Web Analytics Made Easy - Statcounter

خبرگزاری علم و فناوری آنا؛ اخبار جعلی در حال حاضر بی‌اعتمادی نسبت به رسانه‌ها، سیاست‌ها و نهاد‌های مستقر در سراسر جهان را بیشتر کرده است. تکنولوژی‌های جدیدی همچون هوش مصنوعی و ابزارهای آن حتی می‌تواند این اوضاع را بیش از پیش بدتر کند، اما با همه خطراتی که ممکن است با خود به همراه داشته باشد، در عین حال می‌تواند برای مبارزه با اطلاعات غلط و نادرست هم استفاده شود.

بیشتر بخوانید: اخباری که در وبسایت منتشر نمی‌شوند!

این فناوری‌ها می‌توانند عصر جدیدی را در شناسایی اخبار جعلی و اطلاعات نادرست آغاز کنند.

در این راستا و با توجه به نیازی که در این زمینه حس می‌شود، بسیاری از محققان و کارشناسان در حال ساخت ابزار‌های نرم‌افزاری برای کمک به تشخیص و مبارزه با اخبار جعلی و نادرست هستند.

امروزه، تصاویر و ویدیوها را با فتوشاپ ساده و یا تکنیک‌های پیچیده‌تری مانند جعل و هک کردن می‌توان به راحتی دستکاری کرد. از این رو باید از سیستم‌هایی بهره گرفت که بتوانند این تغییرات را مهندسی معکوس کنند و از الگوریتم‌هایی برای کمک به تشخیص محتوای دستکاری شده استفاده کنند.

وقتی این ابزار‌ها به فرم محتوا نگاه می‌کنند، بررسی نمی‌کنند که آیا خود محتوا ادعا‌های نادرستی مطرح می‌کند یا خیر. آن‌ها داستان‌هایی را لینک می‌کنند که توسط حقیقت‌یاب‌های انسانی نادرست بودن آن‌ها ثابت شده است و به دنبال صفحات آنلاین یا پست‌های رسانه‌های اجتماعی با کلمات و ادعا‌های مشابه می‌گردند.

به گفته «فرانچسکو نوچی»، مدیر تحقیقات اپلیکیشن «فاندانگو» (Fandango) در ایتالیا «هوش مصنوعی مشکلات بسیاری را با خود به همراه دارد؛ اما گاهی اوقات می‌تواند راه حل هم باشد. شما می‌توانید از هوش مصنوعی به روش‌های غیر اخلاقی برای مثال ساخت و پخش اخبار جعلی استفاده کنید، اما می‌توانید از آن برای مبارزه با اطلاعات غلط نیز استفاده کنید.»

موانع زبانی؛ چالش هوش مصنوعی برای تشخیص اخبار جعلی

«مایکل برونشتاین»، استاد دانشگاه لوگانو در سوئیس و کالج سلطنتی لندن در بریتانیا معتقد است که «با این حال تشخیص اخبار جعلی نه تنها ممکن است مسئله پیدا کردن ادعا‌های نادرست باشد، بلکه می‌تواند تجزیه و تحلیل مقادیر زیادی از الگو‌های اشتراک‌گذاری رسانه‌های اجتماعی باشد.»

وی رهبری پروژه‌ای به نام «گود نیوز» (GoodNews) را برعهده دارد که از هوش مصنوعی برای اتخاذ رویکردی غیرمعمول برای تشخیص اخبار جعلی استفاده می‌کند. برونشتاین در این باره می‌گوید: «بیشتر رویکرد‌های موجود به محتوا نگاه می‌کنند و ویژگی‌های معنایی را که مشخصه اخبار جعلی هستند، تحلیل می‌کنند؛ که تا حدی جواب می‌دهد، اما مشکلات دیگری را هم به دنبال دارد. برای مثال، موانع زبانی وجود دارد، پلتفرم‌هایی مانند واتساپ به شما اجازه دسترسی به محتوا را نمی‌دهند، زیرا رمزگذاری شده و در بسیاری از موارد اخبار جعلی ممکن است یک تصویر باشد که تحلیل آن با استفاده از تکنیک‌هایی مانند پردازش زبان طبیعی سخت‌تر است.»

به گفته وی «مطالعات گذشته نشان می‌دهد که داستان‌های جعلی به روش‌ متفاوتی نسبت به داستان‌های واقعی به اشتراک گذاشته می‌شوند. گود نیوز با تشخیص الگو‌های این چنینی، امتیاز اعتبار را به یک آیتم خبری اختصاص می‌دهد.»


این گروه تحقیقاتی اولین نمونه خود را ساخته‌ است که از یادگیری ماشینی مبتنی بر گراف استفاده می‌کند. این نمونه اولیه براساس داده‌های توییتر آموزش داده می‌شود که در آن محققان داستان‌هایی را ردیابی می‌کنند که توسط روزنامه‌نگاران و خبرنگاران بررسی شده و جعلی بودن آن تایید می‌شود. آن‌ها به این ترتیب الگوریتم هوش مصنوعی را با نشان دادن اینکه کدام داستان‌ها جعلی هستند و کدام درست هستند، آموزش می‌دهند.

