DeFi とプロトコル分析: 流動性、MEV、経済攻撃 — ブロックチェーンと Web3 における人工知能

利益:

AMM、流動性プール、オラクル、フラッシュローンなどのDeFiビルディングブロックを理解し、メカニズムの説明とシナリオの立案に人工知能を使用する能力
ほとんどの DeFi リスクはコードのバグではなく経済/ビジネスロジックの脆弱性であること、および人工知能は元々の経済的脆弱性において弱いことを区別できること
経済的安全性は思考ではなくシミュレーションによって証明されること、そしてオラクル依存症が最も脆弱な点であることを理解できること。

DeFi (分散型金融) は、Web3 の中で最も価値が高く、最も攻撃されているドメインです。取引所、融資プロトコル、流動性プールはすべてコードとして実行され、厳しい環境で数百万ドルを動かします。この単元では、AI をプロトコル分析アシスタントとして使用します。私たちは、流動性、価格設定、MEV、経済攻撃、そしてこの状況に応じた領域で AI が役立つところと不十分なところを理解することを学びます。

DeFiの基本構成要素

AMM (Automated Market Maker): 買い手と売り手をマッチングさせるのではなく、数式 (例: x・y=k) によって価格を設定する取引メカニズム。
流動性プール: ユーザーがトークンを預けて取引が行われる共通の資金。
融資プロトコル: 担保を利用した借入。清算は担保価値が減少すると発生します。
オラクル: プロトコルに外部の価格をもたらすデータソース — DeFi の最も重要かつ最も脆弱な依存関係。
フラッシュローン: 1 回の取引で無担保で融資を受け、同じ取引で返済するローン。正当な用途と攻撃ツールの両方があります。

MEVと経済攻撃

MEV（最大抽出可能価値 - トランザクションを注文/追加/削除する権限によって抽出される価値）は、DeFiに固有のリスククラスです。保留中のトランザクションはパブリックプール (mempool) に表示されます。この可視性により、次の攻撃への扉が開かれます。

フロントランニング: 収益性の高いトランザクションを見つけて、その前に自分のトランザクションを挿入すること。
サンドイッチ攻撃: 被害者の購入の前後に取引を行い、その価格差から利益を得ます。
オラクルの操作: 通常はフラッシュローンを使用して、プールの価格を瞬時に変更することでプロトコルを欺きます。

これらの攻撃は、コードの「バグ」からではなく、経済設計の悪用可能性から発生します。これが AI の最も難しいところです。技術コードのスキャンが得意な AI は、プロトコル固有の経済的脆弱性を検出できないことがよくあります。

注意: DeFi の脆弱性の大部分は「コードのバグ」ではなく、経済/ビジネスロジックの脆弱性です。 AI の標準コードスキャンではこれらが見逃されます。これは、シミュレーションとモデリングという人間の専門知識が最も必要な分野です。

DeFi分析におけるAIの役割

1. メカニズムの説明。 AI は、複雑なプロトコル (曲線ベースの AMM など) がどのように機能するかを平易な言葉で説明するのに強力です。これにより、分析にすぐに入ることができます。

2. シナリオ/対抗仮説を生成します。「どのような価格変動でこの債務議定書は清算危機に陥るでしょうか?」 AI は次のような質問を含むシナリオ草案を作成します。これらはシミュレーションによってテストされます。

3. 既知の攻撃パターンを思い出させる。 AIは過去のDeFi攻撃のパターン（オラクル操作、リエントラント、清算スパイラル）をチェックリストのように呼び起こします。

4. シミュレーション計画の草案。 AI は、どのシナリオをテストするかの計画を立てることができます。ただし、シミュレーション自体はツール (Foundry、Tenderly) を使用して行われます。

弱いプロンプト / 強いプロンプト

弱いプロンプト:

この DeFi プロトコルは安全ですか?

強力なプロンプト:

あなたの役割: DeFi プロトコルアナリスト。以下のプロトコルのメカニズムを調べてください。次の経済攻撃ベクトルを 1 つずつ考えてみましょう: オラクル操作 (フラッシュローンによる)、サンドイッチ/フロントランニング、清算スパイラル、流動性引き出し効果。各ベクトルについて: トリガー方法、必要な条件、考えられる影響。これらはシミュレーションによってテストされる仮説です。「安全/安全ではない」とは絶対に言わないでください。 GENERATE 実際の攻撃コード。防御目的のみのリスクについて説明します。

コピー可能な 4 つのテンプレート

1) メカニズムの説明:

このプロトコルの価格設定/流動性メカニズムを段階的に分かりやすく説明します。ユーザーがトランザクションを行うと何が起こるか、価格はどのように決定されるか、どのような外部依存関係があるかなどです。理解できない部分にはマークを付けるか、曖昧なままにしておきます。

2) 経済的な攻撃面:

