💻 computer science

An Effective and Cost-Efficient Agentic Framework for Ethereum Smart Contract Auditing

本論文は、関数レベルのコード再構成、ヒューリスティックな推論、およびカスケード検証を活用することで、軽量なオープンソースモデルを用いながら高精度な脆弱性検出とエクスプロイト・チェイニングを実現し、既存のツールを速度、コスト、精度の面で大幅に上回り、かつ実世界の攻撃やゼロデイ脆弱性の特定に成功した、イーサリアム・スマートコントラクト監査のためのコスト効率の高いエージェンティック・フレームワークであるHeimdallrを紹介するものである。

原著者： Xiaohui Hu, Wun Yu Chan, Yuejie Shi, Qumeng Sun, Wei-Cheng Wang, Chiachih Wu, Haoyu Wang, Ningyu He

公開日 2026-01-27

📖 1 分で読めます☕ さくっと読める

CC BY 4.0

原著者： Xiaohui Hu, Wun Yu Chan, Yuejie Shi, Qumeng Sun, Wei-Cheng Wang, Chiachih Wu, Haoyu Wang, Ningyu He

原論文は CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/) でライセンスされています。 ✨ これは以下の論文のAI生成解説です。著者が執筆または承認したものではありません。技術的な正確性については原論文を参照してください。免責事項の全文を読む

問題点：「拡張性がなく、ノイズが多く、高価な」警備員

スマートコントラクトを、デジタル銀行の自動化されたルールだと想像してみてください。もしコードにバグがあれば、ハッカーに数百万ドルを盗まれてしまいます。現在、これらのルールをチェックすることは悪夢のような作業です。

手動監査（人間のエキスパート）： これは、図書館の全ページを読み解くために、エリート探偵のチームを雇うようなものです。非常に徹底的ですが、莫大な費用（数万ドル）がかかり、数週間を要します。小規模なプロジェクトには到底不可能です。
静的解析ツール（金属探知機）： これらは、コード内の既知の「悪い形状」をスキャンする自動化ツールです。問題は、これらがコインや鍵、さらにはソーダの缶にまで反応する金属探知器のようなことです。誤検知（偽陽性）が非常に多いため、人間の監査員は圧倒され、結局それらを無視してしまうようになります。
初期のAI監査ツール（幻覚を見るインターン）： 効率化のためにAI（大規模言語モデル）を用いた新しいツールが登場しました。しかし、これらは「自信満々だが、でっち上げをするインターン」のようなものです。存在しないバグを捏造したり（ハルシネーション）、銀行のルールの全体像を理解していないために複雑なトリックを見逃したりします。また、実行コストも非常に高いです。

解決策：Heimdallr（「チェックリスト」を持つスーパー・インターン）

著者らは、セキュリティにおける「ゴールドロック（ちょうど良い状態）」を目指した新しい自動化システム、Heimdallrを構築しました。これは、高価すぎず、ノイズも少なく、かつ実際に賢いシステムです。彼らはこれを「エージェンティック・フレームワーク」と呼んでいます。これは、単に推測するのではなく、計画を立て、確認し、検証するAIエージェントであることを意味する専門用語です。

Heimdallrを、3段階のセキュリティプロセスを持つものと考えてください。

ステージ1：オーガナイザー（文脈プロファイリング）

問題： 1,000ページの小説を一度に読もうとすると、混乱してしまいます。同様に、AIモデルも一度に大量のコードを与えられると混乱します。
Heimdallrのトリック： 本全体を一度に読む代わりに、Heimdallrは物語を論理的な「章」にグループ分けする司書のように振る舞います。コードの異なる部分がどのように対話しているか（誰が誰を呼び出しているかなど）を調べ、意味のある小さな「塊（チャンク）」にまとめます。これにより、AIがコードの離れた2つの部分間のつながりを見逃すことがなくなります。

ステージ2：ディテクティブ（モデルに依存しない監査）

問題： 標準的なAIは、単に「これは怪しい」と言うだけかもしれません。しかし、それは本当に犯罪なのでしょうか？
Heimdallrのトリック： Heimdallrは**「計画・想起・解決（Plan-Remind-Solve）」**戦略を使用します。

