صرافی‌های رمزارز در ایران روزانه برنامه‌ها و کمپین‌های متنوعی را با ارائه محصولاتشان به کاربران خود عرضه می‌کنند. در ادامه این مطلب جزییات اطلاعیه‌های هر صرافی که در کانال تلگرامی آنها منتشر شده را جداگانه بررسی می‌کنیم. محدودیت بازار تتری صرافی‌های داخلی قرار بوده تا صبح روز شنبه ۱۸ مهر ماه ادامه داشته باشد و هنوز صرافی‌ها اطلاعیه‌ای در رابطه با تمدید آن منتشر نکرده‌اند. با این حال، بررسی پلتفرم صرافی‌ها نشان می‌دهد این محدودیت‌ها (غیرفعال بودن معاملات تتر از ساعت ۲۱ تا ۹ صبح، سقف خرید ۲۰۰۰ تتری برای هرکاربر در شبانه‌روز و عدم نمایش نمودار تتر-تومان) همچنان برقرار است. صرافی تبدیل توقف دائمی معاملات بلاست جزییات: صرافی تبدیل به‌دلیل مشکلات جهانی پروژه بلاست (BLAST)، معاملات این رمزارز را متوقف کرده است. خرید و فروش در بازار اسپات و امکان خرید در بخش خرید آسان از پنجشنبه ۱۶ مهر ساعت ۱۲ ظهر غیرفعال شده‌اند. کاربران تا دوشنبه ۲۰ مهر ساعت ۱۸ فرصت دارند دارایی‌های خود را در بخش خرید آسان بفروشند. پس از پایان این مهلت، دارایی‌های باقی‌مانده از سه‌شنبه ۲۱ مهر ساعت ۱۲ ظهر با قیمت جهانی روز به تتر تبدیل و معادل آن به کیف پول کاربران واریز خواهد شد. تکمیل فرایند تبدیل دارایی ۵ رمزارز به تتر جزییات: صرافی تبدیل اعلام کرد فرایند تبدیل دارایی کاربران برای رمزارزهای زئوس (ZEUS)، ونوم (VENOM)، آکالا توکن (ACA)، آلف زیرو (AZERO) و ایکس مانی (XMN) تکمیل شده و معادل تتری این ارزها بر اساس قیمت جهانی روز محاسبه و در کیف پول کاربران به‌روزرسانی شده است. صرافی تترلند افزایش سقف اعتبار خرید کالا با ضمانت رمزارز به ۲۰۰ میلیون تومان جزییات: صرافی تترلند اعلام کرد سقف اعتبار خرید کالا از طریق سرویس دیجی‌پی را دو برابر کرده و به ۲۰۰ میلیون تومان رسانده است. کاربران می‌توانند با ضمانت‌گذاری رمزارزهای خود، از این اعتبار استفاده کنند. اعتبار یک‌ماهه بدون کارمزد ارائه می‌شود و برای اعتبار چهارقسطی، کارمزد ۳ درصدی کسر خواهد شد. پس از پایان دوره و تسویه بدهی، امکان آزادسازی ضمانت وجود دارد. فعال‌سازی این سرویس از بخش «مدیریت سرویس‌ها» یا کیف پول حساب کاربری تترلند امکان‌پذیر است. صرافی رمزینکس آغاز مهاجرت استارگیت به توکن جدید ZRO جزییات: صرافی رمزینکس اعلام کرد فرایند مهاجرت ارز استارگیت (STG) به توکن جدید زیرو (ZRO) آغاز شده است و دارایی کاربران به‌صورت خودکار تبدیل خواهد شد. نسبت تبدیل برابر با ۱ واحد STG به ۰.۰۸۶۳۴ واحد ZRO است. واریز و برداشت STG متوقف شده و بازار معاملاتی این توکن سه‌شنبه ۲۱ مهر بسته خواهد شد. رمزینکس همچنین هشدار داده که کاربران از واریز توکن قدیمی STG خودداری کنند؛ چراکه امکان بازیابی دارایی‌های واریزشده وجود ندارد. توکن‌های جدید پس از پایان مراحل فنی به کیف پول کاربران اضافه می‌شوند. صرافی بیت۲۴ اضافه شدن سهام توکنیزه‌شده کردو تکنولوژی جزییات: صرافی بیت۲۴ اعلام کرد سهام توکنیزه‌شده کردو تکنولوژی با نماد CRDOB را به لیست معاملات خود اضافه کرده است. تکمیل تبدیل STG به ZRO جزییات: صرافی بیت۲۴ اعلام کرد فرایند تبدیل ارز استارگیت (STG) به زیرو (ZRO) در این پلتفرم با نسبت یک واحد STG به ۰.۰۸۶۳۴ واحد ZRO انجام شده است. غیرفعال شدن معاملات دو رمزارز جزییات: صرافی بیت۲۴ اعلام کرد معاملات رئالیتی متاورس (RMV) از ۱۶ مهر و میجر (MAJOR) از ۱۷ مهر در این پلتفرم غیرفعال شده‌اند. برای مشاهده بهترین قیمت خرید و فروش رمزارزها در صرافی‌های ایرانی به این صفحه مراجعه کنید: مقایسه قیمت خرید و فروش ارزهای دیجیتال در صرافی‌ها نکته: این پست توصیه سرمایه‌گذاری نیست و صرفا بازتاب اخبار صرافی‌های رمزارز است.

رهبران چین در برنامه اقتصادی جدید این کشور، ساخت یک شبکه ملی بلاکچین را در کنار سایر طرح‌های توسعه فناوری و دیجیتالی‌سازی اقتصاد قرار داده‌اند. با این حال، دولت پکن همزمان درباره شکل‌گیری حباب‌های اقتصادی و فاصله گرفتن از اقتصاد واقعی به‌دلیل تمرکز بیش از حد بر فعالیت‌های مجازی هشدار داده است. به گزارش میهن بلاکچین، این برنامه که ۹ اکتبر از سوی کمیته مرکزی حزب کمونیست و شورای دولتی چین منتشر شده، بر ادغام فناوری دیجیتال با صنایع سنتی تأکید دارد. در این سند اما اشاره‌ای به بیت کوین یا سایر ارزهای دیجیتال نشده است؛ موضوعی که با رویکرد چین در حمایت از زیرساخت‌های بلاکچینی تحت نظارت دولت و ممنوعیت فعالیت‌های مستقل رمزارزی هم‌خوانی دارد. برنامه بلاکچین چین دقیقاً چه می‌گوید؟ شبکه ملی بلاکچین بخشی از برنامه گسترده‌تر چین برای توسعه زیرساخت‌های دیجیتال است. این طرح در کنار ایجاد شبکه سراسری پردازش و محاسبات و برنامه «داده در شرق، محاسبات در غرب» مطرح شده که با هدف انتقال داده‌های شهرهای شرقی به مراکز داده غرب کشور دنبال می‌شود. تدوین مقررات مربوط به مالکیت و مبادله داده‌ها نیز از دیگر محورهای این برنامه است. چین پیش‌تر در آوریل ۲۰۲۰ شبکه خدمات مبتنی بر بلاکچین (BSN) خود را راه‌اندازی کرده بود. این زیرساخت تحت حمایت دولت فعالیت می‌کند و از ارزهای دیجیتال مستقل مانند بیت کوین پشتیبانی نمی‌کند. با این حال، سند جدید مشخص نکرده که شبکه ملی پیشنهادی بر پایه همین زیرساخت توسعه می‌یابد یا قرار است شبکه‌ای جداگانه باشد. مسئولیت پیگیری این برنامه نیز به نهادهای اقتصادی و توسعه‌ای چین سپرده شده است. جزئیات اجرایی و مقررات آینده مشخص می‌کنند که شبکه جدید چه کاربردهایی خواهد داشت و چه محدودیت‌هایی بر آن اعمال می‌شود. چرا بیت کوین خارج از برنامه چین قرار دارد؟ چین همچنان معامله ارزهای دیجیتال را در سرزمین اصلی خود غیرقانونی می‌داند و بانک مرکزی این کشور و هفت نهاد دیگر نیز در ماه فوریه بار دیگر بر ممنوعیت این فعالیت‌ها تأکید کردند. در مقابل، دولت پکن توسعه پول دیجیتال دولتی خود را دنبال می‌کند. بانک مرکزی چین در برنامه پنج‌ساله‌ای که در ماه آگوست منتشر شد، بر توسعه تدریجی یوان دیجیتال تأکید کرد؛ ارزی که تحت نظارت دولت منتشر می‌شود و بخشی از راهبرد این کشور برای گسترش زیرساخت‌های مالی دیجیتال است. انتشار برنامه جدید چین همچنین بحث درباره تأثیر سیاست‌های رمزارزی این کشور بر بازار جهانی را دوباره مطرح کرده است. با این حال، سند فعلی نشانه‌ای از تغییر موضع پکن درباره قانونی شدن معاملات ارزهای دیجیتال ارائه نمی‌دهد.

