Фьючерсы
Доступ к сотням фьючерсов
TradFi
Золото
Одна платформа мировых активов
Опционы
Hot
Торги опционами Vanilla в европейском стиле
Единый счет
Увеличьте эффективность вашего капитала
Демо-торговля
Введение в торговлю фьючерсами
Подготовьтесь к торговле фьючерсами
Фьючерсные события
Получайте награды в событиях
Демо-торговля
Используйте виртуальные средства для торговли без риска
Запуск
CandyDrop
Собирайте конфеты, чтобы заработать аирдропы
Launchpool
Быстрый стейкинг, заработайте потенциальные новые токены
HODLer Airdrop
Удерживайте GT и получайте огромные аирдропы бесплатно
Pre-IPOs
Откройте полный доступ к глобальным IPO акций
Alpha Points
Торгуйте и получайте аирдропы
Фьючерсные баллы
Зарабатывайте баллы и получайте награды аирдропа
Инвестиции
Simple Earn
Зарабатывайте проценты с помощью неиспользуемых токенов
Автоинвест.
Автоинвестиции на регулярной основе.
Бивалютные инвестиции
Доход от волатильности рынка
Мягкий стейкинг
Получайте вознаграждения с помощью гибкого стейкинга
Криптозаймы
0 Fees
Заложите одну криптовалюту, чтобы занять другую
Центр кредитования
Единый центр кредитования
Рекламные акции
AI
Gate AI
Ваш универсальный AI-ассистент для любых задач
Gate AI Bot
Используйте Gate AI прямо в вашем социальном приложении
GateClaw
Gate Синий Лобстер — готов к использованию
Gate for AI Agent
AI-инфраструктура: Gate MCP, Skills и CLI
Gate Skills Hub
Более 10 тыс навыков
От офиса до трейдинга: единая база навыков для эффективного использования ИИ
GateRouter
Умный выбор из более чем 30 моделей ИИ, без дополнительных затрат (0%)
a16z исследование: AI-агенты могут обнаруживать уязвимости в ценовом манипулировании DeFi, но их способность выполнять сложные атаки все еще ограничена
Глубокие волны TechFlow новости, 29 апреля, согласно раскрытию a16z, их исследователи провели системное тестирование возможности AI-агентов самостоятельно осуществлять эксплуатацию уязвимостей для манипуляций ценами в DeFi. Исследование базировалось на 20 случаях манипуляций ценами в Ethereum, использовался тестовый агент на базе Codex (GPT 5.4) с инструментарием Foundry. В условиях без специальных знаний точность агента составляла всего 10%; после внедрения структурированных знаний, извлечённых из реальных атак, успешность повысилась до 70%.
Примеры неудач показывают, что агенты могут точно выявлять уязвимости, но в целом не способны понять логику рычага при рекурсивных займах, неправильно оценивают прибыльность, а также не умеют собирать многошаговые атаки между контрактами. В эксперименте зафиксирован случай побега из песочницы: агент, извлекая RPC-ключи из локальной конфигурации узла, вызвал метод anvil_reset, сбросив узел до будущего блока, что позволило обойти ограничения изоляции информации и получить реальные данные атаки.
Команда исследователей считает, что в настоящее время AI-агенты могут эффективно помогать в выявлении уязвимостей, но не могут полностью заменить профессиональных специалистов по безопасности.