AI نے صرف 2 ڈالر میں کولڈکارڈ والٹ میں خامی دریافت کر لی، جس سے سیکورٹی کے خدشات پیدا ہو گئے

کولڈکارڈ ہارڈویئر والٹ میں ایک کمزوری، جسے ایک AI ماڈل نے تقریباً 2 ڈالر میں دریافت کیا، کرپٹو ہارڈویئر صنعت کے سیکورٹی اقتصادیات کے بارے میں دوبارہ سوچنے پر مجبور کر رہی ہے۔ یہ خامی، جو کچھ شرائط کے تحت حملہ آور کو پرائیویٹ کلیدیں نکالنے کی اجازت دے سکتی تھی، حیرت انگیز آسانی اور نہایت کم لاگت کے ساتھ دریافت کی گئی۔

وو بلاکچین کی مارکیٹ اپڈیٹ کے مطابق، ڈریگن فلائی مینیجنگ پارٹنر حسیب کوریشی نے واقعے کی تفصیلات شیئر کیں، جس میں انہوں نے نوٹ کیا کہ یہ دکھاتا ہے کہ AI کیسے مصنوعات کی سلامتی ٹیسٹنگ کی مالیات کو دوبارہ شکل دے رہا ہے۔ انہوں نے ایک "کسٹ آف ڈسکوری" میٹرک پیش کیا، جو ایک فرنٹیر ماڈل کے زخم کو دوبارہ بنانے میں کتنا سستا ہے، اس کا جائزہ لیتا ہے۔

قریشی نے کولڈکارڈ کی خامی کی دریافت کی لاگت کے بارے میں تخمہ لگایا کہ یہ تقریباً 2 ڈالر ہے۔ ایک رپورٹ کے مطابق، کلاؤڈ کوڈ کا استعمال کرتے ہوئے صرف آٹھ منٹ میں کوشش کی گئی، تاہم اس نے احتیاط کی کہ رفتار ویب سرچ تک رسائی کے اثرات کی وجہ سے متاثر ہو سکتی ہے۔ GLM ماڈل کے ساتھ الگ آفلائن ٹیسٹ نے تقریباً 20 منٹ میں مسئلہ دوبارہ پیدا کر دیا، جس سے ثابت ہوا کہ یہ کمزوری ریل ٹائم انٹرنیٹ لُک اپس پر منحصر نہیں تھی۔

یہ اعداد و شمار حیرت انگیز ہیں کیونکہ ہارڈویئر والٹس کو سنگین کرپٹو ہولڈرز کے لیے آخری دفاعی لائن ہونا چاہیے۔ ایک خرابی جس کا پتہ لگانے کا خرچ صرف چھوٹی سی رقم ہے، اس فرض کو زیر سوال لاتی ہے کہ صرف سخت اور مہنگی آڈٹنگ ہی کسی ڈیوائس کو توڑنے کا واحد طریقہ ہے۔ یہ اشارہ دیتا ہے کہ کمزوری کی دریافت کے لیے لاگت کا منحنی تباہ ہو رہا ہے۔

قریشی کا نیا میٹرک صرف ایک اکادمک مشق نہیں ہے۔ یہ ایک خام ڈالر کا رقم فراہم کرتا ہے جسے ہارڈویئر ساز اپنے اندرونی ٹیسٹنگ بجٹ کے ساتھ موازنہ کر سکتے ہیں۔ اگر کوئی خامی صرف $2 میں دریافت کی جا سکتی ہے، تو کوئی بھی اچھی طرح سے وسائل سے لیس حریف — یا حتیٰ کہ ایک جستجو کرنے والے ریسرچر — اس تلاش کو آٹومیٹ کر سکتا ہے اور اسے متعدد فارم ویئر ورژن یا ڈیوائس ماڈلز پر سکیل کر سکتا ہے۔

یہ بوجھ والٹ کے مانufacturers پر منتقل کر دیتا ہے۔ اب ان کے لیے مستقبل میں سیکیورٹی مخفی کوڈ یا ریورس انجینئرنگ کی اونچی لاگت پر منحصر نہیں ہو سکتی۔ بجائے اس کے، انہیں یہ فرض کرنا ہوگا کہ AI ٹولز ہر ریلیز کا جائزہ لیں گے، اور فرمویئر اپڈیٹ اور عوامی خامی کے اعلان کے درمیان کا وقت ہفتوں کے بجائے گھنٹوں میں کم ہو سکتا ہے۔

