استفاده مخرب از هوش مصنوعی در کریپتو: آیا آینده تاریک است؟

اولین نکته ترسناک در مورد هوش مصنوعی مخرب این است که احتمالاً در قالب اسکای‌نت (Skynet) ظاهر نخواهد شد؛ آن ابرهوش مصنوعی که تصمیم می‌گیرد همه انسان‌ها را به تمدنی پساکمبود تبدیل کند. این تهدید می‌تواند در ساده‌ترین شکل ممکن باشد: یک فایل تک، چک‌پوینت مدلی که در یک مخزن محبوب مورد اعتماد هزاران محقق ذخیره شده است، یا یک مجموعه داده ذخیره‌شده به عنوان یک کتابخانه استاندارد در کنار چندین ابزار بینایی ماشین دیگر، که توسعه‌دهنده به این دلیل تصمیم به استفاده از آن گرفته که از سر و کله زدن با کتابخانه دیگری از همان اکوسیستم خسته شده بود.

به همین دلیل است که یافته‌های اخیر محققان امنیتی که ده‌ها مدل یادگیری ماشین را کشف کردند که از دی‌سریالیزاسیون pickle برای اجرای کدهای مخرب سوءاستفاده می‌کنند، این‌قدر نگران‌کننده است. این واقعیت که این تهدید می‌تواند در داخل مدل‌ها وجود داشته باشد تعجب‌آور نیست، زیرا استفاده از torch.save در PyTorch و همتای آن torch.load برای بازیابی وزن‌های مدل نیازمند حداقل تلاش از سوی مهاجم است. لحظه‌ای که فایل توسط کاربر بی‌خبر باز می‌شود به نقطه حمله تبدیل می‌گردد – در یکی از موارد، مدل‌های PyTorch ذخیره‌شده با pickle حاوی کدهای PyInstaller بودند که اجرا شده و یک فایل اجرایی خارجی را دانلود می‌کردند و دسترسی از راه دور به سیستم قربانی می‌دادند.

مثال دوم نیز به Hugging Face مربوط می‌شود و جای شگفتی نیست که در همان جایی رخ داد که اولین آسیب‌پذیری زنجیره تأمین کشف شده بود. این رویداد در ژوئیه 2026 رخ داد – در این میان، یک ایجنت هوش مصنوعی خودران دیگر توانست با فرار از سندباکس مدل و مداخله در پایپ‌لاین‌های پردازش، به محیط پروداکشن نفوذ کند و از آن‌ها برای دسترسی به سیستم مدیریت کلیدها و اسرار (Secret Management)، زیرساخت Kubernetes و در نهایت دستیابی به یک وکتور تقویت ترافیک در مقیاس بزرگ استفاده نماید. شایان ذکر است که اکثر روش‌های به کار گرفته شده نسبتاً ساده بودند – هیچ ویژگی خاصی که منحصراً مربوط به هوش مصنوعی باشد شناسایی نشد، به جز این واقعیت که این ایجنت مستقل و خودران بود و نیازی به تعامل انسانی نداشت.

در نهایت، مورد سوم شامل Anthropic بوده و در اواخر سال 2025 اتفاق می‌افتد – و یک سناریوی ترسناک را به همراه دارد. یکی از شرکت‌های امنیت سایبری زنجیره‌ای از شناسایی و بهره‌برداری را کشف کرد که از استدلال ایجنتی هوش مصنوعی برای انجام چندین کار پیچیده استفاده می‌کرد. این وظایف در صورت انجام توسط انسان‌ها، نیازمند حجم وسیعی از دانش و منابع بودند. یک ایجنت می‌توانست در هر مرحله به یک مهاجم انسانی کمک کند، مثلاً با جستجوی آسیب‌پذیری‌ها، آموزش یک مدل اکسپلویت، تغییر مداوم اطلاعات کاربری (Credentials)، و اجرای حرکات جانبی (Lateral Movement) که در نهایت امکان دسترسی به اطلاعات حساس را فراهم می‌ساخت. چنین وظیفه‌ای به طور معمول به یک تیم کامل از هکرهای تیم قرمز نیاز داشت، در حالی که ایجنت هوش مصنوعی مانند یک متفکر در سطح انسان عمل می‌کرد و نیاز به هماهنگی‌های پیچیده را از بین می‌برد.

