Technische Samenvatting: Heimdallr – Een Effectief en Kostenefficiënt Agentisch Framework voor het Auditen van Ethereum Smart Contracts

1. Probleemstelling

De snelle expansie van Decentralized Finance (DeFi) is gepaard gegaan met een toename in beveiligingsincidenten, waarbij meer dan 700 aanvallen verantwoordelijk waren voor ongeveer $3,35 miljard aan verliezen in een enkel jaar. Bestaande oplossingen voor het auditen van smart contracts kampen met kritieke beperkingen:

• Handmatig Auditen: Hoewel effectief, is het prohibitief duur (vaak $70.000–$150.000+ per protocol) en niet schaalbaar.
• Statische Analysers (bijv. Slither, Mythril): Deze tools lijden onder een hoog aantal vals positieven en een beperkte reikwijdte, waardoor ze er niet in slagen complexe, contextafhankelijke fouten in de bedrijfslogica te detecteren.
• LLM-gebaseerd Auditen: Hoewel Large Language Models (LLMs) over redeneervermogen beschikken, worden de huidige implementaties gehinderd door hallucinaties, beperkingen in het contextvenster en hoge operationele kosten. Directe toepassing van LLMs resulteert vaak in verwaarloosbare detectiecapaciteiten (F1-score < 0,02) of onbeheersbare ruis (False Positive Rate > 97%).

De kernuitdaging is om de automatisering en het redeneren van LLMs te benutten om schaalbare, uiterst betrouwbare contractaudits te realiseren, terwijl het aantal vals positieven wordt geminimaliseerd en de kostenefficiëntie wordt gebalanceerd zonder de detectie nauwkeurigheid in gevaar te brengen.

2. Methodologie: Het Heimdallr Framework

Heimdallr is een modulair, model-agnostisch agentisch framework dat is ontworpen om het rigoureuze redeneren van menselijke experts na te bootsen via drie gekoppelde stadia: Contextuele Profilering, Model-Agnostische Auditing en False Positive Filtratie.

2.1 Contextuele Profiling

Om de afruil tussen schaalbaarheid en behoud van context aan te pakken, verdeelt Heimdallr de codebase in semantisch coherente batches in plaats van bestanden willekeurig te analyseren.

• Grafenconstructie: Het construeert een statische gerichte afhankelijkheidsgraaf ($G$) met behulp van Slither, die de control flow en data flow (toegang tot state variabelen) tussen functies vastlegt.
• Community Detection: Het Louvain-algoritme partitioneert de graaf in dicht verbonden subgrafen (communities), waarbij functies die intensief met elkaar interageren worden gegroepeerd, ongeacht hun locatie in bestanden.
• Belangrijkheidsanalyse: Binnen elke batch worden contracts gescoord op basis van betweenness centrality en PageRank om "Anchor Contracts" (kern van de bedrijfslogica) te onderscheiden van perifere componenten.
• LLM-gestuurde Verfijning: Een LLM verfijnt deze batches door ze samen te voegen die met gerelateerde semantische tags (bijv. "Swap") en door gestandaardiseerde library-contracts te verwijderen om binnen de tokenlimieten te blijven, terwijl de aangepaste bedrijfslogica behouden blijft.

2.2 Model-Agnostische Auditing

De auditing engine maakt gebruik van een "Plan-Remind-Solve" workflow om kwetsbaarheidshypothesen ($V_{raw}$) te genereren.

• Plan: De agent identificeert potentieel kwetsbare functies en contracts binnen een batch en prioriteert deze op basis van structurele belangrijkheid en potentiële gevolgen.
• Remind: Het systeem haalt relevante kennis op uit een hiërarchische Knowledge Base ($K$) die historische aanvalrapporten en patronen bevat. Het maakt ook gebruik van een Model Context Protocol (MCP) server om realtime zoekopdrachten uit te voeren naar afgeleide protocollen en recente incidenten, waardoor de context wordt uitgebreid met live data.
• Solve: Deze fase integreert drie verschillende strategieën om hypothesen te genereren:
  1. Adversarial State Assumption Analysis: De agent simuleert extreme vijandige omstandigheden (bijv. controle van een miner over block variabelen, interactie-hijacking, oneindige middelen via flash loans) om kwetsbaarheden te ontdekken die alleen onder stress manifesteren.
  2. Targeted Symbolic Constraint Solving: Voor functies die gevoelige rekenkunde bevatten, transpileert het systeem Solidity-code naar Z3-constraints om precisieverlies of randvoorwaarden wiskundig te verifiëren, waarbij formele strengheid wordt gecombineerd met semantisch redeneren.
  3. Global Synthesis: Een iteratief combinatieproces koppelt geïsoleerde kwetsbaarheden om meerstaps-exploitketens te construeren, waarmee de beperking van "cognitive tunneling" bij modellen wordt aangepakt.

