今日 KeyFrame

DeFi Security Summit - DSS

• 點式安全不夠用：多數 Web3 團隊將安全審計視為上線前的一次性手續，但黑帽駭客持續存取程式碼庫，甚至每月回訪，防禦方必須對等地採取持續性措施。
• 43% 需重審是警訊：Sherlock 的 400 餘次審計數據顯示，近半數團隊因程式碼重構幅度超過 25%、或高危漏洞過多，必須啟動重審，每次耗費約 $65,000 美元且造成嚴重部署延誤。
• 壓力導致帶病上線：投資方催促快速部署，使許多團隊在明知審計結論有缺陷的情況下選擇無視建議，直接發布，埋下日後被攻擊的禍根。

DeFi Security Summit - DSS

• 操作安全才是核心戰場：現今絕大多數被盜資金都因操作安全疏失，而非合約漏洞。黑客轉向攻擊「人」而非「代碼」，社會工程釣魚已成主流手法，因為信任感是 Web3 社群的文化基礎，正好被利用。
• 供應鏈攻擊幾乎無法完全預防：開發者日常依賴數百個套件與函式庫，任何一個維護者被入侵都可能導致惡意代碼擴散至數十萬用戶。講者認為這是最危險的攻擊向量，因為它繞過了所有端點防護。
• 裝置被入侵等同於把解鎖的電腦交給攻擊者：一旦設備被完全控制，防火牆與 EDR 形同虛設。因此威脅模型的核心問題應是：「如果我的筆電被入侵，最壞的情況是什麼？」藉此倒推需要強化的環節。

DeFi Security Summit - DSS

• EOA 委託即完全授權：7702 讓 EOA 指向合約代碼，但這意味著合約擁有資金控制權，代碼漏洞或詐騙委託合約將直接威脅用戶資產安全。
• 錢包充當守門人但能力有限：目前錢包以硬編碼方式決定是否允許 7702 交易，硬體錢包與擴充功能雙重封鎖更是常態，卻沒有更靈活、動態的白名單機制。
• 委託人切換是核心願景，也是最大挑戰：7702 的設計目標是讓用戶依需求在不同委託人（不同角色/功能）之間切換，但目前沒有鏈上標準來管理這份動態名單，也無人定義委託人介面規格。

DeFi Security Summit - DSS

• 安全漏洞的根源是行為，不是程式碼：幾乎所有資金損失都源於「使用者以為自己在簽什麼」與「實際簽了什麼」之間的落差，因此改變行為比堆疊技術工具更關鍵。
• 盲目簽名是散戶面臨的最高風險行為：DeFi 前端顯示的原始呼叫資料幾乎無人驗證，這使得釣魚攻擊（尤其是冰釣魚批次收集授權簽名）得以大規模成功，只要停止這個習慣就能消除大部分攻擊面。
• 機構必須跨頻道驗證交易並預建應急手冊：交易請求不能只靠 Slack 一個管道確認，需跨 Discord、Telegram、Signal 交叉核實；同時應提前制定包含高管人身脅迫情境的危機應對程序，此類攻擊預計未來數年將顯著增加。

DeFi Security Summit - DSS

• 釣魚是最主要的入侵入口：攻擊者不一定需要破解智能合約或竊取私鑰，只需透過釣魚取得開發者設備控制權，即可濫用業務邏輯進而盜取資金。
• 深偽與帳號劫持讓信任關係失效：攻擊者劫持你已認識的人的 Telegram 帳號後，借用既有對話記錄信任感發動攻擊，甚至在 Zoom 通話中使用深偽技術冒充該人，並利用 Zoom 內建遠端控制功能奪取電腦權限。
• LinkedIn 身份驗證毫無保障：平台不驗證用戶是否真的在某公司任職，任何人都可以偽造工作經歷，收到 LinkedIn 陌生合作邀約必須透過公司其他管道交叉確認。

DeFi Security Summit - DSS

• Guard 是第二道驗證關卡：傳統 Safe 只靠 owner 簽名授權交易；Guard 插入流程後，無論是直接交易還是 Module 交易，都需通過額外邏輯檢查，才能與協議互動。
• Guardrail 採「預設拒絕」原則：所有 delegate call 預設封鎖，只允許明確配置的例外（如 Safe 版本升級用的 Safe Migration），設定後幾乎免維護，適合只需基本防護的場景。
• Fiducia 引入時間延遲緩衝：未被配置的 access selector 不會直接失敗，而是進入時間延遲佇列，讓 owner 有足夠時間對已簽名但可疑的交易做出反應，並可搭配 co-signer 服務進行人工複審。