خود ماشین پلید نیست - این ماشین تنها کاری را انجام می‌دهد که برای آن برنامه‌ریزی شده است. انگیزه و نیت آسیب رساندن همچنان از سوی انسان‌ها نشات می‌گیرد، هرچند گاهی به روش‌های غیرمستقیم و با کمک فناوری‌هایی که قانون‌گذاری آن‌ها بسیار سخت‌تر است. به متخصصان امنیت سایبری اکیداً توصیه می‌شود در نظر بگیرند که هوش مصنوعی متخاصم چگونه می‌تواند در متدولوژی‌های حمله فعلی ادغام شود - و چگونه می‌توان به بهترین شکل در برابر آن‌ها دفاع کرد.

چرا این موضوع برای کریپتو اهمیت دارد؟

پروژه‌های ارز دیجیتال، حداقل در تئوری، تمایل دارند از نام مستعار (Pseudonymity) به عنوان ابزاری برای محافظت از دارایی‌ها و امنیت شخصی افراد استفاده کنند. در نتیجه، بسیاری بر این باورند که در مقایسه با امور مالی سنتی، تراکنش‌های کریپتو زمینه به مراتب کمتری را برای باج‌گیری و هدف‌گیری شخصی مهاجمان ایجاد می‌کنند. این دیدگاه، در عین حال که کاملاً نادرست نیست، این جزئیات حیاتی را نادیده می‌گیرد که بلاکچین، بر خلاف سیستم مالی سنتی، کاملاً پراکنده و غیرمتمرکز است؛ هیچ چیزی شبیه به موجودی حساب بانکی که فقط صاحب آن بتواند به آن دسترسی داشته باشد وجود ندارد. در واقع، کاملاً برعکس است: تک‌تک کیف پول‌ها در هر بلاکچینی در اصل رفتار خود را علنی و آشکار به نمایش می‌گذارند. یک کیف پول در بازه‌های زمانی مشخص با آدرس‌های خاصی تعامل دارد، صرافی‌های ترجیحی برای معاملات منظم خود دارد، توکن‌های مشخصی را دریافت یا توزیع می‌کند، ایردراپ‌ها را کلیم می‌کند، به طرح‌های پیشنهادی DAO رأی می‌دهد، در پلتفرم‌های NFT فعالیت می‌کند، از یک پل (Bridge) خاص استفاده می‌نماید، کارمزدها را در زنجیره‌های خاصی پرداخت می‌کند و مواردی از این دست. به طور خلاصه، این کیف پول دارای الگوهایی است - ردپاهای رفتاری که می‌توانند برای پیوند دادن یک مجموعه آدرس مشخص به یک شخص واقعی مورد استفاده قرار گیرند.

این اطلاعات به تنهایی در عمل به ندرت مفید واقع می‌شوند، زیرا هیچ دسترسی مستقیمی به وجوه فراهم نمی‌کنند. با این حال، یک مهاجم مجهز به هوش مصنوعی می‌تواند از این داده‌ها برای ساختن یک پروفایل رفتاری استفاده کند و بعداً اقدام به باج‌گیری، اخاذی یا حملات مبتنی بر باج‌افزار نماید. از جهات مختلف، این چشم‌انداز به مراتب بدتر از بیشتر تصورات دیستوپیایی پیرامون بلاکچین است. گذشته از هر چیز، هیچ مقداری از تمرکززدایی نمی‌تواند واقعاً از انسان در برابر تهدیدات در سطح انسانی که در بعد شخصی عمل می‌کنند محافظت نماید. اگر شخصی تهدید کند که هویت شما را افشا خواهد کرد یا اطلاعات خصوصی شما را فاش می‌سازد، واقعاً چندان اهمیتی ندارد که دارایی‌های خود را در یک صرافی متمرکز یا غیرمتمرکز نگهداری می‌کنید.

