DeFi security Summit 2023 - Session 9: Focused Talks 1 - Liyi Zhou
三句話摘要
DeFi安全研究的三篇核心論文：從攻擊檢測、異常識別到自動化審計。 DeFi安全防禦需涵蓋完整生命週期，大語言模型在異常檢測中展現潛力，但自動化審計仍難以完全取代人工的深度判斷力。 DeFi安全跨越完整生命週期的三個階段：發布前進行審計與自動化掃描、發布中進行漏洞檢測與入侵防禦、事件後進行應急響應，需要全方位防禦策略而非單一工具。
重點整理
重點- 1
DeFi安全跨越完整生命週期的三個階段：發布前進行審計與自動化掃描、發布中進行漏洞檢測與入侵防禦、事件後進行應急響應，需要全方位防禦策略而非單一工具。
- 2
區塊鏈邀約遊戲論文透過檢測Memphis中的攻擊交易、復制合約、生成模擬交易實現前置交易，將攻擊者獲利直接返還DeFi項目，同時達成檢測與補償的雙重目標。
- 3
大語言模型在異常檢測中表現良好，在DeFi協議歷史交易上訓練模型學習正常行為，一旦交易超過風險閾值就觸發告警與合約暫停等防禦機制，49個真實攻擊排在前三可疑交易。
- 4
自動化審計面臨實際局限：GPT4與Claude雖能正確識別40個漏洞，但誤報率過高致使可用性不足，證明人工審計在合約邏輯判斷上仍不可替代，自動化工具應扮演輔助角色。
實用技巧與重點
乾貨- 機構：d23e（DeFi安全研究團隊）
- 論文一：區塊鏈邀約遊戲（Blockchain Invitation Game）
- 對象：Memphis交易池中的攻擊交易
- 方法：複製易受攻擊合約→生成模擬交易→前置交易奪利
- 結果：返還DeFi項目被竊利潤
- 論文二：區塊鏈大語言模型（Blockchain Large Language Model）
- 訓練數據：DeFi協議歷史交易
- 機制：排序交易、超過告警閾值觸發防禦
- 防禦措施：緊急暫停合約等
- 檢測效果：49/124攻擊排在前三位可疑交易
- 論文三：智能合約審計（Manual Smart Contract Audit）
- 數據集：52個DeFi攻擊案例、源代碼、真實漏洞
- 方法：提示工程詢問LLM是否存在攻擊
- 被測模型：GPT4、Claude
- 結果：兩模型均正確識別40個漏洞，但誤報率高
結論
結論“DeFi安全防禦需涵蓋完整生命週期，大語言模型在異常檢測中展現潛力，但自動化審計仍難以完全取代人工的深度判斷力。”
完整解析
詳細d23e作為DeFi安全研究團隊，核心理念是防禦必須涵蓋攻擊的完整生命週期。講者強調安全工作分為三個階段：發布前進行智能合約審計與自動化漏洞掃描、發布中進行漏洞檵測與入侵防禦、事件後進行應急響應。d23e的成員均具備在整個DeFi安全週期中的實戰經驗，並於2024年發表了三篇重要研究論文。
第一篇論文「區塊鏈邀約遊戲」的創新之處在於攻擊檢測與盈利追回的結合。講者的方法首先在Memphis交易池中識別出惡意的攻擊交易，然後複製攻擊者針對的易受攻擊合約，生成與攻擊相同邏輯的模擬交易，透過前置交易策略（front-running）在攻擊者之前執行交易，從而截獲攻擊者本應獲得的利潤。最後將追回的利潤返還給遭受攻擊的DeFi項目。這套方法既實現了攻擊的即時檢測，又能直接補償受害者的損失。
第二篇論文採用大語言模型進行異常交易檢測。講者團隊在DeFi協議的歷史交易數據上訓練了一個大型語言模型，使其學習什麼構成「正常」的交易行為。當新交易進入系統時，模型會對其進行排序與風險評分，一旦超過設定的告警閾值就發出警報，進而觸發如合約緊急暫停等防禦措施。實驗結果表明在124個測試案例中，49個真實攻擊被成功排在最可疑交易的前三位，展示了機器學習在DeFi防禦中的有效性。
第三篇論文則探討自動化審計能否替代人工審計。講者構建了一個包含52個DeFi攻擊案例的數據集，收集了源代碼、實際漏洞與先前研究的漏洞清單。透過精心設計的提示工程，他們詢問GPT4和Claude是否能識別智能合約中的攻擊與漏洞。結果表明兩個模型都能正確識別約40個漏洞，但關鍵問題在於誤報率過高。這說明雖然自動化審計有進展，但人工審計在處理複雜的合約邏輯與上下文判斷上仍然不可替代，自動化工具更適合作為人工審計的輔助手段而非完全替代品。
關鍵時刻
Pipeline v2帶時間戳的重點，會在逐字稿層級分析上線後產生。目前請先透過原始影片觀看。
事實查核
Pipeline v2說法查證是下一次管線升級的一部分。KeyFrame 只會顯示它真正能驗證的內容。
