارز خارجی و شاخصها را ارائه میدهد. این صرافی به عنوان یک صرافی غیرمتمرکز (DEX) عمل میکند، به این معنی که کاربران عمدتاً کنترل وجوه خود را حفظ میکنند و اطلاعات شخصی قابل شناسایی را ارائه نمیدهند. در زمان وقوع حمله، پروتکل Ostium حدود ۶۳ میلیون دلار ارزش کل قفلشده (TVL) داشت، که نشان میدهد این سوءاستفاده نزدیک به یک سوم از نقدینگی آن را تخلیه کرده است.
این حمله در شرایطی رخ میدهد که سال جاری یکی از بدترین سالها از نظر سوءاستفاده از پروتکلهای امور مالی غیرمتمرکز (DeFi) بوده است. DeFi به برنامههای مالی اشاره دارد که به صورت بومی بر روی شبکههای بلاکچین و بدون واسطههای شخص ثالث مانند بانکها عمل میکنند. در پنج ماه اول سال ۲۰۲۶، بیش از ۸۴۰ میلیون دلار از پروتکلهای DeFi به سرقت رفته است، از جمله ۲۹۲ میلیون دلار از KelpDAO و ۲۸۵ میلیون دلار از Drift Protocol. هکرها همچنین در ماه ژوئن به Resolv Labs حمله کرده و بیش از ۲۵ میلیون دلار را به سرقت بردند.
کارشناسان امنیتی هشدار میدهند که پیشرفتها در هوش مصنوعی در حال تسریع کشف آسیبپذیریها و سوءاستفادهها هستند.
دنی جنکینز، مدیرعامل و همبنیانگذار ThreatLocker، پیشتر به Decrypt گفته بود: «هوش مصنوعی در بررسی کد بسیار بهتر از اکثر افراد عمل میکند و آسیبپذیریهای بالقوه را در آن پیدا میکند.» جنکینز افزود که سیستمهای فعلی هوش مصنوعی در حال حاضر کشف آسیبپذیریها را تسریع میبخشند، در حالی که مدلهای جدیدتر مانند Mythos میتوانند این قابلیتها را به طور قابل توجهی گسترش دهند و آن را یک “مشکل بزرگ” قریبالوقوع خواند.
او اظهار داشت: «تنها مسئله زمان است تا یک فرد بد به آن دسترسی پیدا کند.»
در ماه مه، تیلور هورنبی، محقق امنیتی، از مدل Claude Opus 4.8 شرکت Anthropic برای شناسایی یک آسیبپذیری جعل چهار ساله در Zcash استفاده کرد و نشان داد که چگونه مدلهای پیشرفته هوش مصنوعی در یافتن نقصهای پیچیده نرمافزاری به طور فزایندهای مؤثر میشوند.

Leave a Reply