دلیل اصلی تشدید این مشکلات توسط هوش مصنوعی این است که مهاجمان بالقوه را به توانایی‌های باورنکردنی تشخیص الگو و مهندسی اجتماعی مجهز می‌کند. یک انسان معمولی برای دستیابی به سطحی معقول از سوءظن باید صدها یا حتی هزاران نقطه داده را به صورت دستی ارزیابی و تطبیق دهد. در این میان، یک سیستم هوش مصنوعی می‌تواند این کار را با حداقل تلاش انجام دهد - و هنگامی که این کار را کرد، تعداد زیادی از اقدامات بعدی وجود دارد که می‌تواند امتحان کند. آنچه در عمل رخ می‌دهد این است که هر عنصر از رفتار شخصی یک کاربر کریپتو می‌تواند به طور بالقوه برای استخراج ارزش توسط مهاجمان استفاده شود. یک پست بی‌دقت در رسانه‌های اجتماعی، حتی پستی که فقط حاوی چند رقم آخر آدرس کیف پول فرد باشد، کافی است تا به هوش مصنوعی اجازه دهد بعداً یک کمپین فیشینگ اجرا کند. به همین ترتیب، یک مهاجم می‌تواند آدرس ایمیل فرد را از فرم درخواست پیش‌فروش یک توکن خاص به دست آورد، از نام کاربری فرد در پلتفرم‌های مختلف استفاده کند، از حضور فرد در یک رویداد برای به دست آوردن تصویری از نشان هویتی او استفاده کند، یا از رفتار برداشتی فرد برای یافتن حساب صرافی او و تلاش برای دستیابی به آن سود ببرد. هیچ یک از این عناصر به طور جداگانه خطر زیادی ندارند، اما در کنار هم، می‌توانند به یک مهاجم امکان انجام فعالیت‌های بسیار تهاجمی‌تر و مخرب‌تر را بدهند.

یک هوش مصنوعی چگونه به یک اکوسیستم بلاکچین حمله می‌کند؟

هوش مصنوعی مخرب به ندرت شکل یک ایجنت خودران و قدرتمند را به خود می‌گیرد که بدون زحمت کنترل دارایی‌های کریپتویی فرد را در دست بگیرد. در بیشتر مواقع، مهاجمان آن را به عنوان یک لایه توانمندی اضافی به کار می‌گیرند که سطح حمله را به طور قابل توجهی افزایش می‌دهد. ایمیل‌های فیشینگ بسیار پیچیده‌تر می‌شوند و با پیام‌های صوتی یا تصویری دیپ‌فیک، قربانیان را به ارائه اطلاعات حساس فریب می‌دهند. فرصت‌های سرمایه‌گذاری جعلی از توانایی هوش مصنوعی در تقلید از سبک ارتباطی ترجیحی فرد استفاده خواهند کرد. کلاهبرداران از شبیه‌سازی صدای دیپ‌فیک و کانال‌های جعلی تلگرام برای کشاندن قربانیان به یک حس امنیت کاذب استفاده خواهند کرد. بنا بر گزارش‌ها، بازیگران دولتی کره شمالی پیش از این از ClickFix و سایر خدمات مشابه برای انجام حملات علیه شرکت‌های کریپتو و فین‌تک سوءاستفاده کرده‌اند و جلسات جعلی زوم تنها یکی از روش‌های بالقوه نفوذ است.

در مورد قراردادهای هوشمند، قابلیت‌های هوش مصنوعی تا حد زیادی به زاویه دید فرد بستگی دارد. اگر توسط یک مدافع مستقر شود، کدهای فرد را تجزیه و تحلیل می‌کند، نقاط ضعف شناخته‌شده و مشکلات احتمالی را جستجو می‌کند، آزمایش‌های فازینگ گسترده‌ای را انجام می‌دهد، و تعاملات قرارداد هوشمند فرد را از نظر احتمال حملات ورود مجدد (Reentrancy) و آسیب‌پذیری‌های مشابه ارزیابی می‌کند. با این حال، هنگامی که توسط یک مهاجم استفاده شود، امکان بررسی و تجزیه و تحلیل بسیار سریع‌تر نقاط ضعف احتمالی را به همراه توانایی کاوش در کد فرد برای فرضیات خطرناک یا الگوهای کپی‌شده از سایر قراردادهای آسیب‌پذیر فراهم می‌سازد.