پیتر برنت (Peter Brandt)، معامله‌گر باسابقه بازارهای مالی به الگویی نزولی در نمودار هفتگی طلا اشاره کرده که در صورت شکسته شدن حمایت کلیدی‌اش، می‌تواند قیمت این فلز را تا ۲۹۸۰ دلار کاهش دهد! به گزارش میهن بلاکچین، البته این سناریو هنوز قطعی نیست و برنت تأکید کرده که نمودار به‌تنهایی پیش‌بینی مشخصی از آینده قیمت ارائه نمی‌دهد. در همین حال، خریدهای مستمر بانک مرکزی چین می‌تواند از قیمت طلا حمایت کند؛ عاملی که احتمال تداوم افت بازار را پیچیده‌تر می‌کند. نمودار قیمت طلا چه خطری را نشان می‌دهد؟ الگوی «سر و شانه» که برنت در نمودار هفتگی طلا به آن اشاره کرده معمولاً زمانی شکل می‌گیرد که قدرت روند صعودی کاهش پیدا می‌کند. این الگو از سه قله تشکیل شده که قله میانی از دو قله دیگر بلندتر است و در صورت شکست خط گردن، می‌تواند نشانه‌ای از تغییر روند باشد. برنت محدوده ۴۱۰۰ تا ۴۲۰۰ دلار را حمایت مهم طلا می‌داند و معتقد است در صورت ریزش قیمت به زیر این محدوده، احتمال افزایش فشار فروش و سقوط به سمت ۲۸۹۰ دلار وجود خواهد داشت. نمودار طلا تایم فریم ۱ هفته - منبع: PeterLBrandt وی در توضیحات نمودار بالا نوشته: این یک پیش‌بینی نیست اما تجربه من در ۵ دهه گذشته نشان داده اتفاقات عجیب گاها رخ می‌دهند! آیا خریدهای چین می‌تواند مانع افت بیشتر طلا شود؟ پیش‌بینی پیتر برنت در حالی مطرح شده که قیمت اونس جهانی طلا در حال حاضر در حوالی ۴۱۹۴ دلار در نوسان است و ۲۲٪ پایین‌تر از اوج ۵۴۰۵ دلاری ژانویه معامله می‌شود. در همین حال قیمت طلا نسبت به ابتدای سال نیز حدود ۴٪ کاهش یافته که بسیاری تغییر انتظارات درباره نرخ بهره آمریکا و افزایش بازدهی اوراق خزانه‌داری این کشور را از دلایل این ریزش عنوان می‌کنند. در سمت مقابل اما بانک مرکزی چین در ماه‌های اخیر فعالانه مشغول خرید طلا بوده و در سپتامبر با خرید ۷۴۰ هزار اونس، بزرگترین خرید ماهانه خودش از سال ۲۰۲۳ را انجام داده است. این روند خرید برای ۲۳ ماه متوالی ادامه داشته و می‌تواند به‌عنوان عاملی حمایتی برای قیمت طلا عمل کند. در مجموع، الگوی تکنیکال برنت احتمال اصلاح عمیق‌تر قیمت را مطرح می‌کند، اما تقاضای بانک‌های مرکزی و شرایط اقتصاد کلان نیز در مسیر آینده طلا نقش دارند. بنابراین هنوز مشخص نیست که این الگو به افت بیشتر منجر شود یا قیمت بتواند حمایت کلیدی خود را حفظ کند.