DeFi Security Summit - DSS

• 模擬欺騙的核心機制：交易模擬在執行當下結果完全正確，但 DApp 在模擬後、上鏈前升級合約，使最終執行邏輯與用戶預期完全不同，從而掏空錢包資產。
• 時間差是所有鏈上攻擊的共同漏洞：從模擬到區塊確認之間存在必然的時間窗口，三明治攻擊、MEV 搶先交易、釣魚攻擊都利用這同一個特性，且難以與正常市場波動區分。
• 供應鏈攻擊使威脅範圍大幅擴大：攻擊者不需要創建惡意 DApp，只需污染多個錢包共用的 npm 套件，即可讓原本安全的交易也中招，影響整個用戶群。

DeFi Security Summit - DSS

• 現有框架有結構性缺口：BSSC 與加密認證聯盟等框架屬「目標導向清單」，只告訴你要做什麼，卻無法像攻擊鏈一樣描述攻擊者行為路徑與可介入點。
• 加密威脅模型根本上不同：區塊鏈的核心是價值而非資料，攻擊者目的是直接竊取資金，因此威脅模型必須從頭重建，不能沿用網路安全思維。
• 交易鏈每個節點都是控制點：從發起者身分（是否北韓 IT 人員）、私鑰管理、RPC/DApp 資料讀取，到簽名介面，再到鏈上共識，每一層都有機會部署偵測或阻斷控制。

DeFi Security Summit - DSS

• 現有圖表失效的根本原因：工程師繪圖時以技術細節為導向，而非以讀者理解為導向，導致審計報告中的圖表資訊密度過高，令閱讀者困惑而非獲益。
• 業界調查揭示三個共通現象：圖表多為特定用途（架構審查、資料流、控制流）；風格極端，要麼過細要麼過粗；許多人有興趣用 AI 代理自動化生成並使圖表具備機器可讀性。
• CDS 標準的兩大目標：一是提供有主見的規則，明確定義智能合約圖表中節點與邊的類型；二是提供對應的 JSON 語義編碼規範，使圖表可由 AI 生成、摘要，並在其他工具中渲染。

DeFi Security Summit - DSS

• 不變量難以憑直覺發現，但對測試極有價值。 開發者在撰寫業務邏輯時鮮少主動思考不變量，但它們是模糊測試（fuzzing）與形式化驗證的基礎輸入。
• 償債能力（Solvency）是最重要的不變量之一。 核心問題是：當用戶數降為零時，系統能否停止並退還所有資金？現實中常見「最後一個用戶資產被鎖死」的漏洞正是違反了這一點。
• 回程不變量（Roundtrip）與對稱性不變量揭露舍入錯誤。 存入再燒毀應回到原狀態；以存入量或取出量兩種方式指定的 ERC-4626 操作應等價——若舍入方向不一致，狀態就會發生偏移。

DeFi Security Summit - DSS

• 安全不等於審計：行業習慣把網路安全等同於一次性審計，但安全應是整個生命週期的完整流程，單點審計只是其中一步，無法替代全局安全設計。
• 文化才是最大攻擊面：Yan 親身收到一封從垃圾郵件撈出的可疑會議邀請，行業卻視此為常態。他認為安全研究人員必須以身作則，拒絕接受這些結構性問題，而非與之共存。
• 授權客戶才能真正提升安全：審計公司應幫助客戶在設計階段就寫出安全的程式碼，並提供 OBSC（運營安全合規）培訓，而非只在交付前做一次審查。

DeFi Security Summit - DSS

• DeFi AI 擴大了攻擊面：AI Agent 不再只是自動回覆，而是為非技術用戶執行複雜的多步驟 DeFi 操作，這使得一旦被攻破，損失規模遠超傳統漏洞。
• 資料品質決定模型行為：攻擊者可透過投毒（Poisoning）注入錯誤資料，或透過竊取（Exfiltration）抽走訓練資料，曾有案例是 Oracle 因此被誤導執行錯誤交易。
• 模型整合本身是風險來源：絕大多數團隊使用第三方現成模型而非自建，若整合了仿冒模型、存在隱藏權限的插件，或 API 遭利用，都可能直接造成資產損失。

DeFi Security Summit - DSS

• 問題根源是資料透明度，不是審計本身無用：Balancer 事件顯示大眾看到「10 份審計」卻沒人知道哪些真正覆蓋了受攻擊的合約，問題在於靜態 PDF 無法提供版本對應與覆蓋範圍等關鍵脈絡。
• 審計資料需綁定具體技術標識：TrustBlock 要求每份審計必須連結至特定 commit hash 或已驗證的鏈上地址，確保「被審計的程式碼」與「部署上鏈的程式碼」可交叉比對。
• 審計後持續追蹤才能反映真實安全狀態：審計公司可在 TrustBlock 上即時登錄升級、變更等事後事件，讓協議的安全狀態在整個生態系中動態更新，而非停留在審計當下的快照。

