Zbuntowane agenty AI i DeFi: zagrożenie o wartości 1,1 miliarda dolarów dla systemów kryptowalutowych

Eksploatacja MEV i wzmocnienie za pomocą flash loanów

Autonomiczne agenty wykonujące arbitraż mogą paść ofiarą ataków typu „sandwich” lub front-runingu ze strony wrogich botów MEV. Ataki z wykorzystaniem flash loanów wyssały z protokołów DeFi 2,4 miliarda dolarów w 2026 roku — wzrost o 340% rok do roku — ponieważ boty zoptymalizowane pod kątem AI uzbroiły ścieżki arbitrażowe .

Autonomiczne zarządzanie kluczami bez ludzkich bramek

Agenci, którzy posiadają klucze prywatne, analizują dane rynkowe i samodzielnie przesyłają transakcje, tworzą nową klasę ryzyka kontraktowego. Protokół może być nienagannie audytowany na poziomie Solidity, a mimo to stracić środki, ponieważ uprzywilejowanym aktorem jest model językowy, którym można manipulować za pomocą tekstu .

Wykrywanie podatności wspomagane AI z prędkością hakerów

Modele AI (np. Claude Opus 4.8 od Anthropic) umożliwiły badaczom bezpieczeństwa i atakującym szybsze wykrywanie krytycznych luk. Shielded Labs znalazło błąd w puli Orchard Zcash, który istniał od maja 2022 roku, używając agenta AI . Północnokoreańskie grupy hakerskie — odpowiedzialne za 66% wszystkich strat w wyniku hacków kryptowalutowych (643 mln dolarów) w pierwszej połowie 2026 roku — coraz częściej wykorzystują AI do automatyzacji odkrywania exploitów .

Kompromitacja łańcucha dostaw i interfejsu użytkownika

Krytyczna luka (CVSS 10.0) w React Server Components (CVE-2025-55182) umożliwiła atakującym zdalne wykonanie kodu na serwerach frontendowych DApp, które działają jako proxy dla lokalnych agentów AI, przechwytując klucze sesyjne .

Incydenty z życia wzięte

Prognozy rocznych strat z tytułu exploitów inteligentnych kontraktów napędzanych AI sięgają od 10 do 20 miliardów dolarów do 2027 roku, jeśli obecne trendy się utrzymią .

Ramy zarządzania i kontroli techniczne

Ramy regulacyjne

• MAS w Singapurze — W sierpniu 2026 roku Monetary Authority of Singapore potwierdził, że agentowe AI jest objęte jego wiążącymi przepisami bankowymi i nadchodzącymi Wytycznymi dotyczącymi zarządzania ryzykiem AI (konsultacje rozpoczęto w listopadzie 2025). MAS buduje również praktyczną infrastrukturę poprzez Project MindForge .

• Departament Skarbu USA — FS AI RMF — Ramy zarządzania ryzykiem AI dla usług finansowych (luty 2026) zapewniają strukturę zarządzania opartą na ryzyku, specyficzną dla AI w bankowości i finansach .

• EU AI Act + MiCA — Według stanu na sierpień 2026 roku w UE nie ma jednego, sfinalizowanego przewodnika zgodności dla agentów AI. Organizacje muszą syntetyzować wymagania wynikające z EU AI Act i rozporządzenia w sprawie rynków kryptoaktywów .

• IMDA w Singapurze — Model ram zarządzania AI dla agentowego AI — Opublikowany w sierpniu 2026 roku, wymagający wstępnej oceny ryzyka, kontroli technicznych w całym cyklu życia agenta oraz nadzoru ludzkiego proporcjonalnego do poziomu autonomii .

• Cloud Security Alliance — Poziomy autonomii i ramy kontroli — Pięć kluczowych zasad: autonomia musi być wyraźnie uzasadniona, wyższa autonomia wymaga silniejszych kontroli, nadzór ludzki proporcjonalny do ryzyka, ciągłe monitorowanie i jasna odpowiedzialność .

Zalecane kontrole techniczne

• Deterministyczny silnik zasad do walidacji działań. Traktuj wszystkie treści dostarczone przez użytkownika i pobrane z zewnątrz jako niezaufane. Weryfikuj każde proponowane działanie agenta względem deterministycznego silnika zasad — sama sanityzacja danych wejściowych nie jest w stanie usunąć wrogich instrukcji .

• Bramki zatwierdzające z udziałem człowieka (human-in-the-loop) dla wszelkich działań o wysokiej wartości lub wysokim ryzyku przed ich wykonaniem .

• Podział obowiązków, progi zatwierdzania i przeglądy dostępu — stosuj te same zasady kontroli finansowej, które są używane w przypadku operatorów ludzkich (np. podwójna autoryzacja dla dużych transferów) do agentów AI .

• Filtrowanie treści i monitorowanie wyników pod kątem wrogich promptów i nietypowych wzorców zachowania .

• Poziomowanie autonomii — agentom nie należy domyślnie przyznawać maksymalnej autonomii; niższa autonomia z wyraźnymi ścieżkami eskalacji dla działań o wysokiej wartości .

• Audyt specyficzny dla agenta i egzekwowanie niezmienników — poza standardowymi audytami inteligentnych kontraktów, agenci potrzebują monitorów czasu rzeczywistego, które sprawdzają działania pod kątem predefiniowanych niezmienników i wyłączników awaryjnych .

• Sanityzacja danych wejściowych z uwzględnieniem kontekstu i izolacja pamięci — zapobieganie wstrzyknięciu promptów przez zewnętrzne źródła danych lub moduły pamięci agenta .

• Czterowarstwowa architektura zarządzania (proponowana w badaniach akademickich): moduły samoregulacji przy każdym modelu, wewnętrzne zarządzanie modelami, scentralizowany nadzór i zewnętrzne raportowanie regulacyjne .