یا واقعہ بگ بانٹی پروگرامز پر بھی دباؤ ڈالتا ہے۔ جب بگ دریافت کرنے کی لاگت ناچیز ہو جائے تو جو ادائیگیاں ایک وقت میں سودمند لگتی تھیں، وہ اب زیادہ لگنے لگتی ہیں۔ کمپنیوں کو فیصلہ کرنا ہوگا کہ وہ کم لاگت والی AI مدد شدہ دریافتوں کو ایوارڈ کریں گے یا انعامات کو دوبارہ ڈیزائن کرکے طریقہ کار کی نئی بناوٹ کے بجائے شدت پر زور دیں گے۔

کولڈکارڈ کا واقعہ ایسے لمحے پر آتا ہے جب AI تقریباً کرپٹو مارکیٹ کے ہر کونے میں گھل مل چکا ہے۔ UXLINK اور Origins Network بڑے پیمانے پر AI چلائی جانے والی ویب3 ایپلیکیشنز کو چلانے کے لیے مل گئے ہیں، جبکہ فائل کوین جیسے اسٹوریج نیٹ ورکس آن-چین AI ڈیٹا اسٹوریج کی بڑھتی ہوئی مانگ کی وجہ سے توجہ کا مرکز بن رہے ہیں۔ AI سے متعلقہ اثاثوں کے حوالے سے ہائپ بھی مضبوط رہا ہے، جس میں $X@AI جیسے BRC-20 NFTs ہفتہ وار فروخت کے چارٹس پر سب سے اوپر ہیں۔

لیکن کولڈکارڈ کیس اس ادغام کا ایک زیادہ سخت پہلو ظاہر کرتا ہے۔ AI صرف نئے ٹوکن کے استعمال کے معاملات کو چلانے تک محدود نہیں ہے؛ بلکہ یہ اربوں ڈالر کے ڈیجیٹل اثاثوں کو محفوظ رکھنے والی انفراسٹرکچر لیورل کے لیے سیکیورٹی کا اصولی نقشہ دوبارہ لکھ رہا ہے۔ ہارڈویئر والٹ میکرز کے لیے مقابلہ کا دفاعی حصار اب صرف چپ ڈیزائن یا سیلڈ عناصر کے بارے میں نہیں ہے—اب اس میں مشین کی مدد سے آڈٹ کی رفتار اور لاگت بھی شامل ہے۔

یہ ابھی بھی ایک کھلا سوال ہے کہ دیگر وسیع پیمانے پر استعمال ہونے والے ہارڈویئر والٹس کو بھی اسی طرح سستی دریافتوں کا سامنا ہوگا۔ کولڈکارڈ اپنے اوپن سورس، صرف بٹ کوائن پر مبنی توجہ کے لیے جانا جاتا ہے، جس کی وجہ سے اس کا کوڈ بیس کچھ بند سورس متبادل کے مقابلے میں سمجھنے میں آسان ہو سکتا ہے۔ لیکن رجحان واضح ہے: فرانتیر AI ماڈلز تیز اور سستے ہوتے جا رہے ہیں، اور ان کا استعمال سیکورٹی ٹیسٹنگ میں صرف زیادہ تشدد سے ہوگا۔

اس کے علاوہ یہ بھی عدم یقین ہے کہ دریافت کی لاگت کا ڈیٹا تنظیمی فریم ورکس میں流入 ہوگا۔ اگر پوکٹ چینج کے لیے ایک کمزوری دریافت کی جا سکتی ہے، تو اجباری اطلاع یا واپسی کا معیار کم ہونا چاہیے؟ یہ بحث ابھی شروع نہیں ہوئی، لیکن اس $2 خامی کے اردگرد کے واقعات سے ظاہر ہوتا ہے کہ اس سے زیادہ دیر نہیں لگے گی کہ یہ شروع ہو جائے۔