آن‌ها امیدوار هستند این محصول را تا پایان سال عرضه کنند. آن‌ها داشتن مشتریانی از شرکت‌های بزرگ رسانه‌ای همانند فیسبوک، توییتر و همچنین کاربران شخصی را پیش‌بینی می‌کنند. به گفته برونشتاین «چشم‌انداز بزرگ‌تر این است که ما می‌خواهیم به یک موسسه رتبه‌بندی اعتبار برای اخبار تبدیل شویم، به همان شیوه‌ای که برخی شرکت‌ها امتیاز اعتبار مصرف کنندگان خود را رتبه بندی می‌کنند.»

ساده لوحانه است که انتظار داشته باشیم فناوری مشکل اخبار جعلی را حل کند!

نوچی تاکید می‌کند که مفهوم اخبار جعلی مورد بحث است و داستان‌ها اغلب کاملا درست نیستند، اما به طور قطعی هم غلط نیستند. اخبار جعلی یک پرسش ریاضی از الگوریتم‌ها و داده‌ها نیست، بلکه یک پرسش بسیار فلسفی از نحوه برخورد ما با حقیقت است. با این وجود فناوری می‌تواند به بهبود شفافیت در مورد ادعا‌های جعلی و اطلاعات غلط کمک کند.

اما پروفسور برونشتاین اعتقاد دیگری دارد. وی در این باره می‌گوید: «ساده لوحانه است که انتظار داشته باشیم فناوری مشکل اخبار جعلی را حل کند. موضوع فقط تشخیص اخبار جعلی نیست. مشکل اعتماد و فقدان تفکر انتقادی است. مردم اعتماد خود را به رسانه‌ها و موسسات سنتی از دست می‌دهند و این چیزی نیست که تنها از طریق فناوری بتوان آن را کاهش داد. این کار نیاز به تلاش همه ذی‌‌نفعان دارد.»

از طرفی؛ محققان دانشگاه زوریخ در تلاش هستند تا با استفاده از هوش ماشینی و یادگیری عمیق، سوگیری در پوشش خبری را شناسایی کنند. این پروژه بخشی از ابتکار جامعه دیجیتال جدید دانشگاه است، شبکه‌ای میان رشته‌ای از دانشگاهیان و دانشمندان که در حال مطالعه چگونگی تاثیر دیجیتالی شدن جامعه بر ارتباطات، سلامت، کار، جامعه و دموکراسی هستند.

در زوریخ، پروژه اخبار جعلی توسط «کارستن دونا» استادیار رفتار سیاسی و رسانه‌های دیجیتال رهبری می‌شود. تلاش تیم این استادیار برای شناسایی و افشای اخبار مغرضانه، یکی از اولین تلاش‌های جدی برای استفاده از هوش مصنوعی برای مبارزه با انتشار اطلاعات غلط و گمراه کننده در اینترنت است.

به گفته دونا «طبقه‌بندی اخبار اهمیت دارد. به ویژه مهم است که مردم بتوانند اطلاعات مغرضانه، نادرست و اغلب احساسی منتشر شده تحت پوشش گزارش خبری را شناسایی کنند. برای مثال دو جمله (بازرسان تسلیحاتی سازمان ملل اعلام کردند که دو هواپیمای شناسایی «یو-۲» (U-۲) را به دلایل امنیتی از عراق خارج کرده‌اند.) و (جنگنده‌های عراقی دو هواپیمای تجسسی آمریکایی یو-۲ را تهدید کردند و آن‌ها را مجبور به لغو ماموریت و بازگشت کردند.) در جمله اول، کلمات حذف شده شناسایی و ایمنی خنثی هستند. با این حال، در جمله دوم، کلمات تهدید، نظارت و اجبار لحن تهدیدآمیزتری دارند. هر دو ممکن است از نظر فنی درست باشند، اما معانی کلمات می‌تواند برداشت‌های متفاوتی به دنبال داشته باشد، بنابراین چارچوب‌بندی آن‌ها هم مختلف است.»

دونا معتقد است که «هدف نهایی این پروژه ایجاد یک وب سایت جمع‌آوری اخبار است که از یک ابزار هوش مصنوعی برای شناسایی سوگیری و فریب در اخبار روزانه استفاده می‌کند، سپس داستان‌ها به شیوه‌ای خنثی دسته‌بندی و ارائه شوند تا خوانندگان بتوانند به راحتی آن‌ها را درک کنند و به آن‌ها اعتماد کنند. با این حال؛ این پروژه هنوز در مراحل اولیه خود به سر می‌برد و مشکلات آن بسیار زیاد است. ابزار هوش مصنوعی باید یاد بگیرد که چگونه سوگیری را تشخیص دهد، به این معنی که باید بتواند تفاوت‌ها را در زبان و زمینه‌ای تجزیه کند که حتی خوانندگان انسانی دقیق نیز در تشخیص آن مشکل دارند.»

