💻 computer science

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

本文介绍了 Heimdallr，这是一个用于以太坊智能合约审计的高性价比智能体框架，它通过利用函数级代码重组、启发式推理和级联验证，利用轻量级开源模型实现了高精度的漏洞检测与攻击链构建，在速度、成本和准确性方面显著优于现有工具，并成功识别了现实世界的攻击和零日漏洞。

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

发布于 2026-01-27

📖 1 分钟阅读☕ 轻松阅读

CC BY 4.0

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

原始论文采用 CC BY 4.0 许可（http://creativecommons.org/licenses/by/4.0/）。 ✨ 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。阅读完整免责声明

以下是对论文《一种高效且具成本效益的以太坊智能合约审计智能体框架》（Heimdallr）的解释，已翻译为中文。

问题所在：“不可扩展、多噪音且昂贵”的保安

想象一下，智能合约就像是数字银行的自动化规则。如果代码中存在漏洞，黑客就能窃取数百万美元。目前，检查这些规则简直是一场噩梦：

人工审计（人类专家）： 这就像雇佣一支精英侦探团队去阅读图书馆里的每一页书。它极其彻底，但成本高昂（数万美元）且耗时数周。小型项目根本负担不起。
静态分析器（金属探测器）： 这些是用于扫描代码中已知“错误形状”的自动化工具。问题在于，它们就像一个会对所有东西——硬币、钥匙甚至易拉罐——都发出鸣响的金属探测器。它们会产生大量的误报（假阳性），导致人类审计师应接不暇并最终选择忽略它们。
早期 AI 审计师（幻觉不断的实习生）： 为了加速进度，人们引入了使用 AI（大语言模型）的新工具。但它们就像一个过度自信的实习生，经常凭空捏造事实。它们经常发明并不存在的漏洞（幻觉），或者因为无法理解银行规则的完整逻辑而错过复杂的诡计。此外，运行它们的成本也非常高。

解决方案：Heimdallr（带着清单的“超级实习生”）

作者构建了 Heimdallr，这是一个全新的自动化系统，旨在成为安全领域的“金发姑娘原则”（既不过度昂贵，也不过于嘈杂，而且真正聪明）。他们称其为“智能体框架（Agentic Framework）”，这是一种高级说法，意指它是一个不仅会猜测，还会进行计划、检查和验证的 AI 智能体。

可以将 Heimdallr 想象成一个三阶段的安全流程：

第一阶段：组织者（上下文剖析）

问题： 想象一下试图一次性阅读一部 1000 页的小说。你会迷失方向。同样地，如果一次性喂给 AI 过多的代码，AI 模型也会感到困惑。
Heimdallr 的妙招： Heimdallr 不会一次性读完整本书，而是像图书管理员一样将故事分为逻辑清晰的章节。它观察代码的不同部分是如何相互通信的（例如谁调用了谁），并将它们打包成逻辑连贯且易于处理的“块”。这确保了 AI 不会遗漏代码中两个遥远部分之间的联系。

第二阶段：侦探（模型无关的审计）

问题： 标准的 AI 可能只会说：“这看起来很可疑。”但它真的是犯罪吗？
Heimdallr 的妙招： Heimdallr 使用了**“计划-提醒-解决”**策略：

计划： 它查看代码块并询问：“黑客可能在哪里发动袭击？”
提醒： 在进行猜测之前，它会提取一份“小抄”（知识库），其中包含真实的过往黑客攻击案例和近期新闻。它提醒 AI：“嘿，还记得去年这种特定类型的银行是如何被抢劫的吗？检查一下这里是否看起来像那样。”
解决： 它不仅仅是猜测。它运行三种不同类型的测试：
1. “如果……会怎样”测试： 它想象一个拥有无限资金或控制天气（区块链时间）的黑客，观察系统在极端压力下是否会崩溃。
2. 数学测试： 它使用严格的数学计算器（Z3 求解器）来检查数字是否计算正确，因为 AI 擅长逻辑但不擅长数学。
3. 连锁反应测试： 它检查一个房间里的小漏洞是否会引发连锁反应，从而导致整个建筑爆炸。

第三阶段：过滤器（假阳性过滤）

问题： 即使是优秀的侦探也可能会误判无辜的人。
Heimdlyrr 的妙招： 这是最关键的部分。在向人类展示结果之前，Heimdallr 会进行第二次更严格的检查。它会问：“这真的是一个真实的威胁，还是我们只是凭空想象出来的？”它过滤掉了噪音，确保当它说“发现了一个漏洞”时，这个漏洞几乎可以确定是真的。