DeFi Security Summit - DSS

• LLM 生成的漏洞報告品質問題根源是「checklist 式提示」：模型被訓練成說出聽起來正確的話，而非真正正確的話，導致大量使用「可能導致」「或許會引發」等模糊措辭，缺乏具體攻擊鏈。
• 自我驗證能力缺失是當前最核心的瓶頸：LLM 不理解鏈上狀態，無法獨立推理某個攻擊路徑是否真實可執行，這點在技術細節改善後仍未解決。
• 資深研究員更能從 AI 獲利，因為他們具備「情境化提示」與「對抗性驗證」能力：不懂漏洞本身的研究員無法判斷模型何時在自信地捏造事實，也不知道該從哪個方向追問。

DeFi Security Summit - DSS

• 傳統算法檢測器已過時：業務邏輯漏洞需要上下文感知能力，算法無法理解跨函式的意圖與狀態流，必須引入 LLM。
• 縮小上下文是減少幻覺的核心手段：與其把整份程式碼餵給 LLM，不如透過調用圖與繼承關係樹，只傳入與待查問題相關的函式，讓 LLM 得到精確輸入，才能給出精確輸出。
• 負樣本同樣重要：語料庫不只要標注「什麼是漏洞」，也必須標注「什麼不是漏洞」，這對壓低誤報率有顯著效果。

DeFi Security Summit - DSS

• 自然語言 spec 是脆弱的輸入：無法執行、語意模糊、無法確認 edge case 覆蓋，靜態分析與編譯器等工具全部失效，更無法對 AI 產出的大量 diff 做有效審計。
• 可執行規格是 AI 最好的護欄：Quint 讓開發者能用「這個行為可能發生嗎？」的方式查詢規格，在信心確立前不讓 AI 碰 code，有效防止 LLM 跑偏。
• 三段式工作流程將驗證前移：先讓 AI 修改 Quint spec，人工 play 驗證，再將已驗證的 spec 作為 context 驅動 AI 修改程式碼，同步用 model-based testing 確認 code 與 spec 行為一致。

DeFi Security Summit - DSS

• 攻擊者行為模式重複是最大破綻：DeFi 攻擊者鮮少改變手法，這讓行為指紋辨識成為可行且高效的防禦策略。
• 單靠靜態合約審計無法擴展：每天數百個新合約上線，純依賴人工或規則式審查根本追不上，必須導入 AI 自動化分析。
• 行為訊號 + 合約訊號組合能大幅提升準確率：只看合約代碼不夠，還需追蹤資金流向、錢包關聯與部署模式，兩者結合後識別率提升 9 倍。

DeFi Security Summit - DSS

• Slither 的角色已從漏洞偵測器轉移到程式碼導航工具：Slither 問世後，re-entrancy 等常見漏洞大幅減少，使其 bug detector 功能逐漸失效，但其靜態分析引擎對於理解合約結構仍有獨特價值，因此重新定位為 LLM 的輔助工具。
• LLM 做程式碼導航的根本缺陷是機率性而非確定性：當 LLM 要追蹤繼承層次或找出函式呼叫者時，需大量 token 且成功率不穩定；即使在工具描述中明確寫「必須使用此工具」，LLM 仍傾向回退至熟悉的 read file 和 grep，原因是訓練資料偏向這些工具。
• 靜態分析引擎能將不確定問題轉為確定性答案：Slither 將 Solidity 編譯成 SlithIR 中間格式，再轉成 CFG/SSA 形式，建立完整的資料流與污染分析物件；透過 MCP 暴露這個物件，LLM 呼叫一次 API 即可得到繼承鏈解析、函式覆寫關係等在語意層面確定正確的結果。

DeFi Security Summit - DSS

• AI 能力演進決定代理品質：LLM 基礎模型越強，代理完成複雜任務的能力越強；用 GPT-2 驅動的代理幾乎無法完成真實安全任務，這說明選擇底層模型至關重要。
• Web3 安全業採用 AI 仍偏前端（審計）、忽略後端（監控與應急）：目前大多數 Web3 安全公司集中在智能合約審計和 CI/CD 整合，但在即時監控、事件調查、鏈上取證方面幾乎只有少數大型公司佔據市場，代表巨大空缺。
• AI 驅動的 SSDLC 是未來六個月的核心趨勢：講者提出從產品設計、編碼、測試、部署到監控的每個環節都嵌入專門 AI 代理，讓威脅建模在開發最早期就介入，而非事後補救。

