AI-সহায্য নিরাপত্তা প্রচারাভিযান Bitcoin ইকোসিস্টেমের উপর দৃষ্টি নিবদ্ধ করে, যা Bitcoin Red Team চালায়। এই প্রচারাভিযানে প্রথম ৫৫ ঘণ্টায় ৪২৫ প্রকল্পের মধ্যে ৬,৭০০টি সমস্যা চিহ্নিত করা হয়েছে। এর মধ্যে ১,০২৯টিকে উচ্চ বা গুরুতর হিসাবে শ্রেণীবদ্ধ করা হয়েছে।

৬ অগাস্টের আপডেটটি নিরাপত্তা ট্রাইএজ পাইপলাইনে কী পরিমাণ উপাদান প্রবাহিত হয়েছে তা পরিমাপ করে, এবং সফটওয়্যার নিরাপত্তায় এর প্রভাব এখনও রিপোর্ট করা হয়নি।

গণনা করা থেকে বাদ পড়েছে পরীক্ষার জন্য প্রস্তুত নির্ধারণ এবং গুরুতরতার সংখ্যা, পাশাপাশি পরিস্থিতি ভিত্তিক ফলাফল, সমস্ত কিছুর সামগ্রিক মিথ্যা-পজিটিভ হার এবং সমস্যা সমাধানের হার।

এই আপডেটের অভাবে কিভাবে অ্যালার্টগুলো নিশ্চিত হওয়া সমস্যা হয়ে দাঁড়ায়, কোথায় রক্ষণাবেক্ষণকারীরা প্রত্যাখ্যান বা নিম্ন করা হয়েছে, এবং কতগুলো প্যাচে পরিণত হয়েছে, তা গণনা করা সম্ভব হয়নি।

প্রথম ৫৫ ঘণ্টার ফলাফলগুলি একটি মৌলিক সক্ষমতা প্রকাশ করে, যা নির্দেশ করে কিভাবে AI সিস্টেমগুলি দ্রুত একটি ইকোসিস্টেম-স্কেল পর্যালোচনা পাইপলাইন পূর্ণ করতে পারে। বিশেষজ্ঞের পরামর্শ, পুনরুৎপাদন, প্রকাশ এবং রক্ষণাবেক্ষণকারীর প্রতিক্রিয়া প্রতিটি পরে পর্যায়ে প্রয়োজনীয় ছিল।

প্রচারাভিযানের সংখ্যা কী পরিমাপ করে

প্রচারাভিযান তার রোস্টার এবং কাজের চাপ বৃদ্ধির সাথে সাথে দুইটি স্ন্যাপশট প্রকাশ করেছে:

অতিক্রান্ত সময় প্রকল্প মোট সমস্যা রিপোর্ট করা গুরুতরতা অংশগ্রহণকারী
২৭.৫ ঘণ্টা ৩৯০ ৪,৯৬২ ৮৫ গুরুতর; ৬৩৫ উচ্চ ১৬
৫৫ ঘণ্টা ৪২৫ ৬,৭০০ ১,০২৯ উচ্চ বা গুরুতর ২৪ রিপোর্ট করেছে, এর মধ্যে তিনটি বট

২৭.৫ ঘণ্টার আপডেট ৩৯০ প্রকল্প এবং ৪,৯৬২ পাওয়া সমস্যাকে কভার করেছে। ৫৫ ঘণ্টার মধ্যে প্রকল্পের সংখ্যা ৩৫ এবং সমস্যার সংখ্যা ১,৭৩৮ এ বৃদ্ধি পেয়েছে। পরে দেওয়া থ্রেড উচ্চ বা গুরুতর সমস্যাগুলিকে মোটের ১৫.৪% হিসাবে চিহ্নিত করেছে এবং স্পষ্টভাবে তিনটি অংশগ্রহণকারী ছিল বট।

প্রথম পোস্টটি গুরুতর এবং উচ্চ সমস্যাগুলিকে পৃথক করেছে, যদিও পরে একত্রিত করেছে, উভয় সেটের পরিসংখ্যান প্রচারাভিযানের মূল্যায়নকে প্রতিফলিত করে। রক্ষণাবেক্ষণকারী দ্বারা নিশ্চিত করা সমস্যার অসংগঠন ও সমাধান ফলাফলগুলো আলাদা প্রমাণের প্রয়োজন।

Bitcoin Red Team ৪২৫ প্রকল্প স্ক্যান করেছে এবং ৬,৭০০টি সমস্যা রিপোর্ট করেছে, যার মধ্যে ১,০২৯টি উচ্চ বা গুরুতর সমস্যা রয়েছে, যদিও জনসাধারণের যাচাইকরণ হার এখনও প্রকাশিত হয়নি।

রব হ্যামিল্টন Kimi K3-কে গভীর বিশ্লেষণের জন্য দায়ী করেছেন, যেখানে GPT Sol, Fable/Opus, এবং GLM 5.2 নথিপত্রের সমর্থন দিয়েছে। তিনি বলেন, OpenAI-এর Cyber Harness নির্বাচিত উপাদানগুলি কভার করেছে যা তিনি লোড-বেয়ারিং হিসেবে বিবেচনা করেন।

একদিন পর, হ্যামিল্টন লেখেন যে বিষয়বস্তু বিশেষজ্ঞরা একটি বা দুটি বাক্যের প্রেক্ষাপট বা একটি ছোট কোড ব্লকের মাধ্যমে একটি মূল্যায়ন পরিবর্তন করতে পারেন। তিনি যে উদাহরণগুলি দিয়েছেন সেখানে ওই ইনপুটগুলি মাঝারী উদ্বেগগুলিকে উচ্চ বা গুরুতর এলাকায় ঠেলে দিয়েছে।

হ্যামিল্টনের মতে, মডেলগুলো ব্যাপকভাবে অনুসন্ধান করে, যখন স্পেশালিস্টরা প্রম্পট তৈরি করেন, আউটপুটকে ব্যাখ্যা করেন, পুনরুৎপাদনের চেষ্টা করেন এবং সিদ্ধান্ত নেন কোন রিপোর্টগুলি প্রকাশের জন্য প্রস্তুত। এই শ্রমের বিভাজন প্রচারাভিযানটিকে একটি মানব-AI পর্যালোচনা ব্যবস্থা তৈরি করে।

🪙 ক্রিপ্টো ট্রেডিংয়ের পাশাপাশি JB7-এ আপনার ভাগ্য পরীক্ষা করুন এবং জিতুন!
👉 এখনই বোনাস নিন
🔥 স্পন্সর সাইট JB7-এ খেলুন, নাহলে এডমিনের ভাত জুটবে না 🥺