Zyski:
- Umiejętność zrozumienia elementów składowych DeFi, takich jak AMM, pula płynności, Oracle i pożyczka flash oraz wykorzystania sztucznej inteligencji w wyjaśnianiu mechanizmów i opracowywaniu scenariuszy
- Możliwość rozróżnienia, że większość zagrożeń DeFi to luki w zabezpieczeniach logiki ekonomicznej/biznesowej, a nie błędy w kodzie, oraz że sztuczna inteligencja ma słabą pierwotną lukę ekonomiczną
- Zrozumienie, że bezpieczeństwo ekonomiczne potwierdza się poprzez symulację, a nie myślenie, i że uzależnienie od wyroczni jest najwrażliwszym punktem.
DeFi (Decentralized Finance) to najbardziej wartościowa i najczęściej atakowana domena Web3. Giełdy, protokoły pożyczkowe, pule płynności – wszystko działa według kodu i przenosi miliony dolarów we wrogim środowisku. W tej jednostce wykorzystamy sztuczną inteligencję jako asystenta analizy protokołu; Nauczymy się rozumieć płynność, ceny, MEV i ataki ekonomiczne oraz gdzie sztuczna inteligencja jest pomocna, a gdzie nieodpowiednia w tym obszarze kontekstowym.
Podstawowe elementy składowe DeFi
- AMM (Automated Market Maker): Mechanizm wymiany, który ustala ceny na podstawie wzoru (np. x·y=k), a nie dopasowywania kupujących i sprzedających.
- Pula płynności: wspólny fundusz, w którym użytkownicy deponują tokeny i odbywa się handel.
- Protokół udzielenia pożyczki: Pożyczka pod zabezpieczenie; Likwidacja następuje w przypadku zmniejszenia wartości zabezpieczenia.
- Oracle: źródło danych, które przenosi cenę ze świata zewnętrznego do protokołu — najważniejsza i najbardziej delikatna zależność DeFi.
- Pożyczka błyskawiczna: pożyczka zaciągnięta bez zabezpieczenia w jednej transakcji i zwrócona w tej samej transakcji; Ma zarówno legalne zastosowania, jak i narzędzie ataku.
MEV i ataki ekonomiczne
MEV (Maximal Extractable Value – wartość wyodrębniona przez organ w celu zlecenia/dodania/usunięcia transakcji) to klasa ryzyka specyficzna dla DeFi. Transakcje oczekujące pojawiają się w puli publicznej (mempool); Ta widoczność otwiera drzwi do następujących ataków:
- Front-running: dostrzeżenie zyskownej transakcji i umieszczenie przed nią własnej transakcji.
- Atak kanapkowy: zawieranie transakcji przed zakupem i po nim oraz czerpanie korzyści z różnicy cen.
- Manipulacja Oracle: Oszukanie protokołu poprzez natychmiastową zmianę ceny puli, zwykle za pomocą pożyczki flash.
Ataki te nie wynikają z „błędu” kodu, ale z możliwości wykorzystania projektu ekonomicznego. W tym miejscu sztuczna inteligencja ma największe trudności: sztuczna inteligencja, która dobrze skanuje kod techniczny, często nie jest w stanie wykryć luk ekonomicznych specyficznych dla protokołu.
Uwaga: większość luk w zabezpieczeniach DeFi to nie „błędy w kodzie”, ale luki w zabezpieczeniach ekonomicznych/biznesowych. Standardowe skanowanie kodów AI ich pomija; Jest to dziedzina wymagająca największej wiedzy ludzkiej, symulacji i modelowania.
Rola AI w analizie DeFi
1. Opis mechanizmu. Sztuczna inteligencja potrafi wyjaśnić prostym językiem, jak działa złożony protokół (np. AMM oparty na krzywych). Zapewnia to szybkie wejście do analizy.
2. Generowanie scenariusza/kontrhipotezy. „Przy jakim ruchu cenowym ten protokół zadłużenia wejdzie w kryzys likwidacyjny?” AI tworzy projekty scenariuszy z pytaniami takimi jak; są one testowane poprzez symulację.
