DeFi安全中的专用AI与通用AI对比

Cyfrin 发布于 2026-05-07 阅读 82

本文对比了通用AI模型(如Claude Mythos)与专用安全AI(Cygent)在DeFi智能合约安全领域的应用。作者认为,将安全嵌入开发流程(左移)比事后审计更有效。Cygent通过持续集成、实时修复、协议特定智能和持久记忆,能够更精准地发现并修复漏洞,减少误报,并主动参与开发者的日常工作流程。文章引用数据指出2025年上半年加密资产损失达31亿美元,强调了安全左移的必要性。

Travis Montgomery

专用智能合约安全 vs. 通用人工智能:DeFi 安全的两种不同未来


人工智能安全军备竞赛已然到来,仅凭原始智能是不够的

2025 年上半年,因加密货币漏洞造成的损失高达 31 亿美元,这是自 2023 年初以来最糟糕的六个月。其中,智能合约漏洞约占 2.63 亿美元,而 2024 年全年被盗金额达 22 亿美元,较 2023 年增长了 21%(Chainalysis 数据)。在 Claude Mythos 出现之前,这些数字已经愈发严重。如今,“存在可利用漏洞”到“资金被盗”之间的窗口期将变得更短。

Anthropic 的 Mythos 模型是首个完成完整模拟企业网络攻击的模型,解决了 73% 的专家级网络安全任务。它在 OpenBSD 中发现了一个存在 27 年的漏洞,近三十年来,人类审计人员和自动化工具都没能发现它。据报道,包括 Coinbase 和 Binance 在内的主要交易所正与 Anthropic 保持密切沟通,以争取早期访问权。Uniswap 创始人 Hayden Adams 已公开提出请求。

现在,想象一下同样的能力落入了正在扫描 DeFi 协议的攻击者手中。

合理的直觉是:把世界上最强大的模型指向你的代码库,让它找出所有问题。但问题在于,Web3 安全最大的漏洞并非代码中缺失的某项检查,而是时机。安全总是在最后进行——在代码编写完成之后。

在传统模式下,你先构建所有内容,然后进行审计,再手忙脚乱地修复。漏洞在生产环境中存活数周甚至数月才会被发现,而漏洞未被发现的每一天,都意味着攻击者可能先于你找到它。Claude Mythos 能够以极深的深度推理漏洞,但它仍然属于那种管道末端的模型:你把代码交给它,它告诉你问题所在,然后你回去修复。

如果安全能左移,从第一天就嵌入到开发过程中呢?这是一种不同的方法:让一名安全工程师每天都与你的团队并肩作战,在问题引入时即行捕获,实时编写修复代码,并在项目的整个生命周期中积累关于你协议的上下文信息。

对于涉及真实资金风险的协议而言,问题在于,人工智能作为你咨询的神谕更有用,还是作为从项目第一个提交就伴随左右的嵌入式队友更有用?这正是 Cygent 旨在回答的问题。


安全左移:为何最大的风险在于等到最后

Web3 安全工具多年来一直困在同一个循环中:先构建,后审计,读取 PDF 报告,然后自己打补丁。结果是可预测的:一长串发现项(其中许多是误报),以及一个停止手头工作去分类噪音、编写补丁并避免引入新漏洞的开发团队。

Claude Mythos 并没有修复这个循环,它只是让神谕变得更聪明。它不会存在于你的 GitHub、Slack 或 CI 流水线中。你需要去找它,粘贴代码,获取输出,解释输出,然后手动实现它建议的任何内容。

当安全是构建之后的一个阶段时,每个漏洞都会获得先机。在任何人寻找它之前,它已经在你的代码库中存在了整整一个开发周期。而当审计最终落地时,审计师的发现与开发者的实现之间的差距会带来自身的风险:发现项被积压在待办事项中,上下文丢失,修复过程中引入新的漏洞。

