A EDCCS, uma equipe de quatro estudantes universitários chineses, classificou-se para a final da competição de rastreamento de blockchain SCAN 2026, marcada para 28 de setembro em Seul. A equipe, formada por estudantes de três universidades diferentes — Qinhuangdao Northeastern University, Henan University of Economics and Law e Chengdu University of Information Technology — avançou da fase preliminar, que contou com 416 equipes e 754 participantes. A classificação marca sua primeira participação em uma competição de investigação de blockchain, alcançada por meio da adaptação de metodologias das competições tradicionais de cibersegurança CTF (Capture The Flag). A SCAN 2026, organizada pela empresa de informações sobre ativos digitais Diasset, com a plataforma global de dados de blockchain Chainalysis como parceira de CTF, tem como objetivo aprimorar as capacidades de cibersegurança e investigação de ativos digitais.
EDCCS Forma Equipe com Estudantes de Três Universidades Chinesas
A EDCCS uniu estudantes de instituições distintas por meio de interesses compartilhados em cibersegurança e competições de segurança. Dois membros estudam na Qinhuangdao Northeastern University, um na Henan University of Economics and Law e um na Chengdu University of Information Technology. Os membros da equipe possuem conhecimentos técnicos semelhantes, em vez de divisões distintas de funções. Sua experiência vem de competições de CTF, pesquisa de vulnerabilidades, desenvolvimento de ferramentas e implementação de engenharia. A equipe aborda problemas técnicos desconhecidos identificando rapidamente as informações e capacidades necessárias e, em seguida, criando ou modificando ferramentas para simplificar os processos de resolução de problemas.
Equipe se Classifica para a Final em Sua Primeira Competição de Blockchain
A EDCCS demonstrou surpresa por ter chegado à final, considerando sua primeira participação em competições de investigação de blockchain. A classificação validou sua capacidade de aplicar ao contexto de investigação on-chain as habilidades desenvolvidas em CTF — aprendizado rápido em ambientes desconhecidos, extração de informações, automação de tarefas, formação e verificação de hipóteses. A equipe não identificou nenhum problema isoladamente difícil de forma excepcional durante a fase preliminar. Em vez disso, a falta de familiaridade com o próprio campo de investigação de blockchain representou o principal desafio. Fontes de dados, estruturas de transações, terminologia e métodos de investigação inicialmente pareciam desconhecidos.
EDCCS Aplica Metodologia de CTF à Investigação de Blockchain
A equipe enfrentou essa falta de familiaridade usando abordagens idênticas às empregadas ao encontrar novas categorias de CTF. Primeiro, determinou exatamente o que cada problema pedia, organizou as informações necessárias para chegar às respostas, localizou fontes de dados e ferramentas apropriadas e, então, automatizou os processos de investigação e verificação. Quando uma abordagem não fornecia evidências suficientes, mudava a direção da busca, utilizava fontes alternativas ou verificava as conclusões por caminhos diferentes. Essa abordagem priorizou a adaptação rápida e a verificação iterativa, em vez da dependência de experiência prévia com plataformas específicas de investigação de blockchain.
Equipe Utiliza Automação Baseada em IA para Análise de Dados
A automação baseada em IA ocupou partes significativas do fluxo de trabalho da equipe. A EDCCS utilizou ferramentas de IA não apenas para responder a perguntas individuais, mas como componentes de fluxos de trabalho mais amplos de investigação e análise. A equipe configurou ferramentas de IA para buscar informações relevantes, acessar fontes de dados disponíveis, consultar APIs, analisar os resultados retornados, elaborar possíveis explicações e verificar respostas candidatas quando confrontada com problemas. Antes da fase preliminar, a equipe garantiu acesso antecipado a várias APIs e fontes de dados consideradas úteis durante a competição. Essa preparação ampliou as capacidades disponíveis para os fluxos de trabalho baseados em IA quando informações indisponíveis por meio de simples buscas na web se tornaram necessárias.
As funções da equipe se concentraram principalmente na construção e no ajuste de fluxos de trabalho — decidindo quais ferramentas e informações utilizar, aprimorando os processos quando os resultados não apresentavam confiabilidade suficiente e verificando diretamente conclusões críticas quando necessário. A equipe automatizou tarefas repetitivas de busca, consulta, análise sintática e verificação, em vez de realizar manualmente operações idênticas. A equipe tratou a IA como uma camada de automação que combinava busca, uso de ferramentas, análise de dados e verificação em processos unificados de resolução de problemas, e não como simples chatbots.