DeFi Security Summit - DSS

• 正確性不只是「能跑」，而是有完整的證據體系。 程式碼本身只是最終交付物不到 25% 的部分，真正的品質來自測試、模糊測試、形式驗證、靜態分析與審計報告所構成的「正確性證據（body of evidence）」。
• 流程設計應能容忍劣質輸入，包括 AI 產生的 slop。 V-model 的核心思想是：無論程式碼由人還是 AI 寫，只要流程足夠嚴格，最終產品品質就能被保證。AI 應在流程中扮演「輔助」角色，而非「取代」角色。
• Vibe coding 本質上是專案管理技能，而非純技術技能。 大多數開發者失敗在於沒有把 AI 當作需要被 spec 清楚的外包工程師，而是把它當成魔法黑盒，跳過規格定義直接要求實作，導致方向一開始就偏。

DeFi Security Summit - DSS

• Merkle Patricia Tree 是 Ethereum storage 驗證的核心：每個合約的 storage 都組織在一棵 MPT 中，其 root 透過共識隨每個區塊廣播，L2 合約可透過橋接這個 root 來驗證 L1 上任意 storage slot 的值，而不必逐一搬移資料。
• Exclusion proof 的語義造成漏洞：在 storage 語境中，proof of exclusion（證明某個 slot 不存在）等同於該值為零（EVM 預設值）。此函式庫的驗證函式以空 bytes 作為「exclusion」的回傳語義，使得任何回傳空值的情況都會被呼叫者解讀為「該 slot 值為零」。
• Bug 本體是缺少 for 迴圈後的防禦：驗證函式預設每次迭代都會在迴圈內部 return 或 revert；開發者未考慮「proof 節點被截斷、迴圈正常跑完」的情況。截斷後迴圈結束，Solidity 隱性回傳空 bytes，觸發 exclusion 語義。

DeFi Security Summit - DSS

• 狀態轉換是漏洞的溫床：所有漏洞幾乎都藏在改變合約狀態的函數裡，因此審計時必須徹底理解每個函數的讀寫順序與合法輸入範圍，單憑程式碼瀏覽或流程圖難以窮舉邊界條件。
• 試算表讓「輸入測試」成為可能：流程圖可視化邏輯，但無法動態模擬不同參數。Excel 模型可以逐列填入不同時間戳或數值，直接觀察狀態如何演變，等同於手動 fuzzing。
• 時間戳邊界是關鍵問題域：以年為週期的 halving faucet，若在預期時間點之外被呼叫（例如跳過一年或延遲一個區塊），其週期計算邏輯並不健全，是此類合約最常被忽略的風險面。

DeFi Security Summit - DSS

• AI 擅長快速理解複雜架構：透過 Cursor / Windsurf 等 IDE 整合工具，審計員可用自然語言在數十秒內掌握大型協議（如 Uniswap v4）的設計模式、核心合約與執行流程，大幅縮短熟悉代碼庫的時間。
• 組合語言等低層代碼的理解速度大幅提升：AI 能將看似複雜的 assembly 二分搜尋邏輯解釋為步驟清單，並說明為何用 `or/and` 節省 gas，審計員仍需對照 opcode 確認正確性，但速度遠快於手動閱讀。
• AI 適合找簡單漏洞樣板，不適合複雜邏輯漏洞：對於「文件描述步驟 vs. 實作不符」、「跨鏈訊息缺少 sender 綁定」等結構性問題效果良好；但對需要深度跨合約上下文理解的漏洞，需透過 primer document 或 context 專化來補強。

DeFi Security Summit - DSS

• 被動閱讀有盲區：如果讀代碼就夠了，所有人早就找到所有漏洞，但現實並非如此——頂尖審計師做的事情不只是「讀」。
• 逐行注釋法強迫顯性化假設：把每行代碼翻譯成無術語的白話，會迫使審計師面對「我以為我懂但其實沒懂」的部分，尤其對複雜流程效果顯著。
• 橡皮鴨技術觸發元認知：大聲向實體橡皮鴨解釋代碼，有研究支持其效果優於書寫或腦中思考；當你說不清楚時，自然會暴露理解缺口，驅動你回頭重讀。