چنین چشم‌اندازی باید مایه نگرانی ویژه برای پروتکل‌های کوچک‌تری باشد که از شرکت‌های حسابرسی کمتر شناخته‌شده استفاده می‌کنند یا تلاش می‌کنند محصولات خود را بدون منابع کافی عرضه نمایند. در هر لحظه، یک ایجنت می‌تواند قرارداد فرد را در برابر فورک‌های شناخته‌شده تجزیه و تحلیل کند، به دنبال شباهت‌هایی با قراردادهای هوشمند آسیب‌پذیر بگردد، حالت‌های خاص و لبه‌ای را شناسایی کند، و توکن فرد را برای وکتورهای حمله ارزیابی نماید. اکسپلویت ممکن است همچنان نیازمند ورودی شخصی فرد باشد، اما روند کلی بسیار آسان‌تر و سریع‌تر از گذشته خواهد بود.

بسیاری استدلال خواهند کرد که خطر واقعی در امکان حمله مستقیم به مکانیزم اجماع نهفته است. در این رابطه، مهاجمان بهتر است روی ضعیف‌ترین حلقه در زیرساخت بلاکچین تمرکز کنند: انسان‌هایی که شبکه را راه‌اندازی و نگهداری می‌کنند. در حال حاضر، پروژه‌های کریپتو به ترکیبی از توسعه‌دهندگان، ولیدیتورها، ریلیرها (Relayers)، ارائه‌دهندگان RPC، استخراج‌کنندگان MEV، اوراکل‌ها، نمایه‌سازها (Indexers) و موجودیت‌های مختلف دیگر متکی هستند. اکثر این موقعیت‌ها برای کار کردن نیازمند ورودی شخصی انسان هستند، به ویژه هنگامی که نوبت به زیرساخت ولیدیتور فرد می‌رسد. به همین دلیل است که مهاجمان تا کنون توانسته‌اند صرافی‌ها، پل‌ها، MEV-botها و سایر عناصر حیاتی در فضای کریپتو را با موفقیت به خطر بیندازند.

یک نفوذ مبتنی بر هوش مصنوعی با بهره‌برداری از ضعیف‌ترین نقطه در زیرساخت فرد عمل خواهد کرد. این سیستم می‌تواند اندپوینت‌های RPC فرد را شناسایی کند، وکتورهای حمله را علیه ریلیرهای او به کار گیرد، با جعل هویت مدیران برای انجام کلاهبرداری در سرور دیسکورد فرد اقدام کند، یا زیرساخت مدیریت کلیدهای او را هدف قرار دهد تا حمله به مراسم امضای کلید (Key-signing ceremony) انجام دهد. از بسیاری جهات، حمله به یک بلاکچین شبیه به حمله به یک برنامه متمرکز معمولی است - با این تفاوت که هر دو طرف خود را در یک مسابقه تسلیحاتی مداوم می‌بینند و هر به‌روزرسانی تنها یک آسودگی موقت ایجاد می‌کند.

