Security Considerations of DeFAI

DeFi AI 是近期最受矚目的新興概念——將 AI 自動化能力整合進去中心化金融系統，讓 AI Agent 能以非技術用戶的名義，自動完成複雜的多步驟鏈上金融操作。這不再是「AI 幫你回覆推文」的層級，而是「AI 直接替你做交易」。這個創新固然令人興奮，但 Quill Audits 安全研究員 Victor Okafo 在演講中直指核心問題：DeFi AI 的安全模型與傳統區塊鏈安全截然不同，必須同時守住三層邊界。

第一層是資料層。模型的準確性高度依賴訓練資料的品質，因此資料本身成為攻擊目標。投毒攻擊（Poisoning）透過注入錯誤資訊影響模型行為，現實中已有 Oracle 被誤導、執行錯誤交易的案例。另一種威脅是資料竊取（Exfiltration），目標不是破壞而是偷走訓練集。防禦方向是資料分類分級、加密存儲，並嚴格管控資料存取權限與監控異常讀寫行為。

第二層是模型層。由於從頭訓練模型成本高昂，幾乎所有 DeFi AI 專案都使用第三方現成模型。這帶來的風險是：你以為整合了可信模型，實際上卻是仿冒版本。此外，模型的 API 端點、具有隱藏特權的第三方插件，以及版權合規問題，都是這一層的攻擊面。防禦策略包括：嚴格驗證模型來源、掃描插件的隱藏權限，以及為每個 AI 整合分配獨立的錢包金鑰——這個設計至關重要，一旦某個 AI 服務被攻破，獨立金鑰可阻止攻擊橫向蔓延至整個系統。

第三層是使用層，也是目前攻擊頻率最高的一層。Prompt Injection 是最常見的手段，能導致 AI 輸出偏差結果，或透過大量惡意提示癱瘓服務（DoS），讓需要快速執行的 DeFi 交易無法及時完成。更隱蔽的威脅是 Model Theft：攻擊者透過精心設計的查詢序列，誘使模型洩露自身的決策邏輯與策略，等同於竊取了 AI 的「思路」。防禦需要監控異常查詢模式、為 AI 建立行為護欄（明確定義哪些操作永遠不應執行），並部署即時偵測機制。

Victor 最後點出更宏觀的視角：DeFi 要達成大規模普及，只有兩條路——機構資金入場，或 DeFi AI 讓非技術用戶也能輕鬆參與。因此，DeFi AI 的安全不只是技術問題，而是整個去中心化金融未來能否落地的關鍵門檻。