EDCCS Identifica a Adaptação Rápida como Principal Força
A EDCCS considera sua maior força a capacidade de se adaptar rapidamente a problemas técnicos desconhecidos e transformar processos de resolução de problemas em fluxos de trabalho de engenharia. A experiência em CTF e pesquisa de vulnerabilidades ensinou a equipe a operar em situações nas quais a tecnologia, os métodos de solução pretendidos e até mesmo as ferramentas que acabariam sendo úteis permanecem inicialmente desconhecidos. A equipe aprendeu a adquirir o conhecimento necessário durante os processos de resolução de problemas e a mudar rapidamente de direção quando necessário. A equipe não pergunta apenas “como resolver este problema manualmente”, mas também “quanto desse processo as ferramentas podem resolver?”. Essa abordagem inclui coleta de informações, consultas a APIs, processamento de dados, geração de hipóteses e verificação de respostas. Reduzir o trabalho manual repetitivo permite dedicar mais atenção à correção da estratégia geral de solução.
Equipe Aperfeiçoa Fluxo de Trabalho de IA para se Preparar para a Final
A EDCCS não planeja reformular completamente as abordagens que se mostraram eficazes na fase preliminar. Em vez disso, a preparação se concentra em aperfeiçoar a metodologia para obter maior confiabilidade e adequação à final. Uma das direções envolve aprimorar os fluxos de trabalho baseados em IA — como conectar diferentes ferramentas, APIs e fontes de dados, e como verificar cruzadamente resultados de várias fontes. A equipe também se prepara para situações em que APIs ou fontes de informação específicas fiquem indisponíveis, incompletas ou inconsistentes. Estabelecer métodos alternativos para obter e verificar informações fortalece a robustez do fluxo de trabalho sob restrições de tempo. Ao mesmo tempo, os membros se familiarizam ainda mais com estruturas de transações de blockchain, padrões comuns de fluxo de fundos e métodos de investigação. Essa preparação busca reduzir a quantidade de conhecimento básico do setor que precisará ser adquirida durante a competição.
Sobre possíveis prêmios em dinheiro, a equipe afirmou que a vitória em si tem mais importância do que o valor do prêmio. Como participantes estreantes nesse tipo de competição, um bom desempenho contra equipes globais proporcionaria experiência valiosa e motivação para continuar explorando a área. Caso vença, a equipe pretende destinar parte do prêmio a futuras pesquisas de segurança, participação em CTF, infraestrutura técnica e desenvolvimento de ferramentas para projetos futuros.
Perguntas Frequentes
Que metodologia a EDCCS usou para se classificar para a final da SCAN 2026?
A EDCCS aplicou metodologias tradicionais de competições de CTF (Capture The Flag) à investigação de blockchain, apesar de participar pela primeira vez desse campo. A equipe identificou os requisitos dos problemas, organizou as informações necessárias, localizou fontes de dados e ferramentas apropriadas e, então, automatizou os processos de investigação e verificação. Quando uma abordagem se mostrou insuficiente, mudou a direção da busca ou utilizou fontes alternativas para verificação.
Como a EDCCS utilizou ferramentas de IA durante a fase preliminar da SCAN 2026?
A equipe implementou a automação baseada em IA como componente de fluxos de trabalho mais amplos de investigação, em vez de utilizá-la como simples ferramenta de perguntas e respostas. As ferramentas de IA buscaram informações relevantes, acessaram fontes de dados, consultaram APIs, analisaram resultados, elaboraram explicações e verificaram cruzadamente respostas candidatas. A EDCCS garantiu acesso antecipado a várias APIs e fontes de dados antes da fase preliminar, ampliando as capacidades disponíveis para os fluxos de trabalho baseados em IA para além de simples buscas na web.
Que preparativos a EDCCS está fazendo para a final de 28 de setembro?
A EDCCS se concentra em aperfeiçoar os fluxos de trabalho baseados em IA, melhorando as conexões entre diferentes ferramentas, APIs e fontes de dados, além de aprimorar a verificação cruzada de resultados de várias fontes. A equipe prepara métodos alternativos para obter e verificar informações quando fontes específicas ficam indisponíveis ou inconsistentes. Os membros também se familiarizam ainda mais com estruturas de transações de blockchain, padrões de fluxo de fundos e métodos de investigação, a fim de reduzir a quantidade de conhecimento básico do setor que precisará ser adquirido durante a competição.