这在成本方面也会迅速累积。审计并不便宜,之后数周的高级开发人员用于修复的时间可能会悄悄地将安全的真实成本翻倍甚至三倍,而这些成本都是在代码已经在生产环境中存在漏洞之后才产生的。

Cygent 采取了不同的方法。它直接嵌入到开发过程中,并负责从检测到合并的完整生命周期,一切发生在代码编写的同时:

  1. 发现 — CARA,我们专有的审计引擎,持续对你的代码库进行深度安全分析
  2. 修复 — Cygent 遵循计划→审查→执行→PR 的循环,编写 Solidity 代码
  3. 验证 — 在提交任何内容之抢跑构建验证
  4. PR — 在你 GitHub 仓库的特性分支上开启一个拉取请求
  5. 合并 — 像审查任何工程师的代码一样审查,然后交付

在我们的演示中,Cygent 识别出了一个预言机陈旧性漏洞(Chainlink 价格馈送缺少新鲜度检查),编写了一个添加 MAX_HEARTBEAT 验证的修复,发现了一个代币注册函数上缺失的 onlyOwner 修饰符(该漏洞可能让任何人耗尽协议资金),并为这两项问题开启了实际的 GitHub PR,所有这一切都是实时完成的,作为开发工作流的一部分,而不是在一周的审计之后。

“我在 Vault.sol 中发现了一个重入漏洞。我编写了修复,验证了构建,并开启了一个 PR。要合并吗?”这就是 Cygent 所做的,在你还在构建的同时持续进行。


通用智能 vs. 协议特定智能

智能合约安全并非贴了个区块链标签的通用软件安全。这是一个关键漏洞与非问题的区别可能取决于金库支持哪些代币的领域。

在一次对名为 GhostLend 的借贷协议的 演示审计 中,CARA 在 withdrawCollateral 函数中标记了一个经典的检查-生效-交互违规:在状态更新之前执行了外部调用。任何称职的扫描器,当然还有像 Claude Mythos 这样能力的模型,都会将此标记为严重。Cygent 却将其分类为无效。

原因在于:Cygent 知道该协议仅支持 WETH 和 USDC 作为抵押品,而这两种代币都没有启用重入的回调函数。代码违反了最佳实践,被标记为未来加固的问题,但当前并不可利用。一个没有协议代币白名单持久知识的通用模型很可能会让团队手忙脚乱地去修复一个不存在的漏洞。Cygent 告诉他们为何这无关紧要,从而节省了他们的时间。

这种分类正是协议特定智能在实践中的体现。价值不仅在于发现更多漏洞,更在于知道在你的特定上下文中哪些漏洞是重要的,并且从第一天起就知道,而不是在构建完成后的审计中才知道。

这种级别的领域专业知识并非来自通用的互联网训练。CARA 建立在我们作为顶级智能合约审计师和教育者的多年工作基础之上。我们与 MetaMask、Wormhole、Uniswap、Chainlink、ZKsync 等团队合作开展安全项目。我们的 Updraft 平台已经培训了数万名开发人员学习智能合约安全,而我们的 Solodit 和 Aderyn 工具则持续将真实世界的漏洞数据反馈给 CARA。

CARA 的检测范围精准且领域特定:重入、访问控制问题、输入验证漏洞、预言机操纵、MEV 暴露、Gas 优化。每个发现项都包含严重性、根本原因、受影响的代码位置(精确到文件、行号、合约和函数)、修复建议、攻击向量分析以及概念验证代码。

Mythos 或许也能通过学习 DeFi 模式来跟上,只要给它足够的上下文窗口。它是一个极其能干的模型。而 Cygent 已经内置了这些知识,并且是持久化的。它不需要你每次会话都粘贴一份关于重入模式的入门指南,也不需要你解释你的代币白名单。它会在你的代码演进过程中持续应用这些知识,而不仅仅是在你想起去问的时候。

