Resumo Técnico: Heimdallr – Um Framework Agêntico Eficaz e de Baixo Custo para Auditoria de Smart Contracts de Ethereum

1. Declaração do Problema

A rápida expansão das Finanças Descentralizadas (DeFi) foi acompanhada por um surto de incidentes de segurança, com mais de 700 ataques causando aproximadamente US$ 3,35 bilhões em perdas em um único ano. As soluções existentes de auditoria de smart contracts enfrentam limitações críticas:

• Auditoria Manual: Embora eficaz, é proibitivamente cara (frequentemente US$ 70.000–US$ 150.000+ por protocolo) e não escalável.
• Analisadores Estáticos (ex: Slither, Mythril): Estas ferramentas sofrem com altas taxas de falsos positivos e um escopo limitado, falhando em detectar vulnerabilidades de lógica de negócios complexas e dependentes de contexto.
• Auditoria Baseada em LLM: Embora os Grandes Modelos de Linguagem (LLMs) ofereçam capacidades de raciocínio, as implementações atuais são assoladas por alucinações, restrições de janela de contexto e altos custos operacionais. A aplicação direta de LLMs frequentemente resulta em capacidades de detecção negligenciáveis (F1 Score < 0,02) ou ruído incontrolável (Taxa de Falsos Positivos > 97%).

O desafio central é aproveitar a automação e o raciocínio dos LLMs para alcançar auditorias de contratos escaláveis e altamente confiáveis, minimizando falsos positivos e equilibrando a eficiência de custo sem comprometer a precisidade de detecção.

2. Metodologia: O Framework Heimdallr

O Heimdallr é um framework agêntico modular e agnóstico a modelos, projetado para mimetizar o raciocínio rigoroso de especialistas humanos através de três estágios acoplados: Perfilamento Contextual, Auditoria Agnóstica a Modelos e Filtragem de Falsos Positivos.

2.1 Perfilamento Contextual

Para abordar o equilíbrio entre escalabilidade e preservação de contexto, o Heimdallr particiona o codebase em lotes semanticamente coerentes em vez de analisar arquivos arbitrariamente.

• Construção de Grafo: Ele constrói um grafo de dependência estático direcionado ($G$) usando Slither, capturando o fluxo de controle e o fluxo de dados (acesso a variáveis de estado) entre funções.
• Detecção de Comunidades: O algoritmo de Louvain particiona o grafo em subgrafos densamente conectados (comunidades), agrupando funções que interagem intensamente, independentemente da localização do arquivo.
• Análise de Importância: Dentro de cada lote, os contratos são pontuados com base na centralidade de intermediação (betweenness centrality) e PageRank para identificar "Contratos Âncora" (lógica de negócio central) versus componentes periféricos.
• Refinamento Impulsionado por LLM: Um LLM refina esses lotes ao fundir aqueles com tags semânticas relacionadas (ex: "Swap") e podar contratos de bibliotecas padronizadas para caber nos limites de tokens, preservando a lógica de negócio customizada.

2.2 Auditoria Agnóstica a Modelos

O motor de auditoria emprega um fluxo de trabalho "Plan-Remind-Solve" (Planejar-Relembrar-Resolver) para gerar hipóteses de vulnerabilidade ($V_{raw}$).

• Plan (Planejar): O agente identifica funções e contratos potencialmente vulneráveis dentro de um lote, priorizando-os com base na importância estrutural e potenciais consequências.
• Remind (Relembrar): O sistema recupera conhecimento relevante de uma Base de Conhecimento hierárquica ($K$) contendo relatórios de ataques históricos e padrões. Ele também utiliza um servidor de Protocolo de Contexto de Modelo (MCP) para realizar buscas em tempo real por protocolos derivados e incidentes recentes, aumentando o contexto com dados ao vivo.
• Solve (Resolver): Esta fase integra três estratégias distintas para gerar hipóteses:
  1. Análise de Suposição de Estado Adversário: O agente simula condições hostis extremas (ex: controle de mineradores sobre variáveis de bloco, sequestro de interação, recursos infinitos via flash loans) para descobrir vulnerabilidades que só se manifestam sob estresse.
  2. Resolução de Restrições Simbólicas Direcionada: Para funções que envolvem aritmética sensível, o sistema transpila o código Solidity para restrições Z3 para verificar matematicamente a perda de precisão ou condições de contorno, combinando rigor formal com raciocínio semântico.
  3. Síntese Global: Um processo iterativo de combinação vincula vulnerabilidades isoladas para construir cadeias de exploração de múltiplos passos, abordando a limitação de "tunelamento cognitivo" dos modelos.