همچنین باید توجه داشت که انواع مختلف زنجیره‌ها، سطوح حمله متفاوتی را ارائه می‌دهند و مهاجمان بسته به طراحی و زیرساخت فرد، بر روی ساده‌ترین نقطه ضعف تمرکز می‌کنند. به عنوان مثال، بیت‌کوین به مراتب کندتر و ساده‌تر از اکثر بلاکچین‌های دیگر است، به این معنی که مهاجم باید به تلاش‌های فیشینگ، به‌روزرسانی‌های نرم‌افزاری جعلی کیف پول، سرقت عبارات بازیابی (Seed phrase) و فرصت‌های مشابه متکی باشد. از سوی دیگر، اتریوم و سایر پروتکل‌های مبتنی بر EVM در معرض حملات قرارداد-محور قرار خواهند گرفت: اکسپلویت قراردادهای پروکسی، دریافت مجوزهای مخرب (Approvals)، استفاده از خدمات فرانت‌اند تخلیه‌کننده کیف پول (Wallet-drainer)، یا راه‌اندازی کلاهبرداری‌های ایردراپ جعلی که از دارایی‌های توکنی فرد استفاده می‌کنند. سرعت سولانا و تأکید آن بر برنامه‌های کاربردی مصرف‌کننده، فرصت‌هایی را برای مهندسی اجتماعی ایجاد می‌کند، در حالی که در TRON و سایر بلاکچین‌های متمرکز بر استیبل‌کوین‌ها و ویژگی‌های پرداخت، مهاجمان بر الگوهای حرکتی معین و رفتارهای منظم فرد تمرکز خواهند کرد.

همچنین مسئله محبوبیت نسبی فرد وجود دارد: پروژه‌های بزرگ‌تر توان مالی استخدام شرکت‌های تحقیقاتی امنیتی خصوصی را دارند، اما پروژه‌های کوچک‌تر باید به منابع عمومی یا شرکت‌های سنتی حسابرسی متکی باشند. از جهات مختلف، این امر فرد را در رحم مهاجمان قرار می‌دهد، زیرا کل بقای پروژه به توانایی آن در جذب کاربران بستگی دارد. فرد نمی‌تواند به سادگی از دید عموم، از جمله از دید مهاجمان بالقوه خود، پنهان بماند. در نتیجه، سطح حمله فرد بسیار گسترش می‌یابد و نقشه راه عمومی، کیف پول‌ها، اعضای تیم و سایر عناصر آن به نقاط ضعف بالقوه‌ای تبدیل می‌شوند که می‌توان علیه او استفاده کرد. این زمینه دیگری است که در آن هوش مصنوعی مزایای قابل توجهی را برای مهاجمان فراهم می‌آورد، زیرا می‌تواند به طور موثر محتواهای در معرض دید عموم را بسیار سریع‌تر از هر انسانی برای آسیب‌پذیری‌های بالقوه اسکن کند.

عدم تقارن دیتاسنترها

با این حال، بزرگ‌ترین مزیتی که هوش مصنوعی برای مهاجمان مخرب فراهم می‌کند، لزوماً قابلیت‌های آن نیست بلکه در دسترس بودن آن در مقیاس وسیع است. شرکت‌های پیشرو در این فضا به مقادیر باورنکردنی از منابع دیتاسنتر برای آموزش مدل‌های خود دسترسی دارند: حجم عظیمی از پردازنده‌های گرافیکی (GPU)، تراشه‌های ASIC سفارشی، زیرساخت کابل‌های فیبر نوری، تجهیزات خنک‌کننده و موارد بسیار دیگر. سپس این منابع به کار گرفته می‌شوند تا مدل‌ها را بهتر کنند: سریع‌تر، پیشرفته‌تر، توانمندتر و دارای عملکرد ایجنتی بیشتر. به طور طبیعی، چنین فرصت‌هایی منحصر به یک شرکت بزرگ نیست - فرد می‌تواند از مدل‌های متن‌باز، مقالات تحقیقاتی و سایر منابع برای ساخت ابزارهای اختصاصی خود، از جمله سیستم‌های هوش مصنوعی خود استفاده کند. حتی اگر فرد منابع لازم برای ایجاد چیزی در مقیاس GPT را نداشته باشد، باز هم به طور قابل توجهی از رقابت و تحقیقات انجام شده توسط همتایان خود سود می‌برد.