لزوم ایجاد یک مجموعه داده بزرگ از مثال‌های زبانی برای ابزارهای هوش مصنوعی

در هر حال؛ برنامه نویسی یک کامپیوتر برای شناسایی تعصب انسانی در نوشتن به معنای آموزش نحوه خواندن آن است. اما خود خواندن یک فرآیند ذهنی پیچیده است که دانشمندان به طور کامل آن را درک نمی‌کنند و هوش مصنوعی تنها به اندازه برنامه نویسی و داده‌هایی که از آن پشتیبانی می‌کند، هوشمند است.

با این وجود؛ تیم دونا در تلاش است تا با تقلید از فرایند‌های ناخودآگاهی که انسان‌ها برای ارزیابی صحت اطلاعاتی که جذب می‌کنند، به هوش مصنوعی خود آموزش دهد تا سوگیری را تشخیص دهد. البته انسان‌ها هم گاهی در تشخیص سوگیری خیلی خوب نیستند و از هوش مصنوعی نمی‌توان انتظار بالاتری داشت. به هر حال حقیقت دست کم تا حدی به چشم می‌آید.

دشواری در حل مشکل اخبار جعلی با این درک آغاز می‌شود که فرآیند جمع‌آوری، گزارش، نوشتن، ویرایش و انتشار اخبار، خود ناقص است. برای مثال، سازمان‌های خبری، تبلیغ کنندگان و مخاطبان جامعه هدفی دارند و این عوامل در انتخاب و ارائه داستان‌های آن‌ها تاثیر می‌گذارند. همچنین، هر جمله‌ای که یک نویسنده تولید می‌کند، مجموعه‌ای از قضاوت‌ها درباره آن به راه می‌افتد و هر برداشتی از آن، بازتابی از آموزش، تجربه، فرهنگ و ... آن جامعه دارد. همچنین دیدگاه خواننده هم باید در نظر گرفته شود.

به گفته دونا «یکی از اولین چالش‌هایی که با آن مواجه هستند، ایجاد یک مجموعه داده به اندازه کافی بزرگ از مثال‌های زبانی برای یک ابزار هوش مصنوعی است تا به عنوان چارچوبی برای تحلیل مورد استفاده قرار گیرد. تلاش‌های گذشته برای ایجاد فرهنگ لغت کلمات و عبارات به خوبی جواب نداده است. در عوض برای توسعه یک رویکرد یادگیری عمیق و کامل‌تر در تلاش هستیم که به داده‌های حاشیه‌نویسی شده زیادی نیاز دارد.»

در یک پروژه آزمایشی نیاز است در ابتدا بر روی تجزیه و تحلیل احساسات تمرکز کرد تا نشان دهد که چگونه می‌توان از این رویکرد برای سنجش میزان چارچوب‌بندی ایده‌ها در یک داستان خبری به عنوان مثبت یا منفی استفاده کرد. چالش بزرگ بعدی می‌تواند گسترش منطق تجزیه و تحلیل احساسات برای ساخت یک پایگاه داده حاشیه‌نویسی شده برای به کارگیری تکنیک‌های مدل سازی باشد که چگونگی درک معانی و نیت کلمات پیچیده‌تر توسط مغز انسان را تقلید می‌کند.

برای این مهم شاید لازم باشد یک گروه تحقیقاتی متشکل از صد‌ها کدکننده باید هزاران جمله را تجزیه وتحلیل و امتیازدهی کنند تا مجموعه داده‌های معیار جدیدی برای تشخیص سوگیری رسانه‌ای ایجاد شود. زمانی که ابزار هوش مصنوعی مثال‌های کافی برای شناسایی مسائل سوگیری در سطح انتخاب کلمه و ساختار جمله را یاد بگیرد، می‌تواند تحلیل خود را به متن بزرگ‌تر، پاراگراف‌ها و کل داستان‌ها گسترش دهد. با این اوصاف؛ به منظور تجزیه و تحلیل یک داستان خبری برای سوگیری و مقایسه آن با داستان‌های دیگر در مورد یک موضوع، ابزار هوش مصنوعی باید بتواند تشخیص دهد که موضوعات اصلی و مفاهیم مورد بحث در چندین داستان به هم مرتبط هستند.

به اعتقاد دونا «ما درک می‌کنیم که این کار باید به صورت گام به گام انجام شود و گام بعدی افزایش قابلیت‌های ابزار هوش مصنوعی برای شناسایی اطلاعات غلط و گمراه کننده یا اخبار جعلی است. تعیین صحت اخبار بسیار دشوار خواهد بود. چارچوب‌بندی اخبار، خود یک سوگیری ذاتی ایجاد می‌کند.»

تبدیل تهدیدهای هوش مصنوعی به فرصت‌های طلایی

با این وجود؛ امیدوار هستیم با سرعت و شتابی که هوش مصنوعی در توسعه تکنولوژی‌های روز دنیا دارد تا سال آینده یک وب‌سایتی برای تشخیص اخبار جعلی و نادرست ایجاد شود. برای شروع، مجموعه داده‌های مورد نیاز برای مدل سازی باید به طور قابل توجهی افزایش داده شوند، همچنین یک نمونه گسترده از اخبار در سراسر حوزه‌ها و منابع کدگذاری شده و کیفیت کدگذاری که توسط انسان‌ها انجام می‌شود، باید به طور مداوم بالا بماند.