پژوهشگران امنیت سایبری گونه جدیدی از جاسوس‌افزار دارک‌سورد (DarkSword) را شناسایی کرده‌اند که می‌تواند پس از نفوذ به آیفون، اطلاعات مرتبط با کیف پول‌های ارز دیجیتال، رمزهای عبور، تصاویر و سایر داده‌های شخصی کاربران را جمع‌آوری کند. این بدافزار که پی۷ دارک‌سورد (P7 DarkSword) نام دارد، قابلیت‌های مشخصی برای شناسایی اپلیکیشن‌های کیف پول و استخراج اطلاعات مرتبط با آن‌ها دارد. به گزارش میهن بلاکچین، شرکت امنیت سایبری آی‌وریفای (iVerify) در ۸ اکتبر (۱۶ مهر) جزئیات این بدافزار را منتشر کرد. بررسی‌های این شرکت پس از شناسایی یک مورد آلودگی در ماه آگوست انجام شد. با این حال، پژوهشگران تاکنون شواهدی از سرقت قطعی ارز دیجیتال، تعداد کاربران آسیب‌دیده یا میزان خسارت مالی ناشی از این نسخه منتشر نکرده‌اند. جاسوس‌افزار چگونه کیف پول‌های ارز دیجیتال را هدف می‌گیرد؟ بررسی فنی آی‌وریفای نشان می‌دهد بدافزار P7 DarkSword دو قابلیت اختصاصی برای شناسایی و جمع‌آوری اطلاعات مرتبط با ارزهای دیجیتال دارد. قابلیت اول، با نام wallet_scan، اپلیکیشن‌های کیف پول نصب‌شده روی آیفون را جست‌وجو می‌کند. قابلیت دوم، با نام wallet_extract، برای جمع‌آوری داده‌های مرتبط با کیف پول ایم‌توکن (imToken) طراحی شده است. این بدافزار علاوه بر فایل‌های مرتبط با کیف پول، به کی‌چین اپل (Apple Keychain) نیز دسترسی پیدا می‌کند؛ بخشی از سیستم‌عامل که رمزهای عبور و اطلاعات احراز هویت را نگهداری می‌کند. برخلاف نسخه‌های قبلی دارک‌سورد که پایگاه داده کی‌چین را کپی می‌کردند، پی۷ اطلاعات استخراج‌شده را ابتدا در قالب یک فایل JSON روی دستگاه آماده می‌کند و سپس به سرور مهاجم می‌فرستد. دامنه جمع‌آوری اطلاعات به اپلیکیشن‌های کیف پول محدود نیست. پی۷ می‌تواند پایگاه داده اپل نوتس (Apple Notes)، تصاویر و فایل‌های منتخب برنامه‌ها را نیز جمع‌آوری کند. در نتیجه، اگر کاربر عبارت بازیابی یا اطلاعات ورود به کیف پول را در این بخش‌ها ذخیره کرده باشد، احتمال افشای آن‌ها وجود دارد. البته شناسایی یک کیف پول یا دسترسی به فایل‌های آن لزوماً به معنای کنترل کلید خصوصی و امکان انتقال دارایی‌ها نیست. موفقیت مهاجم به نوع اطلاعاتی بستگی دارد که بدافزار به دست می‌آورد و اینکه این اطلاعات برای انجام تراکنش غیرمجاز کافی باشند یا نه. قابلیت مهم دیگر پی۷، ارتباط مداوم با سرور تحت کنترل مهاجم است. این بدافزار به‌طور پیش‌فرض هر ۱۵ ثانیه دستورهای جدید را دریافت می‌کند. مهاجم می‌تواند این فاصله را تغییر دهد، فایل‌های مشخصی را جست‌وجو کند و بدون نیاز به نفوذ مجدد به دستگاه، فعالیت‌های جمع‌آوری اطلاعات را ادامه دهد. اپل پیش‌تر آسیب‌پذیری‌های دارک‌سورد را برطرف کرده بود گروه اطلاعات تهدید گوگل (Google Threat Intelligence Group) در ماه مارس اعلام کرده بود چارچوب دارک‌سورد با سوءاستفاده از شش آسیب‌پذیری، برخی آیفون‌های مجهز به iOS 18.4 تا 18.7 را هدف می‌گیرد. اپل آسیب‌پذیری‌های این زنجیره حمله را برطرف کرده، اما هنوز مشخص نیست پی۷ روی کدام نسخه‌های iOS قابل اجراست. همچنین شواهدی وجود ندارد که این بدافزار بتواند از به‌روزرسانی‌های امنیتی جدید عبور کند. اپل توصیه می‌کند کاربران آخرین نسخه سازگار iOS را نصب کنند و به‌روزرسانی خودکار را فعال نگه دارند. گوگل نیز برای افرادی که امکان به‌روزرسانی ندارند، استفاده از حالت امنیتی لاک‌داون مود (Lockdown Mode) را پیشنهاد کرده است.

شرکت لجر (Ledger)، سازنده کیف پول‌های سخت‌افزاری ارز دیجیتال، تأیید کرده که در جریان بررسی گزارشات سرقت دارایی کاربران، یک قطعه سخت‌افزاری غیرمجاز در یکی از دستگاه‌های آسیب‌دیده پیدا شده است. این دستگاه از طریق فروشنده‌ای در جنوب شرق آسیا خریداری شده بود و بررسی ارتباط احتمالی این قطعه با سرقت‌ها همچنان ادامه دارد. به گزارش میهن بلاکچین، این پرونده پس از گزارش تخلیه چند کیف پول در شبکه‌های مختلف و طرح احتمال دستکاری دستگاه‌های فروخته‌شده از سوی فروشنده‌ای به نام کریپتو بیلیس (CryptoBilis) مورد توجه قرار گرفت. برآورد یکی از محققان آنچین به نام اسپکتر (Specter) نشان می‌دهد ارزش دارایی‌های مسروقه از شبکه‌های بیت کوین، اتریوم و ترون ممکن است از ۸۶ میلیون دلار فراتر رفته باشد؛ هرچند لجر هنوز رقم خسارات یا تعداد کاربران آسیب‌دیده را تأیید نکرده است. لجر چه چیزی را تایید کرده؟ لجر در تازه‌ترین اطلاعیه خود اعلام کرده که در حال تماس با کاربران آسیب‌دیده و ادامه تحقیقات است. این شرکت همچنین از افرادی که اطلاعاتی درباره پرونده دارند خواست با برنامه باگ‌بانتی آن از طریق نشانی bounty@ledger.fr ارتباط بگیرند. کریپتو بیلیس نیز تا پایان تحقیقات، فروش تمام موجودی کیف پول‌های سخت‌افزاری خود را متوقف کرده است. این فروشنده پیش‌تر به‌عنوان نماینده مجاز لجر در اندونزی، مالزی و فیلیپین معرفی شده بود. لجر از مشتریانی که دستگاه خود را از این فروشنده خریده‌اند خواسته است اگر هنوز راه‌اندازی آن را انجام نداده‌اند، فعلاً از این کار خودداری کنند. افرادی که دستگاه را راه‌اندازی کرده‌اند نیز باید انتقال دارایی‌های خود به یک دستگاه امضاکننده جدید لجر با عبارت بازیابی تازه را در نظر بگیرند. این شرکت تأکید کرده که زیرساخت‌ها، سامانه‌ها و خدمات اصلی لجر به خطر نیفتاده‌اند و شواهد فعلی نشان می‌دهد این اتفاق به همان فروشنده و بازار مربوط محدود است. با این حال، جزئیات فنی دستکاری دستگاه و ارتباط آن با سرقت‌های گزارش‌شده هنوز مشخص نشده است. برآورد خسارت‌ها و ارتباط احتمالی با سرقت‌ها پیش از تایید وجود قطعه غیرمجاز، محققان آنچین نشانه‌هایی از سرقت دارایی‌ها در چند شبکه بلاکچینی گزارش کرده بودند. محققی با نام تانـوکی۴۲ (tanuki42) هشت آدرس کیف پول را شناسایی کرده بود که به گفته او، مجموع خسارت‌های مرتبط با آن‌ها از ۷۲ میلیون دلار بیشتر می‌شد. اسپکتر نیز رقم احتمالی خسارت‌ها را بیش از ۸۶ میلیون دلار برآورد کرده بود. با این حال، لجر هیچ‌یک از این ارقام را تأیید نکرده و هنوز مشخص نیست تمام سرقت‌های گزارش‌شده مستقیماً به دستگاه‌های خریداری‌شده از کریپتو بیلیس مربوط باشند. تانـوکی۴۲ نیز پیش‌تر گفته بود که ارتباط این موارد با فروشنده را با قطعیت اثبات نکرده، هرچند تعدد گزارش‌های کاربران به گفته او احتمال تصادفی بودن اتفاقات را کاهش می‌دهد. در مرحله دیگری از پیگیری‌ها، حساب تحلیلی آنچین لنز (Onchain Lens) گزارش داده که کیف پول‌های منتسب به سرقت‌ها حدود ۲۷۰ هزار دلار تتر و ترون را به صرافی بایننس منتقل کرده‌اند. چانگ‌پنگ ژائو (Changpeng Zhao)، هم‌بنیان‌گذار بایننس نیز در واکنش به این اتفاق احتمال دستکاری یا جعل دستگاه‌های لجر در جریان زنجیره تأمین را مطرح کرده و خواستار همکاری فعالان صنعت برای ردیابی و بازیابی دارایی‌ها شده است. با وجود تأیید وجود قطعه سخت‌افزاری غیرمجاز در یکی از دستگاه‌ها، علت دقیق سرقت‌ها و دامنه خسارت همچنان در دست بررسی است. نتیجه تحقیقات مشخص خواهد کرد که این دستکاری چگونه انجام شده و چه تعداد از کاربران ممکن است در معرض خطر قرار گرفته باشند.

