2026 年 3 月 2 日
区块链安全已经取得了长足的进步。大多数知名的安全公司现在都知道如何发现 Solidity 和 EVM-based chains 中的经典漏洞，例如重入漏洞（reentrancy bugs）、松懈的访问控制（sloppy access controls）、未检查的调用（unchecked calls）和 gas 耗尽攻击（gas drain exploits），甚至静态分析技术也已发展到能够处理复杂的探测器。但威胁面正在演变，如果墨守成规，停留在去年的旧策略，将无法再应对。
如今，更多的协议依赖人工智能（Artificial Intelligence）和机器学习（Machine Learning）来驱动高频交易机器人、动态定价预言机（dynamic pricing oracles）、链上欺诈检测，甚至是自主治理代理（autonomous governance agents）。这种集成增加了新的风险维度，其规模远超单独的合约代码。
Trail of Bits 在最近的一篇文章中很好地总结了这一点：“如果无法信任喂给合约的数据，那么认为合约是安全的想法是天真的。” 对于审计人员来说，这现在是一个事实，而不是理论。
新的风险层：投毒数据和对抗性人工智能
在这个新环境中出现的最大挑战之一是投毒数据（poisoned data）。许多去中心化预测市场（decentralized prediction markets）或预言机（oracles）通过众包方式获取其训练或更新数据。如果恶意行为者找到一种方法，巧妙地毒害这些输入，他们就可以在不触及合约逻辑的情况下，操纵输出以达到对自己有利的目的。
对抗性人工智能（Adversarial AI）是另一个备受关注的领域。攻击者可以精心制作特定的输入，诱骗模型做出完全错误的判断。想象一下，一个欺诈检测机器人突然将恶意交易标记为合法，或者一个交易算法被诱导在不该拉高或抛售时进行拉高或抛售。其后果可能在一夜之间耗尽金库。
正如 Quantstamp 在其一条推文中引述的：“模型是新的智能合约。如果你不保护好管道，你就会输掉这场游戏。”
链下盲点和 API 秘密
Web3 中的 AI 系统通常依赖链下计算。这意味着敏感数据和 API 密钥必须从合约流向外部服务器，这些服务器通常由第三方托管。薄弱的秘密管理（secrets management）或草率的存储可能会将这些密钥暴露给任何愿意仔细查看的人。
ConsenSys Diligence 警告称，这些“链下盲点”（off-chain blind spots）正是下一代漏洞将悄然进入的地方。如果攻击者能够攻破为其提供数据的推理服务器，他们就不需要利用合约。
zkML：前景与风险
零知识机器学习（zero-knowledge machine learning）或 zkML 作为去中心化系统中可验证 AI 的潜在解决方案，备受关注。理论上，zkML 允许智能合约验证 AI 模型输出的正确性，而无需透露模型的内部工作原理或原始数据。这对于保护隐私的 DeFi 和 DAO 治理至关重要。
但 zkML 仍然处于实验阶段。电路或证明生成中的一个缺陷就可能让某人提交一个伪造但“有效”的推理。正如一位研究员上个月在推特上所说：“zkML 将成为 AI 信任中最重要的事物，抑或是最薄弱的环节。这取决于谁先对其进行审计。”
大公司已经开始行动
Trail of Bits 最近启动了一项全面的 AI/ML 安全实践，像对待任何密码学原语（cryptographic primitive）一样对待这些系统。他们正在关注数据完整性（data integrity）、对抗性抵抗（adversarial resistance），以及将 AI 推理带到链上的端到端管道。
OpenZeppelin 已开始探索如果没有人验证 AI 在边缘情况下的行为，AI 代理（AI agents）如何在 DAO 中创建“隐形后门”。ConsenSys Diligence 正在推动新的 fuzzing 技术，以测试当 AI 模型输出极端或意外结果时智能合约的反应。
共同点是什么？审计人员意识到他们需要同时了解机器学习基础、威胁建模（threat modeling）、密码学和链下系统的人员。
预告未来
在未来一年，审计范围预计将扩大。仅仅说“展示你的审计技能”是不够的。新的问题将是，“展示你的模型训练数据、你的链下推理流程、你的 API 密钥，以及当模型失败时的备用行为。”
一些团队已经开始尝试针对 zkML 电路和开源 AI 代理的赏金式审计竞赛。而有远见的公司正在构建结合 fuzzing 和对抗性测试的工具，专门用于 AI 集成协议。
一位 DeFi 创始人最近在 X 上最贴切地表达了这一点：“我们的 AI 代理是我们的新巨鲸。如果你能破坏它的‘大脑’，你就会耗尽我们的金库。审计必须能发现这一点。”
最终结论
将智能合约审计扩展到覆盖 AI 和 ML 并非空洞的流行语，而是真正安全的下一个战场。如果协议忽视这一点，他们就是在修补一个层次的漏洞，而攻击者则从下一个层次溜走。
快速适应的公司将赢得来自真正理解这一新威胁面的信任。而那些不适应的公司，将会在从未触及一行 Solidity 代码的漏洞爆发后幡然醒悟，并疑惑自己究竟错在哪里。
下一代漏洞不会止步于合约。我们也不能。