用户反馈也体现了这种深度。Spiral Stake 报告说 Cygent “捕获了一些有趣的组合链,这些是单独发现项无法暴露的”,这是一种需要真正理解 DeFi 攻击向量的多步骤漏洞模式。Buck.io 则更直白:“它在我最近的工作中发现了一些有趣的漏洞,而 其他 AI 工具都没有 发现。”


一名存在于你工作流中的安全工程师

如果世界上最强大的模型只存在于一个单独的标签页中,你的团队只在发布前才访问它,那么它的影响力是有限的。安全必须融入开发人员已经所在的地方:在 Slack 讨论串中,在拉取请求审查中,在架构讨论中。一旦要求工程师切换上下文去使用一个单独的工具,采用率就会下降,漏洞就会溜走。

Cygent 通过深度集成从开始就加入你的团队:

  • Slack — 在任何频道中 @提及,使用带确认对话框的斜杠命令,支持多轮对话的讨论串,一个带有项目仪表盘的 Home 标签页,以及基于参与度评分的智能插话——Cygent 在检测到与安全相关的上下文时会发言,但不会刷屏
  • GitHub — 基于 Webhook 的 PR 审查,带有行内评论,可根据可配置的严重性阈值自动从发现项创建 Issue,双向状态同步(/cygent fixed/cygent rejected/cygent wontfix),以及用于 PR 的直接分支管理
  • Discord & Telegram — 功能齐全的机器人集成,具备相同的核心功能:命令、对话、交互组件和智能插话
  • Google Meet — 实时转录,通过 TTS 进行语音回复,会议摘要发布到 Slack,以及对个别参与者的后续私信
  • IDE/MCP — 在 Claude Code、Cursor、VS Code、Windsurf、Zed 以及任何兼容 MCP 的客户端中进行行内安全分析

Google Meet 集成值得仔细看看。在演示中,Cygent 被邀请参加一个团队讨论 Arbitrum L2 上 Aave V3 集成的会议。无需提示,它就标记了 L2 特有的考虑因素,如排序器正常运行时间预言机要求,并警告 WBTC 使用 8 位小数(与大多数使用 18 位小数的 ERC-20 不同),如果未明确处理,将会破坏抵押品计算。没有人问它。它加入会议,聆听,并像房间里的一位高级安全工程师一样做出贡献,在设计阶段而非代码编写完成后捕获潜在问题。

Cygent 在 Slack 中也展现了同样的主动性。当开发人员随口提到部署到 Arbitrum 并遵循 Aave V3 的清算数学时,Cygent 注意到了这一上下文,并为未来的审计添加了规则,以标记偏离 Aave V3 模式以及 L2 特定 Gas 问题的情况。

正如 Buck.io 所说:"你可以在每个编码日结束时,直接从 Slack 对你的智能合约进行一次严肃的 Solidity 审计。" Remora 也表达了类似观点:"Cygent 提供了一种超越一次性审计的持续安全层……它可以让你轻松地走在问题前面,而不会拖慢开发速度。"


持久记忆 vs. 无状态会话

安全是一个纵向问题。你的代码库在演变。你的团队在第 3 周做出的架构决策会影响第 12 周面临的威胁模型。你对某个发现项接受了一个风险,三个冲刺之后,有人需要知道这个决定及其原因。一直与你并肩构建的安全工程师会记住这一切;而只在最后出现的安全工程师则不会。

Claude Mythos 与当前所有大型语言模型一样,在基于会话的交互中运行。它的上下文窗口令人印象深刻,但跨会话的持久状态并非其架构的一部分。每一次新会话都从零开始,除非你手动重建上下文。记忆功能可以附加,但对项目在数周和数月内持续的理解并非通用模型所优化关注的。

记忆是 Cygent 的核心架构原则:

  • 跨对话上下文 — 跨频道和平台回忆过去的对话、决策和笔记
  • 语义搜索 — 即使你几周后使用不同的措辞,也能找到相关的过去上下文
  • 审计师笔记 — 在对话中保存笔记("记住我们接受了 H-2 风险"),这些笔记会跨会话持久化并可随时检索
  • 项目级知识 — 维护每个项目的架构、代币支持、部署目标和历史记录
  • 智能插话 — 利用积累的上下文来确定何时发言,并通过参与度评分确保相关性

这会随着时间的推移而不断累积。Cygent 与你的团队并肩构建的时间越长,其分类就越精准。VII Finance 亲眼见证了这一点:"CARA 自动将我最初运行审计时发现的 99% 的无效发现项标记为无效。" 这种区分信号与噪音的精确性来自于积累的上下文,而非每次会话的重新开始。

同样的记忆能力也为 Cygent 的漏洞赏金分类提供支持。在审查收到的提交时,它知道哪些已经被报告过,哪些模式表明是垃圾信息,以及代码库的哪些区域已经被检查过。


BattleMode:证明可利用性

"这段代码可能易受攻击"和"我们证明了这段代码是可利用的"之间存在显著差异。

静态分析——更接近通用语言模型在推理代码时所做的事情——可以识别出看起来危险的模式。但 Immunefi 的数据显示,80% 的项目发现了代码审计遗漏的漏洞。理论分析无法完全替代在真实环境中的动态测试。

Cygent 的 BattleMode 弥合了这一差距。它使用 Local Anvil 或已部署的 BattleChain 启动一个沙箱环境,部署你的合约,并释放红队 AI 代理,这些代理会主动尝试编写利用代码并窃取资金。蓝队代理同时监控防御。所有密钥和秘密都在沙箱内加密存储。

Mythos 可以推理某个漏洞是否可利用,而且很可能具有非凡的深度,但它没有内置的执行环境来将合约部署到测试链、执行交易并通过一系列特定调用实证地证明资金可以被耗尽。这需要用于对抗性模拟的专用基础设施。

当红队代理在沙箱中成功利用一个漏洞时,就没有了歧义。你知道它是可被利用的,因为它刚刚就被利用了。


你的安全模型是什么样子的?

这不是在宣布胜负。Mythos 和 Cygent 代表了解决同一问题的不同方法。

Claude Mythos 是一个通用型人工智能模型,可以说是迄今为止为网络安全任务构建的最强大的模型。你将代码交给它。它给你分析。你来决定如何处理。它是一个出色的按会话顾问,具有非凡的分析深度。

Cygent 是一个从第一天就加入你团队的专用安全工程师。它存在于你的 Slack 中。它自动审查你的 PR。它记住你的架构决策。它编写修复、验证构建并开启拉取请求。它加入你的通话,并警告你尚未想到的小数位不匹配问题。它每日监控威胁情报,并将新漏洞与你的代码库进行交叉引用。它在漏洞被引入时捕获它们,而不是在数周后的构建后审计中捕获。

正如 Remora 团队所说:"我们正在构建一个涉及真实投资者资金的 RWA 协议,因此安全不是可选项。Cygent 提供了一种超越一次性审计的持续安全层,始终能给出彻底且可操作的发现。结合计划监控和对我们工作流的集成,它可以让你轻松地走在问题前面,而不会拖慢开发速度。"

攻击者不会等待你的审计完成。他们持续扫描,不懈测试,一旦发现突破口立即利用。一个只在开发结束时才激活的安全方法是在攻击者的时间线上进行防守。而一个从第一个提交就嵌入的安全方法则改变了格局。

问题不在于 AI 是否能发现你的漏洞。它显然可以。问题在于,你的安全是从一开始就存在,与你的团队并肩构建并实时消除差距,还是直到最后才出现,并希望没有任何漏洞溜过去。

  • 原文链接: cyfrin.io/blog/purpose-b...
  • 登链社区 AI 助手,为大家转译优秀英文文章,如有翻译不通的地方,还请包涵~

相关文章

0 条评论