計画 (Plan)： コードの塊を見て、「どこにハッカーが攻撃を仕掛ける可能性があるか？」を問いかけます。
想起 (Remind)： 推測する前に、実際の過去のハックや最近のニュースからなる「カンニングペーパー（知識ベース）」を取り出します。AIに対し、「去年のあの特定のタイプの銀行がどうやって襲われたか覚えていますか？これがそれに似ていないか確認してください」とリマインドします。
解決 (Solve)： 単に推測するのではなく、3種類のテストを実行します。
1. 「もしも」テスト： 無限の資金や、あるいは天候（ブロックチェーン上の時間）を操る力を持つハッカーが存在すると仮定して、システムが極限状態でも壊れないかをテストします。
2. 数学テスト： AIは数学は苦手ですが論理には長けているため、厳格な数学計算機（Z3ソルバー）を使用して、数値が正しく計算されているかを確認します。
3. 連鎖反応テスト： 一つの部屋での小さなバグが、建物全体を爆破させるような連鎖反応を引き起こさないかをチェックします。

ステージ3：フィルター（偽陽性の除去）

問題： 優れた探偵であっても、無実の人を疑ってしまうことがあります。
Heimdallrのトリック： これが最も重要な部分です。人間に結果を見せる前に、Heimdallrは**「より厳格な二次チェック」**を行います。「これは本当に脅威なのか、それとも単に想像したものなのか？」と問いかけます。これによりノイズを排除し、「バグがある」と言ったときには、それがほぼ確実に真実であることを保証します。

結果：なぜ重要なのか

論文は、Heimdallrが大きな飛躍であることを主張しています。

推測マシンではなく、探偵である： 最近（2025年6月以降）発生した20件の実世界のハックに対してテストを行った結果、Heimdallrは17件を特定し、ハッカーがどのように行ったかを正確に説明しました。また、稼働中のシステムから4つの新しい（ゼロデイ）バグを発見し、4億ドルを救える可能性がありました。
安価である： 他のツールがプロジェクトのスキャンに15〜50ドルかかる一方で、Heimdallrは（より小さなオープンソースのAIモデルを使用することで）わずか0.22ドル、あるいは（最も強力なモデルを使用しても）2.31ドルで実行できます。
高速である： 古いツールが数時間を要したのに対し、Heimdallrは数分でプロジェクトをスキャンできます。
競合に勝っている： 他のトップツールとの直接対決において、Heimdallrはより多くの本物のバグを発見し、偽の報告をより少なく抑えました。548人の人間の監査員との対抗戦では、自動化されたHeimdallrは**上位4%**に入りました。

限界（制限事項）

著者らは、Heimdallrがまだできないことについても正直に述べています。

言語： 現在、このツールは「Solidity」（イーサリアムの言語）のみを話せます。他のブロックチェーン向けに書かれたコードはまだ読めません。
長期的なトリック： 即時的なハックを捉えるのは得意ですが、非常に長い時間をかけて展開される攻撃（ゆっくりとした毒のような攻撃）は見逃す可能性があります。
安全性： 穴を見つける能力が高すぎるため、著者らはコードを無料で公開しないという決定を下しました。これは、ハッカーが銀行の穴を見つけるためにツールを使用することを防ぐためです。代わりに、審査を通った専門家が利用できる安全なサービスとして提供しています。

まとめ

Heimdallrは、コードを整理し、過去の犯罪を研究し、厳格な数学テストを実行し、警報を鳴らす前に自分の仕事をダブルチェックする、超知的でコスト効率の高い警備員のようなものです。これは、「高価だが遅い」対「安いが嘘ばかり」という古い問題を解決し、速くて安く、かつ実際に信頼できるソリューションを提供します。

技術要約：Heimdallr – イーサリアム・スマートコントラクト監査のための効果的かつ費用対効果の高いエージェント型フレームワーク

1. 問題提起

分散型金融（DeFi）の急速な拡大に伴い、セキュリティインシデントが急増しており、単一の年で約700件の攻撃が発生し、約33.5億ドルの損失をもたらしています。既存のスマートコントラクト監査ソリューションは、以下の決定的な限界に直面しています。