2.3 Filtragem de Falsos Positivos

Uma camada de verificação dedicada ($\Psi$) processa as hipóteses brutas para produzir um relatório final de alta precisão ($V_{final}$).

• Agregação Contextual: O agente reavalia cada hipótese sob um contexto global para garantir que riscos locais não sejam neutralizados por salvaguardas globais (ex: modificadores nonReentrant).
• Deduplicação Semântica: Usando embeddings e agrupamento (DBS lack), relatórios redundantes disparados por diferentes pontos de entrada, mas que compartilham a mesma causa raiz, são fundidos, retendo a versão de maior confiança.
• Avaliação de Modelo de Ameaça: Hipóteses que dependem de suposições externas tecnicamente inviáveis (ex: infraestrutura comprometida ou desenvolvedores desonestos com backdoors) são descartadas.

3. Principais Contribuições

• Metodologia de Auditoria Inovadora: O Heimdallr combina perfilamento teórico-gráfico com raciocínio neuro-simbólico. Seu fluxo de trabalho "Plan-Remind-Solve" detecta vulnerabilidades de lógica complexas, enquanto seu módulo de verificação adversária suprime rigorosamente os falsos positivos.
• Serviço Pronto para Produção: O framework é lançado como um serviço de API padronizado para integração em CI/CD e suporta implantação local preservando a privacidade usando modelos de código aberto (ex: GPT-oss-120B) em ambientes isolados (air-gapped).
• Avaliação Empírica Abrangente: Os autores comparam o Heimdallr com quatro baselines de última geração (incluindo ferramentas industriais e protótipos acadêmicos), demonstrando F1 scores superiores e eficiência de custo.
• Benchmarks de Alta Fidelidade: O artigo constrói e libera três conjuntos de dados cobrindo exploits de alto valor zero-day, benchmarks padronizados e achados de concursos de auditoria para enfrentar a escassez de dados de verdade fundamental (ground-truth).

4. Resultados Experimentais

As avaliações foram conduzidas em três conjuntos de dados: Exploits de Alto Valor do Mundo Real (D1), Benchmarks Proprietários (D2) e Projetos de Auditoria Crowdsourced (D3).

• Eficácia de Detecção: Impulsionado pelo Claude-Sonnet-4.5, o Heimdallr alcançou uma taxa de detecção de 86,7% em exploits de alto valor (D1 & D2), superando significativamente a baseline do Claude (51,1%) e ferramentas estáticas como o Hound (20,0%).
• Redução de Falsos Positivos: Ao contrário das ferramentas acadêmicas que exibiram taxas de falsos positivos superiores a 97%, o Heimdallr manteve uma taxa de falsos positivos entre 31,27% e 49,12% entre vários modelos.
• Eficiência de Custo: O Heimdallr reduziu o tempo de análise em até 97,59% e os custos financeiros em 98,77% em comparação com as baselines. O custo médio foi de US$ 0,22 por projeto ou US$ 2,31 por 10 mil LOC para configurações de alta precisão.
• Validação no Mundo Real:
  • Descoberta de Zero-Day: O Heimdallr identificou 3 vulnerabilidades críticas de zero-day em um protocolo ativo com US$ 400 milhões de TVL e sinalizou 4 problemas de severidade média em uma colaboração com uma empresa de auditoria.
  • Desempenho em Concursos: Em concursos de auditoria da Sherlock, o Heimdallr alcançou uma taxa de detecção de 92,45% a um custo desprezível, classificando-se em 19º lugar entre 548 auditores humanos (top 4%).
  • Análise Retrospectiva: O sistema reconstruiu com sucesso 17 de 20 ataques reais ocorridos após junho de 2025 (totalizando US$ 384 milhões em perdas), que não faziam parte de seus dados de treinamento.

5. Significância e Alegações

O artigo afirma que o Heimdallr resolve o equilíbrio entre escalabilidade e precisão na segurança de DeFi. Ao alcançar altas taxas de detecção (86,7%) com baixos falsos positivos e custo mínimo (US$ 0,22/projeto), ele altera o paradigma de verificações episódicas de "auditoria única" para o DevSecOps contínuo.

Crucialmente, os autores enfatizam que a arquitetura agnóstica a modelos do framework permite a auditoria eficaz usando modelos leves de código aberto (como o GPT-oss-120B) em hardware de consumo. Essa capacidade aborda necessidades institucionais críticas de soberania de dados, permitindo análises de segurança rigorosas e isoladas (air-gapped) sem expor código proprietário a servidores de terceiros. O trabalho demonstra que, com a orquestração agêntica adequada e camadas de verificação, os LLMs podem ser tornados confiáveis e econômicos para detectar vulnerabilidades intrincadas de lógica de negócios que as ferramentas tradicionais perdem.