EDCCS, un equipo de cuatro estudiantes universitarios chinos, se clasificó para la final de la competición de rastreo de blockchain SCAN 2026, programada para el 28 de septiembre en Seúl. El equipo, procedente de tres universidades diferentes —la Universidad Northeastern de Qinhuangdao, la Universidad de Economía y Derecho de Henan y la Universidad de Tecnología de la Información de Chengdu—, avanzó desde una fase preliminar en la que participaron 416 equipos y 754 participantes. Su clasificación marca su primera participación en una competición de investigación blockchain, lograda mediante la adaptación de metodologías de las competiciones tradicionales de ciberseguridad CTF (Capture The Flag). SCAN 2026, organizada por la empresa de inteligencia de activos digitales Diasset, con la plataforma global de datos blockchain Chainalysis como socio de CTF, tiene como objetivo mejorar las capacidades de ciberseguridad e investigación de activos digitales.
EDCCS Forma un Equipo de Tres Universidades Chinas
EDCCS reunió a estudiantes de distintas instituciones unidos por su interés compartido en la ciberseguridad y las competiciones de seguridad. Dos miembros estudian en la Universidad Northeastern de Qinhuangdao, uno en la Universidad de Economía y Derecho de Henan y otro en la Universidad de Tecnología de la Información de Chengdu. Los miembros del equipo poseen perfiles técnicos similares, en lugar de desempeñar funciones claramente diferenciadas. Su experiencia procede de competiciones CTF, investigación de vulnerabilidades, desarrollo de herramientas e implementación de proyectos de ingeniería. El equipo aborda problemas técnicos desconocidos identificando rápidamente la información y las capacidades necesarias, y después creando o modificando herramientas para agilizar los procesos de resolución de problemas.
El Equipo se Clasifica para la Final en su Primera Competición Blockchain
EDCCS expresó su sorpresa por haber llegado a la final, dada su primera participación en competiciones de investigación blockchain. La clasificación validó su capacidad para aplicar a la investigación on-chain las habilidades desarrolladas en CTF: aprendizaje rápido en entornos desconocidos, extracción de información, automatización de tareas, formulación de hipótesis y verificación. El equipo no identificó ningún problema individual abrumadoramente difícil durante la fase preliminar. En cambio, la falta de familiaridad con el propio campo de la investigación blockchain presentó el principal desafío. Las fuentes de datos, las estructuras de las transacciones, la terminología y los métodos de investigación resultaban inicialmente desconocidos.
EDCCS Aplica la Metodología CTF a la Investigación Blockchain
El equipo respondió a esa falta de familiaridad utilizando enfoques idénticos a los empleados al enfrentarse a nuevas categorías de CTF. Primero determinó qué solicitaba exactamente cada problema, organizó la información necesaria para obtener las respuestas, localizó las fuentes de datos y herramientas adecuadas, y después automatizó los procesos de investigación y verificación. Cuando un enfoque no proporcionaba pruebas suficientes, cambiaba la dirección de búsqueda, utilizaba fuentes alternativas o verificaba las conclusiones mediante vías diferentes. Este enfoque priorizó la adaptación rápida y la verificación iterativa por encima de la dependencia de la experiencia previa con plataformas específicas de investigación blockchain.
El Equipo Implementa Automatización Basada en IA para el Análisis de Datos
La automatización basada en IA ocupó una parte importante del flujo de trabajo del equipo. EDCCS utilizó herramientas de IA no solo para responder preguntas individuales, sino también como componentes de flujos de trabajo más amplios de investigación y análisis. El equipo configuró herramientas de IA para buscar información relevante, acceder a fuentes de datos disponibles, consultar API, analizar los resultados obtenidos, derivar posibles explicaciones y verificar de forma cruzada las respuestas candidatas al enfrentarse a las situaciones planteadas en los problemas. Antes de la fase preliminar, el equipo obtuvo acceso anticipado a múltiples API y fuentes de datos que preveía que serían útiles durante la competición. Esta preparación amplió las capacidades disponibles para los flujos de trabajo basados en IA cuando resultaba necesario obtener información no disponible mediante simples búsquedas web.
El papel del equipo se centró principalmente en construir y ajustar flujos de trabajo: decidir qué herramientas e información utilizar, mejorar los procesos cuando los resultados no eran suficientemente fiables y verificar directamente las conclusiones críticas cuando era necesario. El equipo automatizó las tareas repetitivas de búsqueda, consulta, análisis sintáctico y verificación, en lugar de realizar manualmente operaciones idénticas. Trató la IA como una capa de automatización que combinaba búsqueda, uso de herramientas, análisis de datos y verificación en procesos unificados de resolución de problemas, en lugar de utilizarla como un simple chatbot.