このプロトコルの経済的攻撃対象領域をマッピングします。オラクル、流動性、担保、清算、ガバナンスにおいてどのような仮定が悪用できるでしょうか?それぞれのリスクを条件 (「もしも」) とともに書きます。それを仮説として提示し、シミュレーションによって確認します。

3) ストレスシナリオ:

次のシナリオを考えてみましょう: 担保トークンが 50% 下落した場合、オラクル価格が一時的に 30% 逸脱した場合、流動性の 80% が引き出された場合、プロトコルはどうなりますか?各シナリオの波及効果を書き留めます。数値の精度を主張しないでください。シミュレーションが必要であることを指定します。

4) 履歴攻撃パターンマッチング:

このプロトコルの設計は、既知の DeFi 攻撃パターン (単一ソースのオラクル、フラッシュローンの始値など) のどれと同様の条件に耐えますか?防御の目的で類似点を指摘します。悪用の手段を講じないでください。注目を集めるだけです。

ミニケース 3個（個数）

ケース 1 — Oracle のリスクを早期に発見。チームは新しい債務プロトコルを設計していました。メカニズムの説明の中で、YZは「価格は単一のプールから取得され、フラッシュローンで操作できる」という仮説に注目した。チームはシミュレーションでこれを確認し、TWAP + マルチソーシングに移行しました。回避された推定損失: プロトコルのロックされた値全体。教訓: AI は既知のパターンを呼び出すことに価値があります。

ケース 2 — AI は元の脆弱性を見逃しました。別のプロトコルでは、脆弱性は 2 つのメカニズム (報酬 + 清算) の相互作用から生じる独特の経済的エラーでした。 AIは各メカニズムが「完璧」であることを一つ一つ発見しました。やりとりが見えなかった。人間のモデラーとシミュレーションをキャプチャしました。教訓: コンポーネントは正しいものの、全体の経済性は AI の盲点です。

ケース 3 — シミュレーション計画により時間を節約できました。あるアナリストは、手作業で計画を立てるのではなく、15 の異なるストレスシナリオを AI に草案しました。それをFoundryで実行しました。計画は 1 日から 2 時間に短縮されました。しかし、結果の解釈と決定は人間によるものでした。教訓：AIが計画し、車両対策、判断するのは人間。

シミュレーションの必要性

DeFi では、セキュリティは「考える」ことで証明されません。シミュレーションによってテストされます。プロトコルの経済的堅牢性は、さまざまな価格、流動性、攻撃シナリオを数値的に実行することで理解できます。 AI はこれらのシミュレーションのコードを計画し、草稿することができます。しかし、結果を生成し解釈するのはツールと人々です。 AIが生成する「おそらく耐久性がある」という表現はシミュレーション結果ではないため、そのように提示することはできません。

ヒント: AI から DeFi リスク評価を受け取ったら、各仮説について「どのようなシミュレーションでテストすればよいか?」と尋ねる必要があります。それを質問に変えてみましょう。テストできないセキュリティ主張は、DeFi では保証されません。

よくある間違い

コードのバグのように経済赤字をスキャンします。 DeFiのリスクは主にビジネスロジックにあります。
AIの「安全」という言葉を信じてシミュレーションをスキップする。テストが必要です。
コンポーネントを 1 つずつ検証し、インタラクションをスキップします。全体の経済性が重要です。
単一ソースからの Oracle を信頼します。最も一般的な DeFi 災害。
MEV/フロントランニングは無視します。公共メンプールの事実を忘れています。
エクスプロイトコードを生成しています。正当なのは守備分析だけです。

要約すると

DeFi は価値が高く、敵対的な空間です。リスクは主に経済/ビジネスの論理にあります。
MEV、フロントランニング、サンドイッチ、オラクル操作は、DeFi に特有の攻撃のクラスです。
AIは仕組み説明やシナリオ立案に強い。もともとの経済赤字は弱い。
経済的安全性は考えることではなくシミュレーションによって証明されます。 AI計画、車両対策。
オラクルへの依存は、DeFi の最も脆弱な点です。複数のリソースと TWAP が必要です。

アプリケーションタスク

AMM または融資プロトコル (明確なドキュメント付き) を選択します。「メカニズムの説明」と「経済的な攻撃対象領域」のプロンプトを AI に適用します。 AI が生成するすべてのリスク仮説について、「どのようなシミュレーションでこれをテストすればよいでしょうか?」質問に答えてください。次に、そのプロトコルの実際の監査レポートを見つけて、実際の結果と AI によってフラグが付けられたリスクを比較します。つまり、AI は何をキャッチし、何を見逃したのでしょうか?

チェックリスト

[ ] コード + 経済という 2 つの側面でリスクについて説明しました。
[ ] MEV/フロントランニングを評価してみました。
[ ] Oracle の依存関係も調べました。
[ ] 私は構成要素 (経済全体) の相互作用に疑問を抱きました。
[ ] それぞれの仮説をシミュレーション計画に結び付けました。
[ ] AIの「安全」をシミュレーションに置き換えてみました。
[ ] 防御目的でのみ分析しました。