结果：为什么这很重要

论文声称 Heimdallr 是一个巨大的飞跃：

它是侦探，而不是猜测机器： 在对 20 起近期真实发生的黑客攻击（发生在 2025 年 6 月之后）进行测试时，Heimdallr 成功破解了其中的 17 起，并准确解释了黑客是如何实施攻击的。它还在实时系统中发现了 4 个全新的（零日）漏洞，这些漏洞本可以挽救 4 亿美元。
它很便宜： 虽然其他工具扫描一个项目可能需要 15 到 50 美元，但 Heimdallr 的成本可以低至 0.22 美元（使用较小的开源 AI 模型）或 2.31 美元（使用最强大的模型）。
它很快： 它可以几分钟内扫描完一个项目，而旧工具则需要数小时。
它击败了竞争对手： 在与其它顶级工具的正面交锋中，Heimdallr 发现的真实漏洞更多，报告的假漏洞更少。在与 548 名人类审计师的竞赛中，自动化的 Heimdallr 排名在前 4%。

局限性（不足之处）

作者坦诚地说明了 Heimdallr 目前还不能做的事情：

语言： 它目前只能说“Solidity”（以太坊的语言）。它目前还无法阅读其他区块链编写的代码。
长期诡计： 它非常擅长捕捉即时的攻击，但可能会错过那些需要数周时间才能展开的缓慢、长期的攻击（例如慢性中毒）。
安全性： 由于它寻找漏洞的能力如此之强，作者决定不免费发布代码。他们不想让黑客利用它来寻找银行的漏洞。相反，他们提供一种安全的服务，供经过审核的专业人士使用。

总结

Heimdallr 就像是一个超智能、高性价比的保安，它能够组织代码、研究过去的犯罪案例、进行严格的数学测试，并在拉响警报前反复检查自己的工作。它解决了旧有的“昂贵但缓慢”与“廉价但满口谎言”之间的矛盾，提供了一个快速、便宜且真正可靠的解决方案。

技术摘要：Heimdallr —— 一种高效且具成本效益的以太坊智能合约审计智能体框架

1. 问题陈述

去中心化金融（DeFi）的快速扩张伴随着安全事件的激增，仅在一年内就有超过 700 起攻击导致了约 33.5 亿美元的损失。现有的智能合约审计解决方案面临着关键性的局限性：

人工审计： 虽然有效，但成本极高（通常每个协议需要 7 万至 15 万美元以上），且无法规模化。
静态分析工具（如 Slither、Mythril）： 这些工具存在高误报率和有限的检测范围，无法检测复杂的、依赖上下文的业务逻辑漏洞。
基于大语言模型（LLM）的审计： 虽然 LLM 具备推理能力，但目前的实现深受幻觉、上下文窗口限制和高昂运营成本的困扰。直接应用 LLM 往往会导致检测能力微乎其微（F1 分数 < 0.02）或产生难以管理的噪声（误报率 > 97%）。

核心挑战在于如何利用 LLM 的自动化和推理能力，在实现可扩展、高可靠合约审计的同时，在不牺牲检测准确性的前提下，最大限度地降低误报并平衡成本效益。

2. 方法论：Heimdallr 框架

Heimdallr 是一个模块化、模型无关的智能体框架，旨在通过三个耦合阶段模拟人类专家的严密推理过程：上下文剖析（Contextual Profiling）、模型无关审计（Model-Agnostic Auditing）以及误报过滤（False Positive Filtration）。

2.1 上下文剖析

为了解决可扩展性与上下文完整性之间的权衡，Heimdallr 将代码库划分为语义连贯的批次，而非任意地分析文件。

图构建： 利用 Slither 构建静态有向依赖图（ $G$ ），捕捉函数之间的控制流和数据流（状态变量访问）。
社区检测： 使用 Louvain 算法将图划分为密集连接的子图（社区），无论文件位置如何，将频繁交互的函数归为一类。
重要性分析： 在每个批次内，根据介数中心性（Betweenness Centrality）和 PageRank 对合约进行评分，以识别“锚点合约”（核心业务逻辑）与外围组件。
LLM 驱动的精炼： 通过 LLM 精炼这些批次，合并具有相关语义标签（如“Swap”）的批次，并剔除标准库合约以适应 Token 限制，同时保留自定义业务逻辑。