در این رابطه، کریپتو به میزان قابل توجهی در موضع ضعف قرار دارد، زیرا برای محافظت از دارایی‌های خود باید به تخصص داخلی خود متکی باشد. پروژه‌های دیفای (DeFi) از ارزش بسیار بالایی با تعداد کارمندان نسبتاً کمی محافظت می‌کنند. زیرساخت کیف پول به میلیون‌ها کاربر کمک می‌کند اما فقط می‌تواند پشتیبانی مشتریان محدودی را ارائه دهد. پل‌ها به عنوان تقاطع‌های حیاتی در فضای کریپتو عمل می‌کنند اما باید به تیم نگهداری فعلی خود تکیه کنند. DAOها به نوبه خود معمولاً در مواقع اضطراری کسی را برای مراجعه ندارند و فقط در لحظه در مورد واکنش‌های خود رأی‌گیری می‌کنند. شرکت‌های سرمایه‌گذاری خطرپذیر، پروژه‌ها را تشویق می‌کنند تا رشد را به هر قیمتی دنبال کنند، بدون اینکه زیرساخت‌های امنیتی خود را در اولویت قرار دهند. این یک معضل نامتقارن است که در آن مهاجمان مزایای قابل توجهی نسبت به مدافعان دارند. فرد باید با هر منبعی که در اختیار دارد کار کند، بدون هیچ تضمینی برای پایداری بلندمدت.

این موضوع به فلسفه گسترده‌تر و رویکرد فرد به امنیت نیز گسترش می‌یابد. فرد می‌تواند آخرین استانداردهای حسابرسی را پیاده‌سازی کند، از بهترین شیوه‌های این حوزه استفاده کند، مدل‌های تهدید خود را به‌روز نگه دارد و قراردادهای هوشمند خود را با هر آسیب‌پذیری جدید به‌روزرسانی کند. در عین حال، فرد همچنان باید در چارچوب محدودیت‌های خود عمل کند. ممکن است فرد قرارداد هوشمند امنی داشته باشد اما همزمان اکسپلویت‌های اضطراری را از طریق فرانت‌اند خود فعال کند، یا ممکن است احراز هویت چندعاملی برای کیف پول خود داشته باشد اما به دلیل شباهت بیش از حد دامنه فیشینگ به دامنه معتبر خود، متوجه آن نشود.

این عدم تعادل همچنین در سطح تاکتیکی ظاهر می‌شود، جایی که مهاجمان فقط نیاز دارند یک نقطه ضعف پیدا کنند، در حالی که مدافعان باید تمام سطوح بالقوه حمله را پوشش دهند. هیچ‌گاه نمی‌توان کاملاً ایمن بود: این حقیقتی است که همه پروژه‌های کریپتویی باید بپذیرند. وقتی صحبت از امنیت می‌شود، فرد باید در چارچوب محدودیت‌های خود عمل کرده و تمام تلاش خود را در آن محدوده به کار گیرد. فرد باید به بهترین روش‌ها تکیه کند، به صورت پیش‌فرض فرض کند که کدش ناامن است، قراردادهای خود را مرتباً به‌روزرسانی کند، زیرساخت خود را در برابر حملات بالقوه ایمن سازد و تعامل خود با بازیگران خارجی را به حداقل برساند. با این حال، این رویکرد بسیار وقت‌گیر و دشوار است، زیرا فرد باید همیشه نسبت به تهدیدات بالقوه هوشیار باشد. غیرمنطقی نیست فرض کنیم که یک مهاجم مجهز به هوش مصنوعی فرصت‌های بسیار ساده‌تری پیدا خواهد کرد: فرصتی که فقط نیازمند حداقل سرمایه‌گذاری است و نیازی به غلبه بر دفاع‌های فنی فرد ندارد.