الکس ماشینسکی (Alex Mashinsky)، مدیرعامل سابق پلتفرم سلسیوس (Celsius)، بر اساس توافقی با لتیتیا جیمز (Letitia James)، دادستان کل نیویورک که شامل پرداخت‌های مشروط تا ۳۵ میلیون دلار است، به‌طور دائم از فعالیت در صنایع ارز دیجیتال، اوراق بهادار و کالاها محروم شد. این توافق در نیویورک که روز جمعه اعلام شد، به شکایت مدنی سال ۲۰۲۳ که ماشینسکی را به گمراه کردن صدها هزار سرمایه‌گذار در مورد امنیت پلتفرم سلسیوس پیش از فروپاشی آن در سال ۲۰۲۲ متهم می‌کرد، پایان می‌دهد. بر اساس این توافق، در صورتی که ماشینسکی نتواند علاوه بر دارایی‌های ضبط‌شده قبلی، ۱۰ میلیون دلار دیگر از درآمدهای نامشروع خود را به دولت فدرال واگذار کند، باید ۲۵ میلیون دلار به نیویورک بپردازد. همچنین در صورتی که او تمام دوره حبس خود را به پایان نرساند، باید ۱۰ میلیون دلار دیگر نیز پرداخت کند. ماشینسکی در حال حاضر مشغول گذراندن حکم ۱۲ سال زندان فدرال خود به جرم کلاهبرداری است و به‌طور جداگانه دستور داده شده که بیش از ۴۸ میلیون دلار از دارایی‌هایش را مصادره کند. این حکم فدرال در پی اعتراف وی در دسامبر ۲۰۲۴ به کلاهبرداری در اوراق بهادار و کالاها صادر شده است. لتیتیا جیمز در بیانیه روز جمعه خود گفت: الکس ماشینسکی به اهالی نیویورک قول داده بود که شرکتش مکان امنی برای سرمایه‌گذاریِ پس‌اندازهای به‌زحمت‌به‌دست‌آمده آن‌هاست، اما در نهایت با فروپاشی سرمایه‌گذاری‌های پرخطرش، آن‌ها را بدون هیچ پولی رها کرد. سلسیوس پیش از فروپاشی، وعده بازدهی بالایی می‌داد بر اساس شکایتی که در سال ۲۰۲۳ تنظیم شده بود، ماشینسکی پلتفرم سلسیوس را به‌عنوان جایگزینی امن‌تر برای بانک‌ها تبلیغ می‌کرد و در حالی که سرمایه‌گذاری‌های پرخطر و زیان‌های فزاینده‌ی شرکت را پنهان می‌کرد، به کاربران وعده بازدهی تا ۱۷ درصد می‌داد. به گفته کمیسیون معاملات آتی کالا (CFTC)، تا اوایل سال ۲۰۲۲، سلسیوس حدود ۲۰ میلیارد دلار دارایی دیجیتال جذب کرده بود، اما برای ایجاد درآمد کافی به منظور پرداخت بازدهی‌های وعده داده شده با مشکل مواجه شد که این موضوع باعث شد آن‌ها به سمت سرمایه‌گذاری‌های پرخطرتر کشیده شوند. سلسیوس در ژوئن ۲۰۲۲ امکان برداشت‌ را برای مشتریان مسدود کرد و ماه بعد از آن اعلام ورشکستگی نمود و از کسری بیش از ۱ میلیارد دلاری بین دارایی‌ها و بدهی‌های خود پرده برداشت. طبق اعلام دفتر دادستان کل نیویورک، تا آگوست ۲۰۲۶، بیش از ۳.۴ میلیارد دلار از طریق مراحل ورشکستگی بین طلبکاران و مالباختگان سلسیوس توزیع شده است. توافقات قبلی فدرال و چالش‌های قانونی توافق نیویورک به دنبال توافقات جداگانه‌ای است که در اوایل سال جاری با نهادهای نظارتی فدرال صورت گرفت. در ماه ژوئن، کمیسیون معاملات آتی کالا (CFTC) ماشینسکی را به‌طور دائم از معاملات و ثبت‌نام در این آژانس محروم کرد. پیش از آن در ماه آوریل نیز، توافقنامه‌ای با کمیسیون تجارت فدرال (FTC) او را از کار در حوزه کریپتو و امور مالی منع کرده بود و او را ملزم به پرداخت ۱۰ میلیون دلار به همراه یک جریمه تعلیقیِ ۴.۷۲ میلیارد دلاری کرد. کمیسیون بورس و اوراق بهادار آمریکا (SEC) نیز در ماه سپتامبر برای حل‌وفصل شکایت مدنی جداگانه خود به یک توافق اولیه با ماشینسکی دست یافت؛ در پی آن یک قاضی فدرال در تاریخ ۲۹ سپتامبر این پرونده را موقتاً (بدون سلب حق طرح مجدد دعوا) تا زمان نهایی شدن این توافقنامه مختومه اعلام کرد. از ماه مه، ماشینسکی شخصاً و بدون داشتن وکیل به دنبال لغو محکومیت و حکم فدرال خود بوده است، اما دادستان‌های فدرال با این درخواست وی مخالفت کرده‌اند.