البته هیچ تضمینی وجود ندارد که مردم به قضاوت‌های هوش مصنوعی اعتماد کنند. اما همه کشورهای پیشرفته دنیا با توجه به اهمیت هوش مصنوعی و ابزارهای آن، با دانستن همه خطراتی که می‌تواند به دنبال داشته باشد به این سمت در حرکت هستند و با برنامه‌ریزی و قانون گذاری‌ها اقدامات پیشگیرانه‌ای را لحاظ می‌کنند. برای عقب نماندن از این مسیر باید همرنگ جماعت شد و هر تهدیدی را با فراهم کردن تمهیدات لازم به فرصت‌هایی طلایی تبدیل کرد و از آن برای مسیر تحول و توسعه بیشتر کشور سود برد.

انتهای پیام/

زینب خسروی

منبع: آنا

کلیدواژه: اخبار جعلی نرم افزار یادگیری ماشینی هوش مصنوعی تشخیص اخبار جعلی ابزار هوش مصنوعی هوش مصنوعی تجزیه و تحلیل هوش مصنوعی برای شناسایی اطلاعات غلط مجموعه داده برای تشخیص داستان ها برای مثال رسانه ها داده ها

درخواست حذف خبر:

«خبربان» یک خبرخوان هوشمند و خودکار است و این خبر را به‌طور اتوماتیک از وبسایت ana.press دریافت کرده‌است، لذا منبع این خبر، وبسایت «آنا» بوده و سایت «خبربان» مسئولیتی در قبال محتوای آن ندارد. چنانچه درخواست حذف این خبر را دارید، کد ۳۸۲۳۴۱۶۱ را به همراه موضوع به شماره ۱۰۰۰۱۵۷۰ پیامک فرمایید. لطفاً در صورتی‌که در مورد این خبر، نظر یا سئوالی دارید، با منبع خبر (اینجا) ارتباط برقرار نمایید.

با استناد به ماده ۷۴ قانون تجارت الکترونیک مصوب ۱۳۸۲/۱۰/۱۷ مجلس شورای اسلامی و با عنایت به اینکه سایت «خبربان» مصداق بستر مبادلات الکترونیکی متنی، صوتی و تصویر است، مسئولیت نقض حقوق تصریح شده مولفان در قانون فوق از قبیل تکثیر، اجرا و توزیع و یا هر گونه محتوی خلاف قوانین کشور ایران بر عهده منبع خبر و کاربران است.

خبر بعدی:

کلاهبرداری تتر چیست و چطور آن را تشخیص دهیم

کلاهبرداری تتر به‌طور کلی به انواعی از کلاهبرداری در دنیای ارزهای دیجیتال گفته می‌شود که در آن‌ها افراد سودجو با استفاده از استیبل کوین تتر (USDT) اقدام به سرقت دارایی‌های قربانیان می‌کنند.

به گزارش ارزدیجیتال، در بازار ارزهای دیجیتال، تتر (Tether) یا همان USDT به‌عنوان محبوب‌ترین استیبل کوین شناخته می‌شود؛ اما متأسفانه، این محبوبیت باعث شده تا کلاهبرداران نیز به آن علاقه‌مند شوند و با روش‌های مختلف به دنبال فریب کاربران و سرقت دارایی‌های دیجیتال آن‌ها از طریق کلاهبرداری تتر باشند. 

برای محافظت از دارایی‌های دیجیتال خود و جلوگیری از قربانی‌شدن در این کلاهبرداری‌ها، آگاهی از شیوه‌های رایج کلاهبرداران و نحوه تشخیص آن‌ها ضروری است. در این مقاله، انواع کلاهبرداری‌های رایج مرتبط با تتر را بررسی می‌کنیم و راهکارهایی عملی برای افزایش امنیت تراکنش‌های شما ارائه خواهیم داد. با افزایش آگاهی و رعایت نکات امنیتی، می‌توانید با خیالی آسوده‌تر در دنیای ارزهای دیجیتال فعالیت کنید.

شناخت انواع مختلف تتر و کاربردهای آن

تتر یک استیبل کوین است که ارزش آن با دلار آمریکا به نسبت ۱:۱ می‌باشد. به عبارت دیگر، هر واحد تتر تقریباً همیشه معادل یک دلار آمریکا است. تتر، در حال حاضر بر روی بیش از ۳۰ شبکه بلاک چینی ازجمله اتریوم (Ethereum)، ترون (Tron)، اومنی (Omni)، سولانا (Solana)، پالیگان (Polygon) و بایننس اسمارت چین (Binance Smart Chain) منتشر شده و قابل انتقال است.

