Chainalysis Hexagate：通过机器学习革新 DeFi 安全
realtime news May 22, 2025 02:41
Chainalysis Hexagate 利用模式识别和机器学习主动识别并缓解 DeFi 威胁，在 2025 年第一季度标记出 4.021 亿美元的风险资产。
在去中心化金融 (DeFi) 领域，随着 Chainalysis Hexagate 引入一种主动的方法来阻止潜在的黑客事件，安全措施正在经历一个范式转变。根据 Chainalysis，Chainalysis Hexagate 利用先进的模式识别和机器学习设计以实时识别高风险活动。
使用 Chainalysis Hexagate 进行主动防御
在 2025 年第一季度，该平台标记出超过 4.021 亿美元的与恶意活动相关的资产，从 2 月到 3 月增长了显著的 60.71%。这种主动检测非常重要，因为新的智能合约数量持续增加，仅在 2025 年第一季度就创建了 620 万个，超过了 2024 年的总数。
了解恶意智能合约事件
以太坊仍然是智能合约活动的热点，每年创建超过 500 万个合约。然而，只有 20% 的合约被实际使用，这表明有大量潜在非法活动的表面区域。Chainalysis Hexagate 侧重于识别如“Initialized”、“RoleGranted”和“RemovedOwner”等风险事件，这些事件虽然罕见，但如果不加以控制，可能导致重大损失。
加密生态系统中的威胁上升
2025 年的加密行业面临日益增长的威胁，包括网络钓鱼攻击和复杂的链上攻击。值得注意的是，与朝鲜有关的黑客活动加剧，今年被盗资金已经超过了 10 亿美元。Chainalysis Hexagate 的检测能力在数量上翻了一番，在 2025 年第一季度确定了十大黑客行为，及时阻止其蔓延。
在复杂环境中增强安全性
随着恶意活动变得更加频繁和复杂，实时智能威胁检测的需求变得至关重要。Chainalysis Hexagate 通过利用机器学习和链上智能信息预防性地阻止攻击，满足了这一需求。这种主动安全措施对于保护迅速发展的 DeFi 空间至关重要。
Image source: Shutterstock.jpg)