جاستین سان، بنیان‌گذار شبکه ترون، اعلام کرد که رمزنگاری پسا-کوانتومی این شرکت اکنون در شبکه آزمایشی فعال شده است. به گزارش میهن بلاکچین، سان روز شنبه در پستی در شبکه اجتماعی ایکس (X) گفت: ما به دقت پیشرفت‌ها در زمینه محاسبات کوانتومی و هوش مصنوعی را دنبال می‌کنیم و آماده‌ایم تا هر زمان که لازم باشد، مقاومت کوانتومی را به شبکه اصلی بیاوریم. وی در ادامه افزود: ما به حفظ امنیت دارایی‌های کاربران متعهد هستیم و ترون قرار است یکی از معدود بلاک‌چین‌های بزرگی باشد که پیش از فرا رسیدن روز کیو (Q-Day) در برابر حملات کوانتومی مقاوم شود. منظور از روز Q-Day، زمانی است که رایانه‌های کوانتومی به قدری قدرتمند می‌شوند که قادر خواهند بود استانداردهای امنیتی فعلی را در هم بشکنند. پیش از این در تاریخ ۲۸ ژوئیه، کوین‌دسک گزارش داده بود که شرکت امنیت بلاک‌چین به نام امریکن فورترس (AmericanFortress) از یک طرح رمزنگاری رونمایی کرده است. این طرح به منظور محافظت از کیف‌پول‌های ارز دیجیتال در برابر حملات کوانتومی در آینده طراحی شده و نیازی به انتقال دارایی‌ها، تغییر کلیدها یا تغییر آدرس کیف‌پول توسط کاربران ندارد. به گفته امریکن فورترس، برخلاف اکثر رویکردهای پیشنهادی برای دوران پسا-کوانتومی، این طرح اجازه می‌دهد تا آدرس‌های فعلی کیف‌پول‌ها بدون تغییر باقی بمانند و همزمان لایه‌ محافظتی پسا-کوانتومی به آن‌ها افزوده شود. انتشار پیشنهاد در قالب یک مقاله فنی این شرکت طرح پیشنهادی خود را در قالب یک مقاله فنی در آرشیو مقالات الکترونیکی رمزنگاری (Cryptography ePrint Archive) منتشر کرد، هرچند که این مقاله هنوز مورد بررسی همتایان (Peer-reviewed) قرار نگرفته است. توسعه‌دهندگان به طور فزاینده‌ای تمرکز خود را بر روی رمزنگاری پسا-کوانتومی معطوف کرده‌اند؛ چرا که رایانه‌های کوانتومی به اندازه کافی قدرتمند، در نهایت ممکن است بتوانند رمزنگاری منحنی بیضوی (Elliptic-curve cryptography) را که برای تامین امنیت بیت‌کوین، اتریوم و بسیاری از شبکه‌های بلاک‌چینی دیگر استفاده می‌شود، در هم بشکنند. اوایل سال جاری میلادی، یک کنسرسیوم متعهد به پرداخت ۱۵ میلیون دلار برای تامین مالی تحقیقات مربوط به امنیت کوانتومی بیت‌کوین شد. همچنین بنیاد اتریوم پیشنهادی را برای انتقال حساب‌ها به سیستم رمزنگاری مقاوم در برابر کوانتوم منتشر کرد و شبکه الگوراند (Algorand) نیز برنامه‌های خود را برای معرفی حساب‌های مقاوم در برابر کوانتوم تا سال ۲۰۲۷ تشریح کرد.

اسکات بسنت، وزیر خزانه‌داری ایالات متحده، اعلام کرد که این کشور در راستای برخوردهای خود با ایران، احتمالاً یک میلیارد دلار ارز دیجیتال را در همین هفته توقیف خواهد کرد. بسنت روز پنجشنبه در سخنرانی خود در نشست سیاست‌گذاری نیوزمکس (Newsmax) گفت که توقیف برنامه‌ریزی‌شده این ارزهای دیجیتال، بخشی از تحریم‌های آمریکا علیه ایران در بحبوحه آخرین درگیری نظامی این کشور است که از ماه فوریه آغاز شده است. وی مشخص نکرد که آیا این دارایی‌های دیجیتالِ هدف‌گذاری‌شده متعلق به صرافی‌های خاصی بوده‌اند یا در نتیجه مداخله و همکاری شرکت‌های صادرکننده استیبل‌کوین (Stablecoin) به دست آمده‌اند. بسنت در گفتگو با گرتا ون سوسترن (Greta Van Susteren) از شبکه نیوزمکس گفت: ما می‌دانیم این دارایی‌ها کجا هستند و در حال منزوی کردن آن‌ها هستیم. وی افزود که این اقدام بخشی از استراتژی قطع دسترسی و ارتباط اقتصادی ایران است. دفتر کنترل دارایی‌های خارجیِ وزارت خزانه‌داری آمریکا (OFAC) پیش‌تر در ماه اوت اعلام کرده بود صرافی‌های ارز دیجیتالی را که انتقال وجوه به ایران را تسهیل می‌کنند، هدف قرار داده است. بسنت در آن زمان گفته بود که ایالات متحده قصد دارد «فشار اقتصادی» بر ایران را افزایش دهد و تمرکز خود را بر شبکه‌های مالی تامین‌کننده بودجه رژیم این کشور «چه به صورت دلار، ریال یا ارز دیجیتال» معطوف کند. وزیر خزانه‌داری آمریکا در مصاحبه‌ای در ماه آوریل نیز ادعای مشابهی را مطرح کرده و گفته بود که مقامات این کشور ۵۰۰ میلیون دلار ارز دیجیتال مرتبط با ایران را توقیف کرده‌اند. شرکت تتر (Tether)، صادرکننده استیبل‌کوین، در ماه سپتامبر گزارش داد که به عنوان بخشی از تحریم‌های مقامات آمریکایی علیه ایران، در مجموع ۵۵۰ میلیون دلار از توکن‌های تتر (USDT) را در سال ۲۰۲۶ مسدود کرده است که ۳۴۴ میلیون دلار از این مبلغ تنها مربوط به ماه آوریل بوده است.

بانک مرکزی با صدور بخشنامه‌ای در تاریخ ۱۳ مهرماه، ورود مستقیم و غیرمستقیم شبکه بانکی به عرصه خرید و فروش آنلاین طلا و نقره را ممنوع اعلام کرد؛ تصمیمی که در واکنش مستقیم به چالش‌های ساختاری و ریسک‌های عملیاتی اخیر پلتفرم‌های دیجیتال معاملات طلا اتخاذ شده است. مهار سرایت ریسک عملیاتی حامد حق‌بیان، رئیس اداره حقوقی فین‌تک بانک مرکزی، با انتشار مطلبی در شبکه اجتماعی لینکدین دلایل این ابلاغیه را تشریح کرد. به گفته او، اقدام اخیر در پی بروز ریسک‌های عملیاتی جدی در یکی از پلتفرم‌های فعال در حوزه فروش آنلاین طلا صورت گرفته است؛ اتفاقی که نگرانی‌ها بابت انتقال شوک‌های مالی و اعتباری به ساختار بانکی کشور را به شکل محسوسی افزایش داد. حق‌بیان به گرایش اخیر برخی بانک‌ها برای ورود به این حوزه اشاره کرد و افزود: با توجه به اینکه اخیراً برخی بانکها به طور مستقیم یا از طریق واحدهای دیجیتال خود به فروش طلا و نقره آنلاین روی آورده‌اند بانک مرکزی طی بخشنامه مورخ ۱۳ مهر ورود شبکه بانکی به عرصه خرید و فروش طلای آنلاین را ممنوع اعلام کرد. این تصمیم به ویژه با توجه به بروز ریسک های عملیاتی جدی در یکی از پلتفرم های فروش آنلاین طلا و احتمال سرایت آثار آن به شبکه بانکی اتخاذ شده است. کاربران بلوبانک نیز ظاهرا از هفته گذشته اعلام کرده بودند که امکان خرید طلا غیرفعال شده و تنها امکان فروش طلای از قبل خریداری‌شده برای آنها فراهم است. وضعیت خدمات پلتفرم‌ها در پی ابلاغ بخشنامه بررسی‌های میدانی از وضعیت خدمات پلتفرم‌های تحت پوشش یا مرتبط با این واحدها نشان می‌دهد که تبعات اجرایی این بخشنامه بلافاصله عملیاتی شده است: توقف کامل فرایند خرید: تلاش کاربران برای ثبت سفارش‌های جدید خرید طلا به بن‌بست خورده و سامانه‌ها پیام خطا نمایش می‌دهند. تداوم بازخرید دارایی‌ها: با وجود انسداد بخش خرید، امکان فروش طلا و نقد کردن دارایی‌ها توسط کاربران همچنان فعال است تا تعهدات قبلی پلتفرم‌ها تسویه شود. این اقدام نظارتی نشان می‌دهد سیاست‌گذار پولی در تلاش است تا با ایجاد دیواره‌ای محکم میان نوآوری‌های پرریسک فین‌تکی و ترازنامه بانک‌ها، از حقوق سپرده‌گذاران و ثبات شبکه بانکی در برابر نوسانات بازارهای موازی محافظت کند.