手動監査: 効果的ではあるものの、極めて高価（多くの場合、プロトコルあたり7万〜15万ドル以上）であり、スケーラビリティに欠けます。
静的解析ツール（例：Slither, Mythril）: これらのツールは偽陽性（誤検知）率が高く、範囲が限定的であり、複雑でコンテキストに依存するビジネスロジックの脆弱性を検出できません。
LLMベースの監査: 大規模言語モデル（LLM）は推論能力を備えていますが、現在の実装はハルシネーション（幻覚）、コンテキストウィンドウの制約、および高い運用コストに悩まされています。LLMを直接適用すると、検出能力が極めて低くなる（F1スコア < 0.02）か、制御不能なノイズが発生する（偽陽性率 > 97%）結果となります。

核心となる課題は、検出精度を損なうことなく、偽陽性を最小限に抑え、コスト効率のバランスを取りながら、LLMの自動化と推論を活用して、スケーラブルで信頼性の高いコントラクト監査を実現することです。

2. 手法：Heimdallrフレームワーク

Heimdallrは、モジュール式でモデルに依存しないエージェント型フレームワークであり、「コンテキスト・プロファイリング」、「モデル非依存型監査」、「偽陽性フィルタリング」という3つの結合されたステージを通じて、人間の専門家の厳格な推論を模倣するように設計されています。

2.1 コンテキスト・プロファイリング

スケーラビリティとコンテキスト保持のトレードオフに対処するため、Heimdallrはコードベースを恣意的に分析するのではなく、意味的に一貫したバッチに分割します。

グラフ構築: Slitherを使用して、静的な有向依存グラフ（ $G$ ）を構築し、関数間の制御フローとデータフロー（状態変数のアクセス）を捕捉します。
コミュニティ検出: Lou Louvainアルゴリズムを用いてグラフを密に接続された部分グラフ（コミュニティ）に分割し、ファイルの場所に関係なく、密接に相互作用する関数をグループ化します。
重要度分析: 各バッチ内で、コントラクトを「中心性（betweenness centrality）」と「PageRank」に基づいてスコアリングし、「アンカー・コントラクト（中核となるビジネスロジック）」と「周辺コンポーネント」を識別します。
LLMによるリファインメント: LLMがこれらのバッチを精査し、関連するセマンティックタグ（例：「Swap」）を持つバッチを統合し、カスタムビジネスロジックを保持しつつ、トークン制限内に収まるように標準的なライブラリ・コントラクトを削減（プルーニング）します。

2.2 モデル非依存型監査

監査エンジンは、脆弱性の仮説（ $V_{raw}$ ）を生成するために「Plan-Remind-Solve（計画・想起・解決）」ワークフローを採用しています。

Plan（計画）: エージェントは、構造的重要性と潜在的な影響度に基づいて優先順位を付け、バッチ内の潜在的に脆弱な関数とコントラクトを特定します。
Remind（想起）: システムは、過去の攻撃レポートやパターンを含む階層的な知識ベース（ $K$ ）から関連知識を検索します。また、Model Context Protocol (MCP) サーバーを利用して、派生プロトコルや最近のインシデントに関するリアルタイム検索を実行し、ライブデータでコンテキストを補強します。
Solve（解決）: このフェーズでは、3つの異なる戦略を統合して仮説を生成します。
1. 敵対的状態仮定分析: エージェントは、極端な敵対的条件下（例：ブロック変数に対するマイナーの制御、インタラクションのハイジャック、フラッシュローンによる無限のリソース）をシミュレートし、ストレス下でのみ顕在化する脆弱性を明らかにします。
2. 標的型シンボリック制約解決: 敏感な算術処理を含む関数に対して、システムはSolidityコードをZ3制約にトランスパイルし、精密度の喪失や境界条件を数学的に検証することで、形式的な厳密さと意味的な推論を組み合わせます。
3. グローバル合成: 孤立した脆弱性を結びつけて多段階の攻撃チェーンを構築する反復プロセスにより、「認知的トンネル現象（cognitive tunneling）」の限界に対処します。

