以太坊基金會的AI代理在測試運行中實際發現協議代碼的漏洞

以太坊基金會的AI（人工智慧）代理在測試運行中實際發現了協議代碼的漏洞。
在全球最大規模的資產被鎖定的以太坊（Ethereum/ETH）區塊鏈上，提升網絡穩定性的努力仍在持續。以太坊基金會的協議安全團隊最近進行了一項實驗，將「AI代理」引入核心軟體的安全測試中。這項工作作為確保系統安全性的新方法引起了廣泛關注，但同時也突顯了AI特有的挑戰，即人類審查者所承擔的負擔。

協作型AI發現的嚴重漏洞

在此次測試中，採用了同時運行多個AI代理並為每個代理分配角色的方法。這一結構受到美國AI公司Anthropic（安索洛比克）關於「使用協作型代理群構建C編譯器」研究的啟發。
具體來說，AI被分為以下四個角色進行協作驗證。

偵察代理：將攻擊目標具體化為可驗證的假設
攻擊代理：追蹤代碼路徑並嘗試構建重現步驟
缺口補充代理：記錄進度並生成下一組假設
驗證代理：獨立進行重新檢查，排除重複並判斷有效性

這一全面的探索結果，AI代理成功發現了以太坊的驗證者等在通信中使用的P2P（點對點）庫「libp2p」的「gossipsub（八卦訂閱）」層中的嚴重漏洞。
這個漏洞可能會導致遠程系統崩潰，如果被利用，則會使驗證者離線並失去獎勵，存在運營風險。這一缺陷隨即被修正並公開為「CVE-2026-34219」，技術風險得以避免。

大量出現的「令人信服的誤檢出」

雖然取得了發現漏洞的成果，但協議安全團隊卻面臨著一個重大瓶頸。那就是處理AI代理生成的大量「誤檢出（噪音）」。
傳統的測試工具（如Fuzzer等）能夠在系統崩潰時輸出數據，讓人類直觀地確認漏洞。然而，AI代理卻能夠將攻擊場景、嚴重性評估和驗證代碼寫成「看似合理的報告」，結構完美。因此，人類工程師需要花費大量時間和精力來辨別「乍看之下像真的假漏洞」。
根據團隊的分析，AI生成的誤檢出主要有三種可預測的模式。

與生產環境不同的測試：僅在編譯器的安全檢查啟用的調試版本中發生，對實際用戶沒有影響的崩潰
無法到達的攻擊路徑：由於所有外部輸入路徑都被拒絕，因此實際上無法由攻擊者操作的內部值被手動插入的重現代碼
形式驗證的空洞證明：雖然證明了軟體的正確運行，但實際上並未約束目標的行為的情況

Web3安全中的AI現狀

以太坊基金會的Nikos Baxevanis表示：「讓我驚訝的不是漏洞的發現本身，而是區分真偽所花費的巨大精力。」
此外，AI代理擅長推斷單一瞬間的代碼，但在識別DeFi（去中心化金融）中經常發生的「以惡意順序執行多個正常步驟」等複雜漏洞時仍然面臨困難。此次測試所傳達的教訓是，AI安全工具可以成為加速基礎設施漏洞發現的強大助手，但最終的分流（選別）仍然需要人類的高級判斷。
AI的引入並未奪走人類的工作，而是可以說「人類的時間使用方式從假設驗證階段轉向了驗證基礎設施的構建和信息的選別」。即使在當今工具不斷進化的時代，嚴格的分流這一人類紀律的重要性依然不變。

免責聲明：本內容僅用於一般品牌傳播與資訊說明之目的，不構成任何金融、投資、法律或稅務建議。文中提及的活動、獎勵、線上活動或相關資訊，不應被視為對購買、出售、交易任何加密資產，或使用任何服務的推薦、招攬或邀請。加密資產具有高波動性，並存在價值損失風險。WEEX 服務及線上活動的可用性可能因地區而異，並受當地適用法律法規及用戶資格要求限制。部分活動可能不適用於某些司法管轄區。您有責任確保訪問及使用 WEEX 服務符合當地適用法律法規。在參與任何涉及加密資產的活動前，請充分評估相關風險。