تصور کنید از ChatGPT بخواهید دستور ساخت یک ماده خطرناک را توضیح دهد. هوش مصنوعی درخواستتان را رد می‌کند و می‌گوید نمی‌تواند در این زمینه کمک کند. اما اگر همان درخواست را در قالب یک داستان خیالی مطرح کنید یا از آن بخواهید نقش شخصیتی را بازی کند که هیچ محدودیتی ندارد، ممکن است پاسخ متفاوتی بگیرید. این بار هوش مصنوعی به‌جای مخالفت، اطلاعاتی را ارائه می‌دهد که در حالت عادی باید از ارائه آن‌ها خودداری می‌کرد. به این اتفاق جیلبریک هوش مصنوعی (AI Jailbreaking) می‌گویند؛ تلاشی برای دور زدن محدودیت‌هایی که شرکت‌های سازنده برای کنترل رفتار مدل‌های هوش مصنوعی در نظر گرفته‌اند. این کار گاهی با تغییر نحوه بیان یک درخواست انجام می‌شود و گاهی به روش‌های پیچیده‌تری نیاز دارد. اما چرا عده‌ای شبانه‌روز دنبال راه‌های فرار از محدودیت‌های هوش مصنوعی هستند؟ آیا جیلبریک صرفاً راهی برای وادار کردن چت‌بات‌ها به انجام کارهای ممنوعه است یا می‌تواند به امن‌تر شدن آن‌ها هم کمک کند؟ چطور هوش مصنوعی مثل چت جی‌پی‌تی را جیلبریک کنیم؟ در این مقاله از میهن بلاکچین جیلبریک کردن هوش مصنوعی و سوالات مرتبط با آن را زیر ذره‌بین می‌بریم. جیلبریک هوش مصنوعی دقیقاً چیست؟ واژه جیلبریک پیش از ظهور چت‌بات‌های هوش مصنوعی هم وجود داشت. این اصطلاح در ابتدا به فرایندی اشاره می‌کرد که کاربران آیفون با کمک آن محدودیت‌های نرم‌افزاری دستگاهشان را کنار می‌زدند و به قابلیت‌هایی دسترسی پیدا می‌کردند که اپل به‌صورت رسمی ارائه نمی‌داد. اپل برای کنترل نرم‌افزارهای قابل نصب و نحوه دسترسی به بخش‌های مختلف سیستم‌عامل محدودیت‌هایی در نظر گرفته بود. جیلبریک به کاربران اجازه می‌داد کنترل بیشتری روی دستگاهشان داشته باشند، برنامه‌های تأییدنشده نصب کنند و قابلیت‌هایی را به کار بگیرند که به‌صورت رسمی در اختیارشان نبود. اپ استور سیدیا (Cydia) نیز به محلی برای دسترسی به ابزارها و برنامه‌های مخصوص دستگاه‌های جیلبریک‌شده تبدیل شد.  ورود این مفهوم به دنیای هوش مصنوعی، معنای آن را تا حدی تغییر داد. در آیفون، کاربر تلاش می‌کرد محدودیت‌های خود دستگاه را کنار بزند؛ اما در چت‌بات‌ها، معمولاً هدف تغییر رفتار مدل از طریق دستورهایی است که دریافت می‌کند.  برای مثال، یک چت‌بات ممکن است درباره اصول امنیت سایبری توضیح دهد، اما از ارائه راهنمای سرقت اطلاعات دیگران خودداری کند. جیلبریک تلاشی است برای عبور از همین محدودیت و وادار کردن مدل به ارائه پاسخی که در شرایط عادی باید رد کند. این مفهوم پس از عرضه عمومی ChatGPT در اواخر سال ۲۰۲۲ بیشتر مورد توجه قرار گرفت. یکی از نمونه‌های مشهور آن، پرامپت DAN مخفف عبارت «Do Anything Now» بود؛ دستوری که از چت‌بات می‌خواست نقش نسخه‌ای بدون محدودیت از خودش را بازی کند. شما می‌توانید نمونه پرامپت‌های DAN را در این صفحه گیت‌هاب ببینید. از آن زمان، جیلبریک به یکی از موضوعات مهم در پژوهش امنیت هوش مصنوعی تبدیل شده است. هرچه مدل‌ها توانمندتر شده‌اند، بررسی این موضوع که تا چه اندازه می‌توان رفتار آن‌ها را تحت تأثیر قرار داد نیز اهمیت بیشتری پیدا کرده است.  جیلبریک چگونه کار می‌کند؟ مدل‌های هوش مصنوعی مانند چت‌جی‌پی‌تی (ChatGPT)، کلود (Claude) و جمینای (Gemini) علاوه بر آموزش اولیه، با روش‌های تکمیلی تنظیم می‌شوند تا دستورها را بهتر دنبال کنند و از پاسخ‌های خطرناک خودداری کنند. بااین‌حال، این مدل‌ها مانند نرم‌افزاری نیستند که برای هر سوال یک پاسخ ثابت و از پیش تعیین‌شده داشته باشد. آن‌ها بر اساس ورودی، زمینه گفت‌وگو و الگوهایی که در فرایند آموزش یاد گرفته‌اند، پاسخ تولید می‌کنند. همین انعطاف‌پذیری باعث می‌شود بتوانند به طیف گسترده‌ای از سوال‌ها پاسخ دهند؛ اما در عین حال، زمینه بروز خطا را نیز فراهم می‌کند.  فرض کنید از یک هوش مصنوعی بخواهید داستانی درباره یک هکر بنویسد. این درخواست به‌خودی‌خود مشکلی ندارد. اما اگر گفت‌وگو به دریافت دستورالعمل‌های عملی برای نفوذ غیرمجاز برسد، مدل باید بتواند مرز میان داستان‌پردازی و کمک به یک اقدام مخرب را تشخیص دهد. جیلبریک زمانی موفق می‌شود که مدل نتواند این مرز را به‌درستی حفظ کند. به بیان ساده، جیلبریک از فاصله میان چیزی که مدل باید انجام دهد و رفتاری که عملاً نشان می‌دهد، سوءاستفاده می‌کند.  سه عامل در این میان اهمیت دارند: نحوه بیان درخواست: تغییر کلمات و قالب سوال ممکن است برداشت مدل از هدف کاربر را تغییر دهد. زمینه گفت‌وگو: اطلاعات قبلی مکالمه و نقش‌هایی که برای مدل تعریف می‌شوند، بر پاسخ آن تأثیر می‌گذارند. محدودیت‌های سازوکار ایمنی: اگر مدل نتواند دستورهای متعارض یا درخواست‌های پنهان‌شده را به‌درستی تشخیص دهد، ممکن است پاسخ نامناسبی تولید کند. البته هیچ‌یک از این روش‌ها تضمین نمی‌کند که مدل حتماً فریب بخورد. نتیجه به مدل، نسخه مورد استفاده، تنظیمات ایمنی و نوع درخواست بستگی دارد. رایج‌ترین روش‌های جیلبریک هوش مصنوعی جیلبریک شکل‌های مختلفی دارد. بعضی روش‌ها بر نحوه نوشتن پرامپت متمرکز هستند و بعضی دیگر از ضعف‌هایی استفاده