بسته به شبکه‌ای که تتر بر روی آن منتشر شده، نماد آن متفاوت است. برای مثال، تتر بر روی شبکه اتریوم با نماد USDT-ERC20 و بر روی شبکه ترون با نماد USDT-TRC20 شناخته می‌شود. این تنوع باعث شده تا تتر به پرکاربردترین استیبل کوین در صرافی‌های ارز دیجیتال تبدیل شود.

مهم‌ترین کاربرد تتر، استفاده از آن به عنوان ارز واسط در معاملات ارزهای دیجیتال است. با استفاده از تتر، کاربران می‌توانند به راحتی و بدون نیاز به تبدیل به ارزهای فیات، ارزهای دیجیتال مختلف را خرید و فروش کنند. تتر به عنوان یک دارایی باثبات، برای حفظ ارزش سرمایه در زمان نوسانات شدید بازار کریپتو نیز مورد استفاده قرار می‌گیرد.

علاوه بر این، برخی از صرافی‌ها و پلتفرم‌های کریپتو، از تتر به عنوان یک روش برای واریز و برداشت استفاده می‌کنند. کاربران می‌توانند به جای استفاده از ارزهای فیات، تتر را واریز و برداشت کنند و از مزایای سرعت و هزینه کمتر تراکنش‌های تتر بهره‌مند شوند.

روش‌های رایج کلاهبرداری تتر

کلاهبرداران همواره به دنبال روش‌های جدیدی برای فریب کاربران ارزهای دیجیتال و سرقت دارایی‌های آن‌ها هستند. تتر به عنوان محبوب‌ترین استیبل کوین‌، به هدفی جذاب برای این افراد سودجو تبدیل شده است. در ادامه، به برخی از شایع‌ترین شگردهایی که کلاهبرداران برای دستیابی به دارایی کاربران به‌کار می‌برند اشاره می‌کنیم.

فیشینگ

فیشینگ (Phishing) یکی از رایج‌ترین روش‌های کلاهبرداری در دنیای ارزهای دیجیتال و به ویژه تتر است. در این روش، کلاهبرداران با ارسال ایمیل، پیام یا لینک‌های جعلی که ظاهری کاملاً مشابه با منابع معتبر دارند، سعی می‌کنند کاربران را فریب دهند تا اطلاعات حساس خود مانند کلید خصوصی، رمز عبور یا عبارت بازیابی (Seed Phrase) کیف پول دیجیتال خود را در اختیار آن‌ها قرار دهند.

درواقع، کلاهبرداران صفحه‌ای کاملاً مشابه با صفحه یک کیف پول یا صرافی ارز دیجیتال می‌سازند و فقط تغییر کوچکی در آدرس (URL) آن می‌دهند تا قربانی متوجه آن نشود. پس از به دست آوردن این اطلاعات، کلاهبرداران به راحتی می‌توانند به کیف پول قربانیان دسترسی پیدا کرده و تمام تترih و سایر دارایی‌های دیجیتال آن‌ها را سرقت کنند.

پیام‌های جعلی در شبکه‌های اجتماعی

شبکه‌های اجتماعی مانند تلگرام، توییتر و اینستاگرام به بستری محبوب برای فعالیت کلاهبرداران تبدیل شده‌اند. آن‌ها با ایجاد حساب‌های جعلی و جذاب، کاربران را هدف قرار می‌دهند. کلاهبرداران با ارسال پیام‌های خصوصی یا انتشار پست‌های عمومی، وعده‌های دروغینی مانند سود بالا، جوایز یا ایردراپ‌های تتر را به کاربران می‌دهند. 

آن‌ها از کاربران می‌خواهند برای دریافت این پاداش‌ها، مقداری تتر به آدرس کیف پول ارائه شده ارسال کنند. بسیاری از کاربران بدون آگاهی از نیت واقعی این افراد، تتر خود را برای آن‌ها ارسال می‌کنند و پس از آن، دیگر خبری از پاداش وعده داده شده نخواهد بود و کلاهبرداران با تتر به دست آمده ناپدید می‌شوند.

همچنین، ممکن است برخی کلاهبرداران خود را به‌عنوان پشتیبان یا نماینده شرکتی خاص یا یک صرافی ارز دیجیتال جا بزنند و تظاهر به کمک به کاربران کنند. کلاهبردار وقتی اعتماد کاربر را جلب کرد، اطلاعات خصوصی او نظیر رمز عبور یا عبارت بازیابی کیف پول را می‌گیرد و دارایی‌ها او را به سرقت می‌برد.

سایت‌های صرافی جعلی

کلاهبرداران گاهی اقدام به راه‌اندازی وب‌سایت‌هایی می‌کنند که شباهت زیادی به صرافی‌های معتبر و شناخته شده دارند. این وب‌سایت‌های جعلی از نظر ظاهری، طراحی و حتی آدرس اینترنتی، تقلیدی از صرافی‌های اصلی هستند و تفاوت آن‌ها را به سختی می‌توان تشخیص داد. هدف از ایجاد این صرافی‌های تقلبی، فریب کاربران و دسترسی به دارایی‌های دیجیتال آن‌ها است. 

