Un détail de l’architecture des coffres de Newton a récemment retenu mon attention. Une allocation de coffre a été bloquée, non pas parce que la liquidité avait disparu, ni parce qu’un contrat était manifestement malveillant, mais parce qu’un signal de risque provenant de Hexagate a signalé un comportement inhabituel avant que des capitaux ne soient déployés.
Ce qui est intéressant, c’est que le contrat visé semblait, d’après les apparences, normal. Le blocage s’est produit parce que ses schémas de comportement s’écartaient de ce que le système de surveillance attendait. Cela fait évoluer la discussion : on ne réagit plus seulement à des failles connues, mais on identifie des signaux indiquant qu’un problème pourrait survenir avant que des dommages ne se produisent.
Je pense à cela comme à un détecteur de fumée plutôt qu’à un extincteur. L’objectif n’est pas de nettoyer après un incident. L’objectif est de repérer assez tôt des signes d’alerte subtils pour éviter complètement l’exposition.
Le système s’appuie sur des modèles d’apprentissage automatique en temps réel pour évaluer le risque, ce qui ajoute une couche de protection entre la décision d’un conservateur et le capital du coffre. Mais cela met aussi en évidence une limite inévitable. Les modèles de détection apprennent à partir des schémas observés, tandis que les attaquants cherchent constamment des schémas qui n’ont jamais été vus auparavant. Il y aura toujours un certain délai entre l’apparition d’une nouvelle technique d’exploitation et le moment où le modèle apprend à la reconnaître.
La question la plus intéressante est peut-être de savoir ce qui se passe lorsque le risque est distribué plutôt qu’isolé. Si plusieurs contrats sont visés via une attaque coordonnée, des signaux indépendants peuvent-ils être reliés assez rapidement pour identifier une menace plus large ? L’analyse de chaque contrat individuellement est précieuse, mais le risque systémique émerge souvent des relations entre contrats plutôt que d’un seul contrat à lui seul.
Ce défi pourrait finalement compter davantage que d’attraper la prochaine exploitation évidente.
$NEWT @NewtonProtocol #Newt $MITO $VANRY
Ce qui est intéressant, c’est que le contrat visé semblait, d’après les apparences, normal. Le blocage s’est produit parce que ses schémas de comportement s’écartaient de ce que le système de surveillance attendait. Cela fait évoluer la discussion : on ne réagit plus seulement à des failles connues, mais on identifie des signaux indiquant qu’un problème pourrait survenir avant que des dommages ne se produisent.
Je pense à cela comme à un détecteur de fumée plutôt qu’à un extincteur. L’objectif n’est pas de nettoyer après un incident. L’objectif est de repérer assez tôt des signes d’alerte subtils pour éviter complètement l’exposition.
Le système s’appuie sur des modèles d’apprentissage automatique en temps réel pour évaluer le risque, ce qui ajoute une couche de protection entre la décision d’un conservateur et le capital du coffre. Mais cela met aussi en évidence une limite inévitable. Les modèles de détection apprennent à partir des schémas observés, tandis que les attaquants cherchent constamment des schémas qui n’ont jamais été vus auparavant. Il y aura toujours un certain délai entre l’apparition d’une nouvelle technique d’exploitation et le moment où le modèle apprend à la reconnaître.
La question la plus intéressante est peut-être de savoir ce qui se passe lorsque le risque est distribué plutôt qu’isolé. Si plusieurs contrats sont visés via une attaque coordonnée, des signaux indépendants peuvent-ils être reliés assez rapidement pour identifier une menace plus large ? L’analyse de chaque contrat individuellement est précieuse, mais le risque systémique émerge souvent des relations entre contrats plutôt que d’un seul contrat à lui seul.
Ce défi pourrait finalement compter davantage que d’attraper la prochaine exploitation évidente.
$NEWT @NewtonProtocol #Newt $MITO $VANRY
Bullish
70%
Bearish
30%
10 Votes • Vote fermé