3. Przypomnienie znanych wzorców ataków. Sztuczna inteligencja przywołuje wzorce przeszłych ataków DeFi (manipulacja wyrocznią, ponowne wejście, spirala likwidacji) niczym listę kontrolną.
4. Projekt planu symulacji. Sztuczna inteligencja może opracować plan, który scenariusze należy przetestować; ale sama symulacja odbywa się za pomocą narzędzia (Foundry, Tenderly).
Słaba zachęta/silna zachęta
Słaba zachęta:
Czy ten protokół DeFi jest bezpieczny?
Potężny monit:
Twoja rola: analityk protokołu DeFi. Sprawdź poniższy mechanizm protokołu. Rozważmy kolejno następujące wektory ataku ekonomicznego: manipulacja wyrocznią (z pożyczką flash), bieganie typu „sandwich”/front-runing, spirala likwidacyjna, efekt wycofania płynności. Dla każdego wektora: jak wywołać, jaki warunek jest wymagany, możliwy wpływ. Są to hipotezy, które należy sprawdzić poprzez SYMULACJĘ; Na pewno nie mów „bezpieczne/niebezpieczne”. GENERUJ Rzeczywisty kod ataku; Opisz ryzyko wyłącznie w celach obronnych.
Cztery szablony do kopiowania
1) Opis mechanizmu:
Wyjaśnij prostym językiem, krok po kroku, mechanizm ustalania cen/płynności tego protokołu: co się dzieje, gdy użytkownik dokonuje transakcji, w jaki sposób ustalana jest cena, jakie istnieją zależności zewnętrzne? Zaznacz część, której nie rozumiesz lub pozostaw niejasną.
2) Powierzchnia ataku ekonomicznego:
Zmapuj powierzchnię ataku ekonomicznego tego protokołu: jakie założenia można wykorzystać w Oracle, płynności, zabezpieczeniach, likwidacji, zarządzaniu? Zapisz każde ryzyko z warunkiem („co jeśli”). Przedstaw to jako hipotezę, którą należy potwierdzić symulacją.
3) Scenariusz stresowy:
Rozważ następujące scenariusze: jeśli token zabezpieczenia spadnie o 50%, jeśli cena Oracle na chwilę odbiega o 30%, jeśli 80% płynności zostanie wycofane, jaki będzie protokół? Zapisz efekt domina każdego scenariusza. Nie żądaj precyzji numerycznej; Określ, że wymagana jest symulacja.
4) Dopasowanie wzorca ataku historii:
Czy projekt tego protokołu spełnia podobne warunki, jak które ze znanych wzorców ataków DeFi (np. wyrocznia z jednego źródła, cena otwarcia pożyczki flash)? Wskaż podobieństwa w celach obronnych; Nie podejmuj kroku polegającego na wykorzystaniu exploita, zwróci to tylko uwagę.
Trzy mini etui (w liczbach)
Przypadek 1 — Wcześnie wykryte ryzyko Oracle. Zespół projektował nowy protokół zadłużenia. Podczas wyjaśniania mechanizmu YZ postawił hipotezę, że „cena pochodzi z jednej puli i można nią manipulować za pomocą pożyczek flash”. Zespół potwierdził to w symulacji i przeszedł na TWAP + multi-sourcing. Szacowana uniknięta strata: cała zablokowana wartość protokołu. Lekcja: Sztuczna inteligencja jest cenna w przywoływaniu znanych wzorców.
Przypadek 2 – AI nie zauważyła pierwotnej luki. W innym protokole luką był unikalny błąd ekonomiczny wynikający z interakcji dwóch mechanizmów (nagroda + likwidacja). Sztuczna inteligencja uznała każdy mechanizm po kolei za „bezbłędny”; Nie udało się zobaczyć interakcji. Uchwycono modelarza człowieka i symulację. Lekcja: chociaż komponenty są dobre, ekonomia całości jest słabym punktem sztucznej inteligencji.