2.3 偽陽性フィルタリング

専用の検証レイヤー（ $\Psi$ ）が、生の仮説を処理して、最終的な高精度なレポート（ $V_{final}$ ）を作成します。

コンテキストの集約: エージェントは、ローカルなリスクがグローバルな保護策（例：nonReentrant修飾子）によって無効化されていないことを確認するために、グローバルなコンテキストの下で各仮説を再評価します。
এটি
セマンティック重複排除: 埋め込み（embeddings）とクラスタリング（DBSCAN）を使用して、異なるエントリポイントからトリガーされているものの、同じ根本原因を共有する冗長なレポートを統合し、最も信頼度の高いバージョンを保持します。
脅威モデルの評価: 技術的に実行不可能な外部の仮定（例：インフラの侵害や開発者のバックドアによる不正行為）に依存する仮説は破棄されます。

3. 主な貢献

斬新な監査手法: Heimdallrは、グラフ理論に基づくプロファイリングとニューロ・シンボリック推論を組み合わせます。その「Plan-Remind-Solve」ワークフローは複雑なロジックの脆弱性を検出し、敵対的検証モジュールが偽陽性を厳格に抑制します。
プロダクション対応のサービス: 本フレームワークは、CI/CD統合のための標準化されたAPIサービスとしてリリースされており、エアギャップ環境においてオープンソースモデル（例：GPT-oss-120B）を使用したプライバシー保護型のローカル展開をサポートしています。
包括的な実証評価: 著者らは、産業用ツールや学術的プロトタイプを含む4つの最先端のベースラインと比較して、Heimdallrが優れたF1スコアとコスト効率を実現していることを示しました。
高忠実度ベンチマーク: 論文では、ゼロデイ脆弱性の不足に対処するため、高価値のゼロデイ攻撃、標準化されたベンチマーク、およびクラウドソースのコンテスト結果をカバーする3つのデータセットを構築し、公開しています。

4. 実験結果

評価は、実世界の高価値エクスプロイト（D1）、独自のベンチマーク（D2）、およびクラウドソースの監査プロジェクト（D3）の3つのデータセットに対して行われました。

検出の有効性: Claude-Sonnet-4.5によって駆動されるHeimdallrは、高価値のエクスプロイト（D1およびD2）に対して86.7%の検出率を達成し、Claudeのベースライン（51.1%）やHoundのような静的ツール（20.0%）を大幅に上回りました。
偽陽性の削減: 97%を超える偽陽性率を示した学術的ツールとは異なり、Heimdallrは様々なモデルにおいて**31.27%から49.12%**の偽陽性率を維持しました。
コスト効率: Heimdallrは、ベースラインと比較して分析時間を最大97.59%短縮し、財務コストを98.77%削減しました。平均コストは、高精度設定でプロジェクトあたり0.22ドル、または10K LOCあたり2.31ドルでした。
実世界での検証:
- ゼロデイの発見: Heimdallrは、TVL（総ロック価値）4億ドルのライブプロトコルにおいて3件の重大なゼロデイ脆弱性を特定し、監査会社との提携において4件の中程度の問題を見つけ出しました。
- コンテストでの実績: Sherlockの監査コンテストにおいて、Heimdallrは無視できるコストで92.45%の検出率を達成し、548人の人間の監査人のうち**19位（上位4%）**にランクインしました。
- 遡及分析: システムは、トレーニングデータに含まれていない20件の実世界の攻撃のうち17件を正常に再構成しました（合計損失額3億8400万ドル）。

5. 重要性と主張

本論文は、HeimdallrがDeFiセキュリティにおけるスケーラビリティと精度のトレードオフを解決すると主張しています。低コスト（プロジェクトあたり0.22ドル）で低偽陽性を実現しながら高い検出率（86.7%）を達成することで、断続的な「一度限りの監査」から継続的なDevSecOpsへのパラダイムシフトを実現します。

極めて重要な点として、著者らは、フレームワークのモデル非依存アーキテクチャにより、コンシューマーグレードのハードウェア上で軽量なオープンソースモデル（GPT-oss-120Bなど）を使用して効果的な監査が可能であることを強調しています。この能力は、データの主権に関する重要な機関レベルのニーズに対応しており、プロプライエタリなコードを第三者のサーバーにさらすことなく、厳格なエアギャップ環境でのセキュリティ分析を可能にします。本研究は、適切なエージェントのオーケストレーションと検証レイヤーがあれば、LLMを信頼性が高く、従来のツールが見逃す複雑なビジネスロジックの脆弱性を検出するためのコスト効率の高い手段にできることを示しています。