EDCCS, une équipe de quatre étudiants chinois, s’est qualifiée pour la finale de la compétition d’enquête blockchain SCAN 2026, prévue le 28 septembre à Séoul. L’équipe, composée d’étudiants de trois universités différentes — l’Université Northeastern de Qinhuangdao, l’Université d’économie et de droit du Henan et l’Université des technologies de l’information de Chengdu — s’est qualifiée à l’issue des phases préliminaires, qui réunissaient 416 équipes et 754 participants. Cette qualification marque leur première participation à une compétition d’enquête blockchain, obtenue en adaptant des méthodologies issues des compétitions traditionnelles de cybersécurité CTF (Capture The Flag). SCAN 2026, organisée par la société d’information sur les actifs numériques Diasset avec la plateforme mondiale de données blockchain Chainalysis comme partenaire CTF, vise à renforcer les capacités en cybersécurité et en enquête sur les actifs numériques.
EDCCS forme une équipe issue de trois universités chinoises
EDCCS a réuni des étudiants de différents établissements autour d’un intérêt commun pour la cybersécurité et les compétitions de sécurité. Deux membres étudient à l’Université Northeastern de Qinhuangdao, un à l’Université d’économie et de droit du Henan et un à l’Université des technologies de l’information de Chengdu. Les membres de l’équipe possèdent des compétences techniques similaires plutôt que des rôles distincts. Leur expérience provient des compétitions CTF, de la recherche de vulnérabilités, du développement d’outils et de la mise en œuvre technique. L’équipe aborde les problèmes techniques inconnus en identifiant rapidement les informations et les capacités nécessaires, puis en créant ou en modifiant des outils afin de fluidifier les processus de résolution.
L’équipe se qualifie pour la finale lors de sa première compétition blockchain
EDCCS s’est dite surprise d’avoir atteint la finale, compte tenu de sa première participation à une compétition d’enquête blockchain. Cette qualification a démontré sa capacité à appliquer à l’enquête on-chain les compétences développées dans les CTF — apprentissage rapide dans des environnements inconnus, extraction d’informations, automatisation des tâches, formulation et vérification d’hypothèses. L’équipe n’a identifié aucun problème particulièrement difficile lors des phases préliminaires. C’est plutôt sa méconnaissance du domaine de l’enquête blockchain lui-même qui a constitué le principal défi. Les sources de données, les structures des transactions, la terminologie et les méthodes d’enquête étaient initialement inhabituelles.
EDCCS applique la méthodologie CTF à l’enquête blockchain
L’équipe a répondu à cette méconnaissance en adoptant des approches identiques à celles utilisées face à de nouvelles catégories de CTF. Elle a d’abord déterminé ce que chaque problème demandait précisément, organisé les informations nécessaires pour parvenir aux réponses, identifié les sources de données et les outils appropriés, puis automatisé les processus d’enquête et de vérification. Lorsqu’une approche ne fournissait pas suffisamment de preuves, elle modifiait ses axes de recherche, utilisait d’autres sources ou vérifiait ses conclusions par d’autres moyens. Cette approche privilégiait l’adaptation rapide et la vérification itérative plutôt que la dépendance à une expérience préalable de plateformes spécifiques d’enquête blockchain.
L’équipe déploie une automatisation fondée sur l’IA pour l’analyse des données
L’automatisation fondée sur l’IA occupait une place importante dans le flux de travail de l’équipe. EDCCS utilisait les outils d’IA non seulement pour répondre à des questions individuelles, mais aussi comme composants de flux de travail plus vastes d’enquête et d’analyse. L’équipe configurait les outils d’IA pour rechercher les informations pertinentes, accéder aux sources de données disponibles, interroger les API, analyser les résultats renvoyés, formuler des explications possibles et vérifier les réponses candidates lors du traitement des problèmes rencontrés. Avant les phases préliminaires, l’équipe avait obtenu à l’avance l’accès à plusieurs API et sources de données jugées utiles pendant la compétition. Cette préparation a élargi les capacités disponibles pour les flux de travail fondés sur l’IA lorsqu’il devenait nécessaire d’obtenir des informations indisponibles via de simples recherches sur le Web.
Les rôles au sein de l’équipe se concentraient principalement sur la construction et l’ajustement des flux de travail — décider quels outils et quelles informations utiliser, améliorer les processus lorsque les résultats manquaient de fiabilité et vérifier directement les conclusions critiques lorsque cela était nécessaire. L’équipe automatisait les tâches répétitives de recherche, d’interrogation, d’analyse et de vérification au lieu d’effectuer manuellement des opérations identiques. Elle considérait l’IA comme une couche d’automatisation combinant la recherche, l’utilisation d’outils, l’analyse des données et la vérification dans des processus unifiés de résolution de problèmes, plutôt que comme de simples chatbots.