EDCCS Identifica la Adaptación Rápida como su Fortaleza Principal
EDCCS considera que su mayor fortaleza es la capacidad de adaptarse rápidamente a problemas técnicos desconocidos y transformar los procesos de resolución de problemas en flujos de trabajo de ingeniería. La experiencia en CTF e investigación de vulnerabilidades enseñó al equipo a desenvolverse en situaciones en las que la tecnología, los métodos de solución previstos e incluso las herramientas que finalmente resultan útiles se desconocen al principio. Aprendieron a adquirir los conocimientos necesarios durante los procesos de resolución de problemas y a cambiar rápidamente de dirección cuando era necesario. El equipo no solo se pregunta «cómo resolver manualmente este problema», sino también «qué parte de este proceso pueden resolver las herramientas». Este enfoque incluye la recopilación de información, las consultas a API, el procesamiento de datos, la generación de hipótesis y la verificación de respuestas. Reducir el trabajo manual repetitivo permite prestar mayor atención a la corrección de la estrategia general de solución.
El Equipo Perfecciona el Flujo de Trabajo de IA para Preparar la Final
EDCCS no planea revisar por completo los enfoques que demostraron ser eficaces durante la fase preliminar. En su lugar, la preparación se centra en perfeccionar la metodología para lograr una mayor fiabilidad y adaptarla mejor a la final. Una de las líneas de trabajo consiste en mejorar los flujos basados en IA: cómo conectar distintas herramientas, API y fuentes de datos, y cómo verificar de forma cruzada los resultados procedentes de múltiples fuentes. El equipo también se prepara para situaciones en las que determinadas API o fuentes de información no estén disponibles, estén incompletas o sean incoherentes. Establecer métodos alternativos para obtener y verificar información refuerza la solidez del flujo de trabajo bajo limitaciones de tiempo. Al mismo tiempo, los miembros se familiarizan más con las estructuras de las transacciones blockchain, los patrones habituales de flujo de fondos y los métodos de investigación. Esta preparación tiene como objetivo reducir la cantidad de conocimientos básicos del ámbito que deban adquirir durante la competición.
En cuanto a los posibles premios, el equipo declaró que ganar tiene más importancia que el dinero del premio. Como participantes por primera vez en este tipo de competición, un buen rendimiento frente a equipos de todo el mundo les proporcionaría una experiencia valiosa y motivación para seguir explorando el campo. Si resultara ganador, el equipo tiene la intención de destinar parte del dinero del premio a futuras investigaciones de seguridad, participación en CTF, infraestructura técnica y desarrollo de herramientas para próximos proyectos.
Preguntas frecuentes
¿Qué metodología utilizó EDCCS para clasificarse para la final de SCAN 2026?
EDCCS aplicó metodologías de las competiciones tradicionales CTF (Capture The Flag) a la investigación blockchain, a pesar de participar por primera vez en este campo. El equipo identificó los requisitos de los problemas, organizó la información necesaria, localizó las fuentes de datos y herramientas adecuadas, y después automatizó los procesos de investigación y verificación. Cuando un enfoque resultaba insuficiente, cambiaba la dirección de búsqueda o utilizaba fuentes alternativas para verificarlo.
¿Cómo utilizó EDCCS las herramientas de IA durante la fase preliminar de SCAN 2026?
El equipo implementó la automatización basada en IA como parte de flujos de trabajo de investigación más amplios, en lugar de utilizarla como simples herramientas de preguntas y respuestas. Las herramientas de IA buscaban información relevante, accedían a fuentes de datos, consultaban API, analizaban resultados, derivaban explicaciones y verificaban de forma cruzada las respuestas candidatas. EDCCS obtuvo acceso anticipado a múltiples API y fuentes de datos antes de la fase preliminar, ampliando las capacidades disponibles para los flujos de trabajo basados en IA más allá de las simples búsquedas web.
¿Qué preparativos está realizando EDCCS para la final del 28 de septiembre?
EDCCS se centra en perfeccionar los flujos de trabajo basados en IA mediante la mejora de las conexiones entre distintas herramientas, API y fuentes de datos, así como en el refuerzo de la verificación cruzada de resultados procedentes de múltiples fuentes. El equipo prepara métodos alternativos para obtener y verificar información cuando determinadas fuentes no estén disponibles o sean incoherentes. Los miembros también se familiarizan más con las estructuras de las transacciones blockchain, los patrones de flujo de fondos y los métodos de investigación para reducir la cantidad de conocimientos básicos del ámbito que deban adquirir durante la competición.