Przypadek 3 — Plan symulacji pozwolił zaoszczędzić czas. Jeden z analityków opracował w sztucznej inteligencji 15 różnych scenariuszy warunków skrajnych, zamiast planować je ręcznie; następnie uruchomił go w Foundry. Planowanie skróciło się z 1 dnia do 2 godzin; ale interpretacja wyników i decyzja należały do człowieka. Lekcja: plany AI, środki pojazdu, decyzje człowieka.
Niezbędność symulacji
W DeFi bezpieczeństwa nie potwierdza się „myśleniem”; Jest to sprawdzane poprzez symulację. Ekonomiczną solidność protokołu można zrozumieć, analizując numerycznie różne scenariusze cen, płynności i ataków. Sztuczna inteligencja może planować i szkicować kod tych symulacji; ale to narzędzia i ludzie tworzą i interpretują wyniki. Stwierdzenie „prawdopodobnie trwałe” wygenerowane przez sztuczną inteligencję nie jest wynikiem symulacji i nie może być w ten sposób prezentowane.
Wskazówka: kiedy otrzymasz ocenę ryzyka DeFi od sztucznej inteligencji, powinieneś zadać każdą hipotezę „za pomocą jakiej symulacji mam to przetestować?” Zmień to w pytanie. Twierdzenie dotyczące bezpieczeństwa, którego nie można przetestować, nie jest gwarancją w DeFi.
Typowe błędy
- Skanowanie deficytu gospodarczego jak błędu w kodzie. Ryzyko DeFi leży głównie w logice biznesowej.
- Zaufanie sztucznej inteligencji, że powie „bezpieczne” i pominięcie symulacji. Wymagane jest testowanie.
- Sprawdzanie poprawności komponentów jeden po drugim i pomijanie interakcji. Ekonomia całości jest krytyczna.
- Zaufanie Oracle z jednego źródła. Najczęstsza katastrofa DeFi.
- Ignorowanie MEV/biegu do przodu. Zapominając o istnieniu pamięci publicznej.
- Generowanie kodu exploita. Tylko analiza defensywna jest uzasadniona.
Podsumowując
- DeFi jest przestrzenią o wysokiej wartości i wrogą; Ryzyko leży głównie w logice ekonomicznej/biznesowej.
- MEV, front-bieganie, manipulacja kanapkami i wyroczniami to klasy ataków specyficzne dla DeFi.
- Sztuczna inteligencja świetnie radzi sobie z wyjaśnianiem mechanizmów i opracowywaniem scenariuszy; Pierwotny deficyt gospodarczy jest słaby.
- Bezpieczeństwo ekonomiczne potwierdza się poprzez symulację, a nie myślenie; Plany AI, pomiary pojazdów.
- Zależność od Oracle jest najbardziej wrażliwym punktem DeFi; wymagane wiele zasobów i TWAP.
Zadanie aplikacji
Wybierz AMM lub protokół pożyczkowy (z przejrzystą dokumentacją). Zastosuj do sztucznej inteligencji podpowiedzi „opis mechanizmu” i „powierzchnia ataku ekonomicznego”. Dla każdej hipotezy ryzyka, którą tworzy sztuczna inteligencja, „za pomocą jakiej symulacji miałbym to przetestować?” Odpowiedz na pytanie. Następnie znajdź faktyczny raport z audytu tego protokołu i porównaj faktyczne ustalenia z ryzykiem wskazanym przez sztuczną inteligencję: co wyłapała sztuczna inteligencja, co przeoczyła?
lista kontrolna
- [ ] Omówiłem ryzyko w dwóch wymiarach: kod + ekonomia.
- [ ] Oceniłem MEV/bieg do przodu.
- [ ] Zbadałem także zależność Oracle.
- [ ] Kwestionowałem wzajemne oddziaływanie elementów (całej gospodarki).
- [ ] Każdą hipotezę powiązałem z planem symulacji.
- [ ] Zastąpiłem „sejf” sztucznej inteligencji symulacją.
- [ ] Analizowałem tylko w celach obronnych.