می‌کنند که ممکن است در فرایند آموزش یا طراحی سیستم به وجود آمده باشند. ۱- جیلبریک با نقش‌آفرینی یکی از شناخته‌شده‌ترین روش‌ها، درخواست از هوش مصنوعی برای بازی کردن نقش یک شخصیت خیالی است. کاربر ممکن است از مدل بخواهد خودش را در قالب یک شخصیت داستانی، متخصصی با دیدگاه خاص یا سامانه‌ای با قوانین متفاوت تصور کند. این روش از یک ویژگی طبیعی چت‌بات‌ها استفاده می‌کند: آن‌ها برای نوشتن داستان، شبیه‌سازی مکالمه و ایفای نقش طراحی شده‌اند. اما اگر مدل نتواند مرز میان نقش‌آفرینی و محدودیت‌های ایمنی خود را حفظ کند، ممکن است در پاسخ به درخواست‌هایی که باید رد شوند، انعطاف بیش از حد نشان دهد. ۲- تغییر کلمات و شکل نوشتار گاهی کاربر به‌جای تغییر اصل درخواست، شکل نوشتن آن را عوض می‌کند. استفاده از نمادها، تغییر املای کلمات یا شکستن واژه‌ها از جمله روش‌هایی است که ممکن است برای عبور از برخی سازوکارهای شناسایی به کار بروند. منطق این روش آن است که سامانه‌های ایمنی ممکن است بعضی شکل‌های غیرمعمول یک عبارت را به‌درستی تشخیص ندهند. البته مدل‌های جدیدتر در بسیاری از موارد می‌توانند چنین تغییراتی را درک کنند؛ بنابراین تغییر ظاهر کلمات به‌تنهایی به معنای موفقیت جیلبریک هوش مصنوعی نیست. ۳- آزمایش نسخه‌های مختلف یک درخواست گاهی یک درخواست در شکل اولیه رد می‌شود، اما تغییر جزئی در نحوه بیان آن نتیجه متفاوتی به همراه دارد. به همین دلیل، پژوهشگران برای سنجش مقاومت مدل‌ها، تعداد زیادی ورودی متفاوت را آزمایش می‌کنند. یکی از رویکردهای مورد استفاده در این زمینه، روش «بهترین نتیجه از میان چند تلاش» (Best-of-N) است. در این روش، چندین نسخه مختلف از یک پرامپت بررسی می‌شوند تا مشخص شود آیا دست‌کم یکی از آن‌ها می‌تواند محدودیت‌های مدل را دور بزند یا خیر. اهمیت این روش در آن است که عملکرد مدل را فقط با یک سوال نمی‌سنجد. ممکن است یک مدل در برابر یک درخواست مشخص مقاومت خوبی داشته باشد، اما هنگام مواجهه با مجموعه‌ای از درخواست‌های متفاوت، ضعف‌هایی از خود نشان دهد. ۴- حمله از طریق داده‌های آموزشی همه حملات به هوش مصنوعی با نوشتن یک پرامپت آغاز نمی‌شوند. در برخی موارد، هدف دست‌کاری داده‌هایی است که برای آموزش یا تنظیم مدل استفاده می‌شوند. در حمله‌ای به نام مسموم‌سازی داده‌ها (Data Poisoning)، داده‌های مخرب به فرایند آموزش مدل راه پیدا می‌کنند تا رفتار مدل را در شرایط مشخصی تغییر دهند. اگر این داده‌ها شناسایی نشوند، ممکن است مدل پس از آموزش رفتاری غیرمنتظره از خود نشان دهد. پلینی کیست؟ فردی که محدودیت‌های هوش مصنوعی را آزمایش می‌کند یکی از نام‌های شناخته‌شده در جامعه جیلبریک هوش مصنوعی، پلینی آزادکننده (Pliny the Liberator) است؛ فردی که با این نام مستعار، دستورهای جیلبریک را منتشر کرده و مدل‌های مختلف را در برابر محدودیت‌های ایمنی آزمایش می‌کند. او مجموعه‌ای از پرامپت‌ها را در ریپازیتوری گیت‌هابی به نام L1B3RT4S گردآوری کرده است. این مجموعه مدل‌های مختلف، از جمله محصولات شرکت‌های بزرگ هوش مصنوعی و مدل‌های متن‌باز را هدف قرار می‌دهد. رویکرد پلینی بر آزمایش مداوم مدل‌های هوش مصنوعی و پیدا کردن راه‌هایی برای تغییر رفتار آن‌ها استوار است. البته این فعالیت‌ها همیشه بدون حاشیه نبوده‌اند. مثلا حساب کاربری او در چت جی‌پی‌تی مدتی به دلیل فعالیت‌هایی که شرکت با محتوای خشونت‌آمیز و ساخت سلاح مرتبط می‌دانست، مسدود شد اما بعداً دوباره فعال شد. در آگوست ۲۰۲۵، پس از انتشار مدل‌های متن‌باز GPT-OSS از سوی OpenAI، نیز پلینی مدعی شد که توانسته محدودیت‌های این مدل‌ها را در مدت کوتاهی دور بزند و پاسخ‌هایی درباره موضوعات خطرناک دریافت کند.  بااین‌حال، آزمایش محدودیت‌های هوش مصنوعی لزوماً با هدف سوءاستفاده انجام نمی‌شود. پژوهشگران امنیتی نیز تلاش می‌کنند ضعف‌های مدل‌ها را پیدا کنند تا شرکت‌های سازنده بتوانند پیش از سوء استفاده مهاجمان، آن‌ها را برطرف کنند.  چرا جیلبریک هوش مصنوعی خطرناک است؟ اگر جیلبریک فقط به تولید یک پاسخ عجیب منجر می‌شد، شاید اهمیت چندانی نداشت. مشکل اینجاست که مدل‌های هوش مصنوعی حالا در برنامه‌نویسی، تحلیل داده‌ها و ابزارهای سازمانی استفاده می‌شوند و بعضی از آن‌ها به فایل‌ها و سرویس‌های دیگر نیز دسترسی دارند. سه خطر مهم جیلبریک عبارت‌اند از: ۱- آسان‌تر شدن فعالیت‌های مخرب: جیلبریک ممکن است به افراد کمک کند اطلاعات و دستورالعمل‌هایی دریافت کنند که برای اکسپلویت‌های سایبری یا اقدامات خطرناک به کار می‌روند. بسیاری از اطلاعات تخصصی از قبل در اینترنت وجود دارند، اما هوش مصنوعی می‌تواند پیدا کردن، خلاصه کردن و توضیح دادن آن‌ها را آسان‌تر کند. همچنین می‌تواند پاسخ‌هایش را با توجه به سطح دانش کاربر تنظیم کند و به پرسش‌های تکمیلی او پاسخ دهد.  بنابراین، نگرانی فقط این نیست که اطلاعاتی در دسترس قرار بگیرند؛ مسئله این است که استفاده عملی از آن‌ها ممکن است آسان‌تر شود.  ۲. افشای اطلاعات محرمانه: اگر یک دستیار هوش مصنوعی به اسناد داخلی شرکت دسترسی داشته باشد، ضعف در تشخیص دستورهای مخرب ممکن است به افشای اطلاعات یا انجام اقدامات ناخواسته منجر شود. ۳. کاهش اعتماد کاربران: وقتی یک مدل در برابر درخواستی مخالفت می‌کند، اما با تغییر کوچکی در همان درخواست پاسخ می‌دهد، این سوال مطرح می‌شود که محدودیت‌های ایمنی آن تا چه اندازه قابل اتکا هستند. این مسئله برای شرکت‌های سازنده نیز اهمیت دارد. امنیت و اعتماد کاربران به این وابسته است که مدل بتواند میان درخواست‌های مشروع و درخواست‌های آسیب‌زا تمایز مناسبی برقرار کند؛ بدون اینکه برای جلوگیری از خطر، به همه سوال‌های حساس پاسخ منفی بدهد.  خطر جیلبریک در مدل‌هایی که فقط متن تولید می‌کنند، با سامانه‌هایی که می‌توانند فایل بخوانند یا عملیات انجام دهند یکسان نیست. هرچه دسترسی‌های یک مدل گسترده‌تر باشد، پیامدهای احتمالی خطای آن نیز بیشتر می‌شود. آیا می‌توان جلوی جیلبریک را گرفت؟ شرکت‌های هوش مصنوعی برای مقابله با جیلبریک فقط به فیلتر کردن کلمات حساس متکی نیستند؛ چون یک درخواست خطرناک ممکن است با بیان متفاوتی مطرح شود. در عوض، آن‌ها از چند لایه دفاعی استفاده می‌کنند. یکی از راهکارها، بهبود آموزش مدل است تا بتواند هدف درخواست و زمینه گفت‌وگو را بهتر تشخیص دهد. در این رویکرد، تلاش می‌شود مدل نه‌تنها از پاسخ‌های آسیب‌زا خودداری کند، بلکه در تشخیص تفاوت میان درخواست‌های مشروع و مخرب نیز عملکرد بهتری داشته باشد. راهکار دیگر، استفاده از سامانه‌های نظارتی در کنار مدل اصلی است. این سامانه‌ها می‌توانند ورودی‌ها و خروجی‌ها را بررسی کنند و در صورت شناسایی محتوای پرخطر، مانع ارائه پاسخ شوند. یکی از نمونه‌های این رویکرد، پژوهش شرکت آنتروپیک (Anthropic) درباره «طبقه‌بندهای قانون‌اساسی» (Constitutional Classifiers) است که در فوریه ۲۰۲۵ منتشر شد. در این روش، سامانه‌های جداگانه‌ای برای شناسایی ورودی‌ها و خروجی‌های خطرناک در کنار مدل اصلی به کار گرفته می‌شوند. آنتروپیک گزارش داده که این روش در آزمایش‌هایش توانسته موفقیت حملات جیلبریک را به میزان قابل‌توجهی کاهش دهد؛ هرچند هزینه محاسباتی بیشتری نیز داشته است. پژوهشگران هم با روشی به نام «ردتیمینگ» (Red Teaming)، عمداً تلاش می‌کنند ضعف‌های مدل‌های هوش مصنوعی مختلف را پیدا کنند. آن‌ها سناریوهای مختلف را می‌آزمایند تا مشخص شود سیستم در چه شرایطی ممکن است محدودیت‌های خود را نادیده بگیرد. بااین‌حال، هیچ راهکاری تضمین نمی‌کند که یک مدل برای همیشه در برابر تمام حملات مقاوم بماند. روش‌های جیلبریک تغییر می‌کنند و سازندگان نیز باید دفاع‌های خود را به‌طور مداوم بهبود دهند. آینده جیلبریک هوش مصنوعی چه خواهد شد؟ مدل‌های هوش مصنوعی به‌تدریج از چت‌بات‌هایی که فقط متن تولید می‌کنند، به سامانه‌هایی تبدیل می‌شوند که می‌توانند وب‌گردی کنند، فایل بخوانند، کد اجرا کنند و با ابزارها و سرویس‌های دیگر ارتباط برقرار کنند. این تحول، هم کاربردهای تازه‌ای ایجاد می‌کند و هم سطح پیچیدگی تهدیدهای امنیتی را افزایش می‌دهد. در یک چت‌بات ساده، پاسخ نامناسب ممکن است به تولید محتوایی نادرست یا خطرناک محدود شود. اما اگر مدل به ابزارهای بیرونی دسترسی داشته باشد، خطای آن می‌تواند به افشای اطلاعات، تغییر یک فایل یا انجام عملی ناخواسته منجر شود. به همین دلیل، هرچه اختیارات مدل بیشتر شود، کنترل دسترسی و بررسی اقدامات آن نیز اهمیت بیشتری پیدا می‌کند. از سوی دیگر، دسترسی گسترده‌تر به مدل‌های متن‌باز امکان بررسی و آزمایش مستقل آن‌ها را فراهم کرده است. این موضوع می‌تواند به کشف سریع‌تر آسیب‌پذیری‌ها کمک کند؛ اما در عین حال، انتشار عمومی روش‌های سوءاستفاده را نیز آسان‌تر می‌کند. در چنین شرایطی، بحث اصلی فقط این نیست که مدل باید متن‌باز باشد یا بسته. کیفیت آموزش، مقاومت در برابر حملات، نحوه انتشار آسیب‌پذیری‌ها و میزان دسترسی مدل به ابزارهای حساس همگی در امنیت نهایی آن نقش دارند. احتمالاً رقابت میان افرادی که به دنبال دور زدن محدودیت‌ها هستند و شرکت‌هایی که می‌خواهند این محدودیت‌ها را تقویت کنند، ادامه خواهد داشت. بااین‌حال، هدف واقع‌بینانه این نیست که مدلی بسازیم که هرگز اشتباه نکند؛ بلکه باید احتمال بروز خطا را کاهش دهیم، دسترسی‌های غیرضروری را محدود کنیم و نگذاریم یک اشتباه به پیامدهای گسترده منجر شود. سخن پایانی جیلبریک هوش مصنوعی نشان می‌دهد که حتی مدل‌هایی با سازوکارهای ایمنی پیشرفته هم ممکن است در شرایط خاص رفتاری غیرمنتظره داشته باشند. گاهی یک تغییر کوچک در پرامپت کافی است تا مدل پاسخی متفاوت ارائه دهد؛ گاهی نیز ضعف به داده‌های آموزشی یا طراحی سیستم مربوط می‌شود. اما نکته مهم‌تر این است که جیلبریک فقط راهی برای گرفتن پاسخ‌های ممنوعه نیست. آزمایش مسئولانه این محدودیت‌ها می‌تواند به شناسایی ضعف‌ها و امن‌تر شدن مدل‌ها کمک کند. در نهایت، هرچه هوش مصنوعی نقش بیشتری در زندگی روزمره ما پیدا کند، شناخت محدودیت‌های آن نیز مهم‌تر می‌شود. یک چت‌بات هوش مصنوعی ممکن است بسیار توانمند باشد، اما این به معنای مصونیت آن در برابر فریب، خطا یا سوءاستفاده نیست.