DeFi Security Summit - DSS

• TLS 不等於可驗證性：TLS 只驗證你連的域名背後是同一間公司，無法驗證系統實際行為；真正的可驗證性需要原始碼與系統行為之間的強連結。
• 可重現建構有光譜之分：多數人只做「最後一哩」可重現建構（對 Go/Rust 應用層），底層 OS 仍是黑盒。Turnkey 自建的 Stage X 從 96 bytes 組語自舉，涵蓋整個軟體堆疊，真正解決 Ken Thompson「信任的反思」論文中提出的編譯鏈信任問題。
• 三層驗證形成完整鏈條：可重現建構將原始碼對應到 artifact hash；遠端認證將 artifact hash 對應到運行中的工作負載；App Proofs 再將工作負載對應到實際 API 回應，三者缺一不可。

DeFi Security Summit - DSS

• 圖表驅動的代碼理解：AI 首先將整個代碼庫轉為圖結構，明確哪些模組與哪些模組相互通信，讓後續的漏洞追蹤有清晰的攻擊面地圖。
• 方面建模切割審計單元：代碼庫被拆分成邏輯區塊（如 Oracle、清算邏輯等），每塊獨立建立規範與威脅模型，避免全局掃描的噪音干擾。
• 兩層驗證壓制誤報：第一層對每個問題生成 PoC，第二層由獨立「判斷代理」分類所有問題，再結合人工標記有效／無效後回饋給 AI 重跑，形成閉環。

DeFi Security Summit - DSS

• AI 報告氾濫引發雙重問題：大量 LLM 生成的幻覺報告浪費核實資源，而 AI 分類過程本身也可能引入新的安全漏洞，形成惡性循環。
• 傳統漏洞回報機制存在資訊洩露風險：回報 SQL Injection 等漏洞時必須附上 payload 才能讓對方重現，但這等於主動洩露攻擊手法，且若平台不認同嚴重性，獵人的「秘密武器」就白白曝光。
• ZKTLS 可讓 HTTP 響應在密碼學上可驗證：透過多方計算（MPC）協議，TLS 公證人（Notary）能對 HTTP 回應加密簽章，同時遮蔽請求輸入，讓接收方確認回應確實來自目標伺服器，而無需知道請求內容。

DeFi Security Summit - DSS

• 去中心化是「不得不做」的路線圖，不是錦上添花：多數駭客事件並非智慧合約漏洞，而是私鑰管理失當（未用硬體錢包、未設多簽），因此去中心化的優先順序必須在設計初期納入規劃。
• 「簽一次、執行多次」是可擴展的安全模型：對於需要跨 10-20 條鏈、每日自動執行的 DeFi 操作，每次都插入硬體錢包並不可行；應透過確定性程式碼搭配一次性簽名配置，讓任何 relayer 皆可驗證並執行，不再依賴特定持鑰者。
• 鏈上防護是「最壞情境」的最後一道防線：即使協議私鑰遭竊，攻擊者也只能在使用者預先授權的滑點範圍內進行操作，且最終只能提款至指定地址與指定代幣，無法任意轉移資金。

DeFi Security Summit - DSS

• 穩定幣三難：去中心化、錨定穩定性、資本效率三者難以兼顧。算法穩定幣試圖同時達到前兩者，但歷史上幾乎全數失敗（Terra Luna、Iron/Titan）；最可靠的設計犧牲資本效率，以高品質無聊抵押品換取錨定穩定。
• 反模式整理：以套利機制維持錨定、用同協議治理代幣作抵押、分散化抵押品稀釋安全邊際、硬編碼 oracle 價格為 1、手動管理流動性，這五類設計在市場壓力下均反覆釀成系統性崩潰。
• 不可變核心 + 可升級擴展：M0 將核心協議設計為不可變（Immutable），消除治理攻擊面；上層 Extension 穩定幣合約允許升級，但一旦出現惡意升級，治理可立即將其從 Earner 名單與 Swap Facility 移除，風險僅限於該擴展幣自身持有的 M，不會蔓延至整個生態。

DeFi Security Summit - DSS

• 事先計畫決定事中表現：沒有書面事件響應計畫，恐慌當下連最基本步驟都會遺漏；Seal 911 剛發布認證計畫，要求協議必須知道自己的 IR 流程，值得跟進。
• 集中化作戰室防止資訊碎片化：事件爆發後，不少團隊同時聯繫多個安全方，導致各方重複工作、情報不同步；正確做法是把所有外部安全專家集中至同一頻道，統一協調分工。
• 人員風險比合約風險更難防：大量 Web3 盜竊源於社交工程（假工作面試、假 Zoom 會議）感染開發者個人設備，而非合約本身漏洞；開發者使用個人設備感染後又自行抹機，導致溯源證據全毀，應急回應因此失效。