کاربرانی که بدون دقت و بررسی، وارد این سایت‌های جعلی می‌شوند و اطلاعات کیف پول خود را در اختیار آن‌ها قرار می‌دهند، در نهایت قربانی کلاهبرداری تتر و سایر ارزهای دیجیتال می‌شوند. این افراد پس از واریز تتر به صرافی تقلبی دیگر قادر به برداشت آن نخواهند بود، زیرا کلاهبرداران پس از دستیابی به هدف خود، سایت را می‌بندند و ناپدید می‌شوند.

کیف پول‌های تقلبی

یکی دیگر از شیوه‌های کلاهبرداری با تتر، استفاده از کیف پول‌های تقلبی است. کلاهبرداران با ایجاد اپلیکیشن‌ها یا افزونه‌های مشابه کیف پول‌های معروف و معتبر، کاربران را فریب می‌دهند تا آن‌ها را نصب و استفاده کنند. 

این کیف پول‌های تقلبی که بعضاً در فروشگاه‌های آنلاین اپلیکیشن نیز یافت می‌شوند، در ظاهر عملکردی مشابه کیف پول‌های اصلی دارند، اما در پس زمینه، اطلاعات حساس کاربران مانند کلیدهای خصوصی را به سرقت می‌برند. پس از آنکه کاربر، اطلاعات خود را در این کیف پول وارد کرد، کلاهبرداران به راحتی می‌توانند تمامی موجودی کیف پول را خالی کنند.

ایردراپ تقلبی نمونه‌ای از ایردراپ‌های تقلبی که هیچ ارزشی ندارند

ایردراپ‌ها یکی از روش‌های محبوب پروژه‌های ارز دیجیتال برای جذب کاربر و افزایش آگاهی از توکن خود هستند. در یک ایردراپ واقعی، مقداری توکن به صورت رایگان بین کاربران توزیع می‌شود. کلاهبرداران از این موضوع سوءاستفاده کرده و با ترفند ایردراپ‌های جعلی تتر، کاربران را فریب می‌دهند. 

آن‌ها ممکن است در شبکه‌های اجتماعی یا وب‌سایت‌های جعلی، ایردراپ خود را تبلیغ کنند و یا به صورت تصادفی NFTهایی را که تصاویر ایردراپ در آن نقش بسته است را به کیف پول‌های کاربران ارسال کنند و از کاربران بخواهند برای شرکت در آن، مقداری تتر به عنوان هزینه ثبت نام یا کارمزد شبکه ارسال کنند. 

کاربرانی که فریب این ترفند را می‌خورند، تتر خود را از دست خواهند داد و هیچ ایردراپی دریافت نخواهند کرد. برخی دیگر از ایردراپ‌های تقلبی نیز ممکن است از کاربران بخواهند اطلاعات کیف پول یا کلید خصوصی خود را برای احراز هویت ارائه دهند که منجر به سرقت تمام دارایی‌های آن‌ها می‌شود.

مهندسی اجتماعی با تله‌های عاطفی

برخی از کلاهبرداران با سوءاستفاده از احساسات انسانی مانند حس همدردی، عشق یا اعتماد، اقدام به مهندسی اجتماعی می‌کنند. آن‌ها در شبکه‌های اجتماعی یا اپلیکیشن‌های تعاملی، پروفایل‌های جذاب با عکس‌های دروغین ایجاد می‌کنند و پس از جلب اعتماد قربانی، داستان‌های احساسی ساختگی تعریف کنند. 

این داستان‌ها اغلب حول محورهایی مانند بیماری، مشکلات مالی یا گرفتاری در شرایط اضطراری هستند. پس از ایجاد رابطه عاطفی و کسب اعتماد، کلاهبردار از قربانی درخواست کمک مالی کرده و او را ترغیب می‌کند تا تتر خود را برای حل مشکلات ادعایی ارسال کند. قربانیانی که احساسات خود را بر منطق ترجیح می‌دهند، ممکن است تتر خود را ارسال کنند و دارایی خود را از دست بدهند. 

وام‌های تقلبی

یکی دیگر از روش‌های کلاهبرداری تتر ارائه طرح‌های وام تقلبی است که در آن‌ها از تتر جعلی استفاده می‌شود. آن‌ها ممکن است با وعده بازده بالا، قربانیان را ترغیب کنند تا ارزهای دیجیتال واقعی خود را به عنوان وثیقه سپرده‌گذاری کرده تا استیبل کوین تتر را به عنوان وام دریافت کنند. پس از اینکه قربانی ارز دیجیتال واقعی خود را واریز کرد، کلاهبرداران با وجوه به دست آمده ناپدید می‌شوند و آن تتر جعلی نیز هیچ‌وقت واریز نمی‌شود. 

استیک تتر با سود غیرواقعی

از دیگر شگردهای کلاهبرداران، ترغیب کاربران به استیک کردن یا همان سهام‌گذاری (Staking) تتر با نرخ سود بسیار بالا و غیرواقعی است. آن‌ها وعده می‌دهند در ازای قفل کردن تتر در پلتفرم آن‌ها به مدت زمان مشخص، سودهای نجومی پرداخت خواهند کرد.