2.3 False Positive Filtratie

Een specifieke verificatielaag ($\Psi$) verwerkt de ruwe hypothesen om een definitief, hoog-precisie rapport ($V_{final}$) te produceren.

• Contextuele Aggregatie: De agent evalueert elke hypothese opnieuw onder een globale context om te garanderen dat lokale risico's niet geneutraliseerd worden door globale waarborgen (bijv. nonReentrant modifiers).
• Semantische Deduplicatie: Met behulp van embeddings en clustering (DBSCAN) worden redundante rapporten die getriggerd worden door verschillende entry points maar dezelfde oorzaak delen, samengevoegd tot één versie met de hoogste betrouwbaarheid.
• Threat Model Assessment: Hypothesen die steunen op technisch onhaalbare externe aannames (bijv. gecompromitteerde infrastructuur of onbetrouwbare ontwikkelaars met backdoors) worden verworpen.

3. Belangrijkste Bijdragen

• Nieuwe Auditing Methodologie: Heimdallr combineert grafentheoretische profilering met neuro-symbolisch redeneren. De "Plan-Remind-Solve" workflow detecteert complexe logische kwetsbaarheden, terwijl de adversariële verificatiemodule het aantal vals positieven rigoureus onderdrukt.
• Productie-klaar Service: Het framework wordt uitgebracht als een gestandaardiseerde API-service voor CI/CD-integratie en ondersteunt privacy-bewuste lokale implementatie met behulp van open-source modellen (bijv. GPT-oss-120B) in air-gapped omgevingen.
• Uitgebreide Empirische Evaluatie: De auteurs benchmarken Heimdallr tegen vier state-of-the-art baselines (inclusclusief industriële tools en academische prototypes), waarbij een superieure F1-score en kostenefficiëntie wordt aangetoond.
• Hoge-getrouwheid Benchmarks: Het paper construeert en publiceert drie datasets die high-value zero-day exploits, gestandaardiseerde benchmarks en crowdsourced contest-bevindingen dekken om het tekort aan grondwaarheid-data aan te pakken.

4. Experimentele Resultaten

Evaluaties werden uitgevoerd op drie datasets: Real-world High-value Exploits (D1), Proprietary Benchmarks (D2) en Crowdsourced Auditing Projects (D3).

• Detectie-effectiviteit: Aangedreven door Claude-Sonnet-4.5, bereikte Heimdallr een detectiepercentage van 86,7% op high-value exploits (D1 & D2), wat aanzienlijk beter is dan de Claude baseline (51,1%) en statische tools zoals Hound (20,0%).
• Reductie van Vals Positieven: In tegen tegenstelling tot academische tools die een false positive rate van meer dan 97% vertoonden, behield Heimdallr een false positive rate tussen de 31,27% en 49,12% over verschillende modellen heen.
• Kostenefficiëntie: Heimdallr verminderde de analyse tijd met wel 97,59% en de financiële kosten met 98,77% vergeleken met de baselines. De gemiddelde kosten waren $0,22 per project of $2,31 per 10K LOC voor high-precision configuraties.
• Validatie in de Praktijk:
  • Zero-Day Ontdekking: Heimdallr identificeerde 3 kritieke zero-day kwetsbaarheden in een live protocol met $400M TVL en signaleerde 4 medium-severity issues in een samenwerking met een auditing firma.
  • Contest Prestaties: In de Sherlock auditing contests behaalde Heimdallr een detectiepercentage van 92,45% tegen een verwaarloosbare kost, waarbij het 19e van de 548 menselijke auditors werd (top 4%).
  • Retrospectieve Analyse: Het systeem slaagde erin 17 van de 20 real-world aanvallen te reconstrueren die plaatsvonden na juni 2025 (totaal $384M aan verliezen), welke niet deel uitmaakten van de trainingsdata.

5. Betekenis en Claims

Het paper claimt dat Heimdallr de afruil tussen schaalbaarheid en precisie in de DeFi-beveiliging oplost. Door een hoge detectiegraad (86,7%) te bereiken met lage vals positieven en minimale kosten ($0,22/project), verschuift het paradigma van episodische "audit-één-keer" controles naar continue DevSecOps.

Cruciaal is dat de auteurs benadrukken dat de model-agnostische architectuur van Heimdallr effectief auditen mogelijk maakt met lichtgewicht, open-source modellen (zoals GPT-oss-120B) op consumenten-hardware. Deze capaciteit adresseert kritieke institutionele behoeften voor datasoevereiniteit, waardoor rigoureuze, air-gapped beveiligingsanalyse mogelijk is zonder propriëtaire code bloot te stellen aan externe servers. Het werk demonstreert dat met de juiste agentische orchestratie en verificatielagen, LLMs betrouwbaar en kosteneffectief kunnen worden gemaakt voor het detecteren van complexe bedrijfslogica kwetsbaarheden die traditionele tools missen.