【第455期】A1：大语言模型驱动的智能合约漏洞利用系统

Seventy3：借助NotebookLM的能力进行论文解读，专注人工智能、大模型、机器人算法、crypto方向，让大家跟着AI一起进步。

今天的主题是：

AI Agent Smart Contract Exploit Generation

Summary

智能合约漏洞已造成数十亿美元的损失，但发现可实际利用的攻击仍然极具挑战性。传统模糊测试工具依赖僵化的启发式规则，难以应对复杂攻击；而人工审计虽然细致，却效率低下且难以规模化。大型语言模型（LLM）提供了一种颇具潜力的折中方案，将类人的推理能力与机器级的执行速度相结合。

然而，早期研究表明，仅通过提示词驱动 LLM 往往会产生未经验证的漏洞猜测，且误报率较高。为解决这一问题，我们提出了 A1——一种智能体（agentic）系统，可将任意 LLM 转化为端到端的漏洞利用生成器。A1 为智能体提供了六种领域特定工具，用于自动化漏洞发现，覆盖从理解合约行为到在真实区块链状态上测试攻击策略的全过程。所有输出结果均通过实际执行进行严格验证，确保仅报告具备实际获利能力的概念验证（PoC）漏洞利用。

我们在以太坊和币安智能链上的 36 个真实世界漏洞合约上对 A1 进行了评估。在 VERITE 基准测试中，A1 取得了 63% 的成功率。在所有成功案例中，A1 单个漏洞利用最高可提取 859 万美元，总计可达 933 万美元。通过在六种 LLM 上开展的 432 次实验，我们发现大多数漏洞利用在五次迭代内即可生成，单次尝试的成本介于 0.01 美元至 3.59 美元之间。

此外，通过对历史攻击进行蒙特卡洛分析，我们表明：若能立即检测到漏洞，成功概率可达 86%–89%；若延迟一周再发现，成功概率则骤降至 6%–21%。经济性分析进一步揭示了一种令人担忧的不对称性：攻击者在仅 6000 美元的漏洞价值下即可实现盈利，而防御者则需要 60000 美元——这引发了一个根本性问题，即 AI 智能体是否不可避免地更倾向于促进攻击而非防御。

原文链接：https://arxiv.org/abs/2507.05558