برای فریب کاربران، در ابتدا ممکن است سودهای موعود را پرداخت کنند تا اعتماد قربانیان جلب شود و مبالغ بیشتری را سپرده‌گذاری کنند. اما پس از جمع آوری حجم قابل توجهی تتر، کلاهبرداران ناپدید می‌شوند یا به بهانه‌های مختلف از جمله مشکلات فنی یا نقص امنیتی، از بازپرداخت تتر سرباز می‌زنند. 

در برخی موارد نیز ممکن است پلتفرم‌های استیکینگ جعلی، درگاه برداشت را مسدود کنند و کاربران دیگر نتوانند تتر استیک‌شده خود را خارج نمایند. بنابراین، وعده‌های سود بالا همواره باید نشانه‌ای برای احتیاط بیشتر باشد. به قول همان مثل معروف، پنیر مفت فقط در تله موش پیدا می‌شود.

نحوه تشخیص کلاهبرداری تتر

اکنون که را روش‌های مختلف و رایج کلاهبرداری تتر آشنا شدیم، وقت آن است که ببینیم حالا چه کار کنیم که گرفتار این کلاهبرداری‌ها نشویم. برای محافظت از دارایی‌های دیجیتال خود در برابر کلاهبرداری تتر، آگاهی از نحوه تشخیص این نوع کلاهبرداری‌ها بسیار مهم است. در اینجا به برخی از نشانه‌هایی که می‌تواند زنگ خطر کلاهبرداری با تتر را به صدا درآورد، اشاره می‌کنیم.

لوگو تتر را به خاطر بسپارید

 لوگوی رسمی تتر به رنگ سبز است. اگر در کیف پول یا صرافی‌ای لوگوی تتر به رنگ دیگری مشاهده کردید، احتمال جعلی بودن آن وجود دارد. کلاهبرداران گاهی برای گمراه کردن کاربران، از لوگوهایی با رنگ متفاوت استفاده می‌کنند.

اما لوگو فقط یک تصویر گرافیکی است و همه می‌توانند به‌راحتی آن را کپی کنند؛ پس جعلی‌بودن لوگو یک زنگ هشدار است، اما درست‌بودن لوگو هم به‌معنای اصالت قطعی نیست. نشانه‌های کلاهبرداری زیاد است و در ادامه موارد دیگر را هم مرور می‌کنیم.

آدرس قرارداد هوشمند تتر

تتر یک آدرس قرارداد هوشمند (Smart Contract) منحصربه‌فرد دارد که به شبکه‌ای که در آن ساخته شده است، بستگی دارد. مراقب هر آدرسی که با آدرس‌های ارائه شده برای شبکه‌های موجود مانند ERC20 ،TRC۲۰ و BEP20 مطابقت ندارد، باشید. هر کاراکتری را دوبار بررسی کنید تا از صحت آن اطمینان حاصل کنید و از انتقال تتر با هر آدرس متفاوت به طور کلی اجتناب کنید.

شما می‌توانید در وبسایت Coinmarketcap و مراجعه به صفحه USDT، آدرس کانترکت اصلی هر شبکه را مشاهده و دریافت کنید.

تراکنش انجام شده را بررسی کنید

هنگامی که یک تراکنش ارز دیجیتال، به ویژه USDT، دریافت می‌کنید، یک هش تراکنش باید قابل مشاهده باشد. این کد منحصربه‌فرد به شما امکان می‌دهد تراکنش را در یک کاوشگر بلاک چین، مانند اتراسکن (Etherscan) ردیابی کنید. با جستجوی هش، می‌توانید تأیید کنید که آیا تراکنش انجام شده قانونی است یا جعلی است.

به‌روزرسانی موجودی کیف پول پس از انتقال

پس از هر تراکنش تتر، بلافاصله موجودی کیف پول خود را بررسی کنید. یک تراکنش واقعی باید موجودی شما را افزایش دهد. در غیر این صورت، ممکن است قربانی کلاهبرداری شده باشید.

نکات امنیتی برای جلوگیری از کلاهبرداری تتر

برای حفظ امنیت دارایی‌های دیجیتال خود و جلوگیری از قربانی‌شدن در کلاهبرداری‌ها، رعایت برخی نکات امنیتی ضروری است. در این بخش، مهم‌ترین اقداماتی را که می‌توانید برای محافظت از خود در برابر کلاهبرداران انجام دهید، بررسی می‌کنیم. با پیروی از این توصیه‌ها، می‌توانید خطر از دست دادن تترهای خود را به میزان قابل توجهی کاهش دهید.