EDCCS identifie l’adaptation rapide comme sa principale force
EDCCS considère que sa plus grande force réside dans sa capacité à s’adapter rapidement à des problèmes techniques inconnus et à transformer les processus de résolution en flux de travail techniques. L’expérience des CTF et de la recherche de vulnérabilités a appris à l’équipe à agir dans des situations où la technologie, les méthodes de résolution prévues et même les outils finalement utiles restent initialement inconnus. Elle a appris à acquérir les connaissances nécessaires au cours du processus de résolution et à réorienter rapidement ses efforts lorsque cela s’avère nécessaire. L’équipe ne se demande pas seulement « comment résoudre ce problème manuellement », mais aussi « quelle part de ce processus les outils peuvent-ils résoudre à notre place ? ». Cette approche englobe la collecte d’informations, les requêtes API, le traitement des données, la génération d’hypothèses et la vérification des réponses. La réduction du travail manuel répétitif permet de consacrer davantage d’attention à la justesse de la stratégie globale de résolution.
L’équipe perfectionne son flux de travail fondé sur l’IA en préparation de la finale
EDCCS ne prévoit pas de refonte complète des approches qui se sont révélées efficaces lors des phases préliminaires. La préparation se concentre plutôt sur le perfectionnement de la méthodologie afin d’en accroître la fiabilité et l’adéquation à la finale. L’un des axes consiste à améliorer les flux de travail fondés sur l’IA — la manière de connecter différents outils, API et sources de données, ainsi que la manière de vérifier les résultats provenant de plusieurs sources. L’équipe se prépare également aux situations dans lesquelles certaines API ou sources d’information deviennent indisponibles, incomplètes ou incohérentes. La mise en place de méthodes alternatives pour obtenir et vérifier les informations renforce la robustesse des flux de travail sous contrainte de temps. Parallèlement, les membres se familiarisent davantage avec les structures des transactions sur blockchain, les schémas courants de circulation des fonds et les méthodes d’enquête. Cette préparation vise à réduire la quantité de connaissances fondamentales du domaine qu’il faudrait acquérir pendant la compétition.
Concernant les éventuels gains, l’équipe a déclaré que la victoire elle-même revêtait plus d’importance que le montant du prix. En tant que nouveaux participants à ce type de compétition, une bonne performance face à des équipes internationales leur apporterait une expérience précieuse et les motiverait à poursuivre leur exploration du domaine. En cas de victoire, l’équipe prévoit d’allouer une partie du prix à la recherche future en sécurité, à la participation à des CTF, aux infrastructures techniques et au développement d’outils pour de prochains projets.
FAQ
Quelle méthodologie EDCCS a-t-elle utilisée pour se qualifier pour la finale de SCAN 2026 ?
EDCCS a appliqué les méthodologies traditionnelles des compétitions CTF (Capture The Flag) à l’enquête blockchain, malgré sa première participation dans ce domaine. L’équipe a identifié les exigences des problèmes, organisé les informations nécessaires, localisé les sources de données et les outils appropriés, puis automatisé les processus d’enquête et de vérification. Lorsqu’une approche s’est révélée insuffisante, elle a modifié ses axes de recherche ou utilisé d’autres sources à des fins de vérification.
Comment EDCCS a-t-elle utilisé les outils d’IA pendant les phases préliminaires de SCAN 2026 ?
L’équipe a déployé l’automatisation fondée sur l’IA comme composant de flux de travail d’enquête plus vastes, plutôt que comme de simples outils de questions-réponses. Les outils d’IA recherchaient les informations pertinentes, accédaient aux sources de données, interrogeaient les API, analysaient les résultats, formulaient des explications et vérifiaient les réponses candidates. EDCCS avait obtenu à l’avance l’accès à plusieurs API et sources de données avant les phases préliminaires, élargissant ainsi les capacités disponibles pour les flux de travail fondés sur l’IA au-delà des simples recherches sur le Web.
À quelles préparations EDCCS se livre-t-elle pour la finale du 28 septembre ?
EDCCS se concentre sur le perfectionnement des flux de travail fondés sur l’IA en améliorant les connexions entre différents outils, API et sources de données, ainsi que la vérification croisée des résultats provenant de plusieurs sources. L’équipe prépare des méthodes alternatives pour obtenir et vérifier les informations lorsque certaines sources deviennent indisponibles ou incohérentes. Les membres se familiarisent également davantage avec les structures des transactions sur blockchain, les schémas de circulation des fonds et les méthodes d’enquête afin de réduire la quantité de connaissances fondamentales du domaine qu’il faudrait acquérir pendant la compétition.