2.2 模型无关审计

审计引擎采用 “计划-提醒-求解”（Plan-Remind-Solve） 工作流来生成原始漏洞假设（ $V_{raw}$ ）。

计划（Plan）： 智能体识别批次内潜在的易受攻击函数和合约，并根据结构重要性和潜在后果对其进行优先级排序。
提醒（Remind）： 系统从包含历史攻击报告和模式的分层知识库（ $K$ ）中检索相关知识。它还利用模型上下文协议（MCP）服务器进行实时搜索，获取衍生协议和近期事件的信息，从而用实时数据增强上下文。
求解（Solve）： 此阶段集成三种不同的策略来生成假设：
1. 对抗性状态假设分析： 智能体模拟极端敌对条件（例如，矿工控制区块变量、交互劫持、通过闪电贷获取无限资源等），以发现仅在压力环境下才会显现的漏洞。
2. 针对性符号约束求解： 对于涉及敏感算术的函数，系统将 Solidity 代码转译为 Z3 约束，以从数学上验证精度损失或边界条件，将形式化严谨性与语义推理相结合。
3. 全局综合： 通过一个迭代组合过程，将孤立的漏洞链接起来以构建多步攻击链，从而解决模型的“认知隧道”局限性。

2.3 误报过滤

专门的验证层（ $\Psi$ ）处理原始假设，以生成最终的高精度报告（ $V_{final}$ ）。

上下文聚合： 智能体在全局上下文中重新评估每个假设，以确保局部风险不会被全局防护措施（如 nonReentrant 修饰符）所抵消。
语义去重： 利用嵌入（Embeddings）和聚类（DBSCAN），将由不同入口触发但共享相同根源的冗余报告进行合并，保留置信度最高的版本。
威胁模型评估： 丢弃那些依赖于技术上不可行的外部假设（如基础设施受损或开发者带有后门的恶意行为）的假设。

3. 核心贡献

创新的审计方法论： Heimdallr 将基于图论的剖析与神经符号推理相结合。其“计划-提醒-求解”工作流能够检测复杂的逻辑漏洞，而对抗性验证模块则能严格抑制误报。
生产就绪的服务： 该框架作为标准化 API 服务发布，可集成至 CI/CD 中，并支持使用开源模型（如 GPT-oss-120B）在隔离环境中的隐私保护本地部署。
全面的实证评估： 作者将 Heimdallr 与四种最先进的基准工具（包括工业级工具和学术原型）进行了对比，证明了其卓越的 F1 分数和成本效益。
高保真基准数据集： 本文构建并发布了三个数据集，涵盖高价值零日漏洞、标准化基准以及众包竞赛发现，解决了地面真值（Ground-truth）数据稀缺的问题。

4. 实验结果

评估在三个数据集上进行：真实世界高价值漏洞（D1）、专有基准测试（D2）以及众包审计项目（D3）。

检测有效性： 在 Claude-Sonnet-4.5 的驱动下，Heimdallr 在高价值漏洞（D1 和 D2）上的检测率达到了 86.7%，显著优于 Claude 基准（51.1%）和静态工具 Hound（20.0%）。
误报减少： 不同于误报率超过 97% 的学术工具，Heimdallr 在各种模型下的误报率保持在 31.27% 至 49.12% 之间。
成本效益： 与基准相比，Heimdallr 将分析时间缩短了高达 97.59%，并将财务成本降低了 98.77%。在高精度配置下，平均成本为每个项目 0.22 美元或每 1 万行代码 2.31 美元。
现实世界验证：
- 零日漏洞发现： Heimdallr 在一个拥有 4 亿美元 TVL 的活跃协议中发现了 3 个关键零日漏洞，并在与一家审计公司的合作中标记了 4 个中等严重程度的问题。
- 竞赛表现： 在 Sherlock 审计竞赛中，Heimdallr 以极低的成本实现了 92.45% 的检测率，排名 19/548 位人类审计员（前 4%）。
- 回顾性分析： 系统成功重建了 20 起真实世界攻击中的 17 起（发生在 2025 年 6 月之后），这些攻击造成的总损失达 3.84 亿美元，且不在其训练数据范围内。

5. 重要性与主张

本文声称 Heimdallr 解决了 DeFi 安全中的规模与精度权衡问题。通过以极低的成本（0.22 美元/项目）实现高检测率（86.7%）和低误报，它将范式从周期性的“单次审计”检查转向了持续的 DevSecOps。

至关重要的是，作者强调该框架的模型无关架构允许使用消费级硬件运行轻量级开源模型（如 GPT-oss-120B）。这种能力解决了关键的机构需求——数据主权，从而能够在不向第三方服务器暴露私有代码的情况下，进行严密的、物理隔离的环境下的安全分析。这项工作表明，通过适当的智能体编排和验证层，LLM 可以变得可靠且具有成本效益，从而能够检测出传统工具无法发现的复杂业务逻辑漏洞。