آدرس کیف پول: هنگام انتقال تتر، همواره آدرس کیف پول گیرنده را با دقت بررسی کنید. حتی یک حرف اشتباه در آدرس می‌تواند باعث شود تترهای شما به کیف پول اشتباهی ارسال شود. صرافی معتبر: برای اطمینان از خرید تتر واقعی و تجربه معاملات امن، به دنبال صرافی‌های معتبر داخلی و خارجی باشید. این صرافی‌ها متعهد به ارائه تتر اصل و تسهیل معاملات سالم در این حوزه هستند. کیف پول معتبر: برای نگهداری تتر، از کیف پول‌های امن و دارای اعتبار استفاده کنید. کیف پول‌های سخت‌افزاری امن‌ترین گزینه هستند، اما کیف پول‌های نرم‌افزاری معتبر نیز می‌توانند جایگزین مناسبی باشند. اطلاعات مهم: کلیدهای خصوصی و عبارت بازیابی کیف پول خود را هرگز در اختیار دیگران قرار ندهید. این اطلاعات کنترل کامل بر دارایی‌های دیجیتال شما را به هر کسی که آن‌ها را در اختیار داشته باشد، می‌دهد. فرار از سود غیرواقعی: از شرکت‌ها و پلتفرم‌هایی که وعده سودهای بالا و غیرواقعی می‌دهند، دوری کنید. به خاطر داشته باشید که هیچ سرمایه‌گذاری بدون ریسک نیست و بازده‌های بالا همواره با ریسک زیاد همراه هستند. اطلاعات خصوصی: هرگز اطلاعات شخصی یا مالی خود را در پاسخ به ایمیل‌ها، پیامک‌ها یا تماس‌های تلفنی ناشناس ارائه ندهید. نهادهای مالی معتبر هرگز با این روش‌ها از شما درخواست اطلاعات نمی‌کنند. افزایش آگاهی: با روش‌های رایج کلاهبرداری، مانند فیشینگ، مهندسی اجتماعی و جعل هویت آشنا شوید و از منابع معتبر برای کسب اطلاعات در مورد پروژه‌ها و نحوه استفاده امن از آنها استفاده کنید. رمز عبور قوی: برای حساب‌های آنلاین خود رمزهای عبور قدرتمند و یکتا انتخاب کنید و هرگز رمز عبور خود را با دیگران به اشتراک نگذارید.  سؤالات متداول بهترین کیف پول برای ذخیره تتر چیست؟

بیشتر کیف پول‌های موجود در بازار ارزهای دیجیتال، چه کیف پول‌های نرم‌افزاری چه سخت‌افزاری، از تتر (USDT) پشتیبانی می‌کنند.

امن‌ترین صرافی برای خرید تتر کدام است؟

بهترین و امن‌ترین صرافی برای خرید تتر صرافی‌هایی هستند که معیارهای مهم مانند امنیت، پشتیبانی خوب، اعتبار، نقدینگی بالا و تیم توسعه شناخته‌شده داشته باشند.

از کجا تتر بخریم؟

بهترین روش برای خرید تتر، خرید از صرافی‌های ایرانی با ریال است، چراکه مراحل احراز هویت و امکان پیگیری قضایی در داخل کشور دارد. 

جمع‌بندی

تتر به عنوان محبوب‌ترین استیبل کوین‌، نقش مهمی در اکوسیستم ارزهای دیجیتال ایفا می‌کند. با این حال، محبوبیت آن توجه کلاهبرداران را نیز به خود جلب کرده است. کلاهبرداران با استفاده از روش‌های مختلفی مانند فیشینگ، ایجاد صرافی‌های جعلی، تراکنش‌ تقلبی و سایر ترفندها، سعی در فریب کاربران و سرقت تترهای آن‌ها دارند.

برای محافظت از خود در برابر کلاهبرداری تتر، آگاهی از نحوه تشخیص آن و رعایت نکات امنیتی ضروری است. همواره هوشیار باشید، اطلاعات حساس خود را محافظت کنید، از معاملات مشکوک اجتناب کنید و فقط از پلتفرم‌های معتبر استفاده نمایید.

به خاطر داشته باشید که در دنیای ارزهای دیجیتال، مسئولیت حفظ امنیت دارایی‌های شما بر عهده خودتان است. با حفظ هوشیاری، اطلاع از آخرین روش‌های کلاهبرداری و پیروی از بهترین شیوه‌های امنیتی، می‌توانید تجربه‌ای امن‌تر و لذت‌بخش‌تر با ارزهای دیجیتال داشته باشید.

کانال عصر ایران در تلگرام

دیگر خبرها

  • چالش‌های زیست‌محیطی در توسعه هوش مصنوعی
  • کلاهبرداری تتر چیست و چطور آن را تشخیص دهیم
  • این شعر جعلی است!
  • دستیار هوشمند خانگی/ هوش مصنوعی چگونه به خانه‌داری کمک می‌کند؟
  • هوش مصنوعی بی طرف نیست ؛ چشم بسته در جنگ شلیک می کند
  • هشدار درباره کلاهبرداری پیامکی
  • (ویدئو) لحظه زمین‌گیر شدن مرد شمشیر به دست
  • هوش مصنوعی چگونه به معماران و طراحان کمک می‌کند؟
  • ببینید | حمله هولناک یک مرد شمشیر سامورایی به مردم در خیابان
  • حمله با شمشیر در لندن یک کشته و چند زخمی بر جای گذاشت