فرهنگ کریپتو به ندرت احتیاط را در اولویت قرار می‌دهد و در عوض بر سرعت و چرخه‌های تکرار سریع تمرکز دارد. افراد پروژه خود را راه‌اندازی می‌کنند، از رقبای خود فورک می‌گیرند، نقشه راه خود را دائماً به‌روز می‌کنند، کارمندان خود را به صورت عمومی استخدام می‌کنند، از طریق دیسکورد با جامعه خود در تعامل هستند، خزانه‌داری خود را در تمام اوقات مولد نگه می‌دارند، و از ابزارهای خود برای انجام تراکنش‌های روزانه خود استفاده می‌کنند. این فضایی سریع و هیجان‌انگیز و پر از نوآوری و انرژی است - اما همین ایده‌آل‌ها آسیب‌پذیری‌های باورنکردنی ایجاد می‌کنند. پروتکل‌های متمرکز بر سرعت معمولاً امنیت خود را فدا می‌کنند، در حالی که به‌روزرسانی‌ها یا ارتقاهای مکرر کد می‌توانند باگ‌های جدیدی را وارد سیستم کنند. شرکتی که به عنوان یک DAO عمل می‌کند ممکن است فوق‌العاده شفاف باشد اما به طور همزمان به شدت آسیب‌پذیر باشد و زیرساخت سازمانی واقعی کمی داشته باشد. یک مهاجم برای موفقیت تنها نیاز دارد یک نقطه ضعف پیدا کند.

وارونگی حریم خصوصی در آینده

یکی از جالب‌ترین جنبه‌های جنگ مداوم حریم خصوصی در کریپتو این است که مدت‌هاست حول رابطه فرد با دولت‌ها متمرکز شده است. فرد فرض می‌کند که دولت‌ها و نهادهای مالی سنتی تلاش خواهند کرد تا فعالیت‌های او را نظارت کنند، از آدرس‌های او سلب گمنامی نمایند، تعاملات او را ردیابی کنند و اثبات دارایی‌های او را مطالبه نمایند. در حالی که این یک نگرانی معتبر است، تا حدی کوته‌بینانه نیز هست، زیرا همین قابلیت‌ها می‌توانند توسط سایر بازیگران به ضرر فرد مورد استفاده قرار گیرند.

از جهات مختلف، مجرمان در حال حاضر با ظرفیتی مشابه با رگولاتورهای بالقوه فرد عمل می‌کنند. هر دو ممکن است منابع محدودی داشته باشند و نتوانند مستقیماً هر اقدام فرد را مشاهده کنند. هر دو باید به الگوهای رفتاری فرد تکیه کنند تا پروفایلی از فعالیت‌های او در بلاکچین ایجاد نمایند. فرد نمی‌تواند حریم خصوصی کاملی داشته باشد، هم در برابر مهاجمان خود و هم در برابر مراجعی که آن‌ها را تهدید واقعی می‌داند. فرد باید تحت همان فرضیاتی عمل کند که رقبای او عمل می‌کنند؛ رقبایی که می‌توانند روش‌ها و منابع مشابهی را به کار گیرند.

با این حال، جنبه دیگری که به نفع Netts.io تمام می‌شود این است که حتی زمانی که بحث به عملیات روزمره مرتبط با تراکنش‌های کریپتو بازمی‌گردد، ابزارهای کوچک کاهش هزینه به همان اندازه مهم هستند، زیرا به کاهش نقاط کور در درک فرد از نحوه کارکرد بلاکچین کمک می‌کنند. ماشین‌حساب انتقال TRON USDT به کاربران خود امکان می‌دهد Energy و Bandwidth مورد نیاز برای یک تراکنش TRC-20 را قبل از انجام آن محاسبه کنند، سوزاندن TRX را با اجاره منابع مقایسه نمایند، کمترین کارمزد USDT را برای انتقال توکن‌ها محاسبه کنند، مشخص نمایند چه کارمزدهایی برای یک تراکنش خاص بهینه هستند، و در هزینه‌های مرتبط با انتقال USDT صرفه‌جویی کنند به جای آنکه این موضوع را با تجربه تلخ و دشوار یاد بگیرند. در نهایت، کار چندانی از دست یک شرکت‌کننده در بازار کریپتو برای محافظت از خود در برابر دستکاری‌ها در صنعتی که در آن هوش مصنوعی اطلاعات گمراه‌کننده را تقریباً به یک هنجار تبدیل کرده برنمی‌آید، و آگاهی از جزئیات عقلانی و ابتدایی همیشه یک نقطه شروع خوب است.