以太坊基金会动用AI代理军团筛查漏洞，安全分类成“产品”核心

以太坊基金会的协议安全团队正在使用协同AI代理扫描协议代码库和开发网，将人工智能更深地嵌入以太坊的安全工作流中。

在7月9日一篇题为“分类即产品”的文章中，以太坊基金会成员Nikos Baxevanis描述了AI代理网络如何用于发现潜在漏洞、过滤噪声发现，并支持人工安全审查。

关键细节在于，这些工具并非要取代审计人员。安全问题不仅仅是发现可能的bug，而是决定哪些报告值得关注、哪些是误报、哪些需要深入审查。这正是该文章框架的有趣之处：在以太坊协议安全中，分类本身正成为产品的一部分。

以太坊协议安全不同于普通应用安全。该协议为交易所、稳定币、DeFi协议、Layer 2网络及数百万用户保护结算层。一个严重bug的后果远超单个应用或公司。因此，以太坊的安全文化始终依赖于分层审查、漏洞赏金、审计、客户端多样性、测试网、形式化验证和公众监督。

加入AI代理是有意义的，但也带来新挑战。AI系统可以快速扫描大量代码，检测可疑模式，跨库比较逻辑，并生成Bug假设，帮助人类覆盖更多领域。但AI也可能产生噪声——生成数千个弱警报的工具无用，除非有人能区分真实漏洞和无关输出。这就是分类的重要性：安全团队需要的不仅仅是更多发现，而是更好的优先级排序。

AI在协议安全中最强的用例是覆盖率。以太坊开发涉及多个代码库、客户端实现、开发网、规范和持续升级。人工审查员能力虽强，但时间有限。AI代理可以作为第一层扫描，帮助识别需要关注的领域。但这并不意味着盲目信任代理——在安全工作中，一个自信的错误答案可能很危险。漏洞报告需要检查、复现、评级和理解。误报浪费时间，漏报制造风险。因此，人工审查仍为核心。

开发网使这一过程更加实用。开发网为开发者和安全团队提供了在更广泛部署前测试升级的受控环境。它们故意设计得混乱，以便在代码进入更广泛的测试网或主网前暴露Bug、边缘情况和意外交互。AI辅助扫描在此环境中可能特别有用：如果代理能监控开发网、比较行为或及早发现潜在回归，就能缩短反馈循环，为研究人员提供更多时间调查问题。

以太坊并非唯一尝试AI辅助安全的生态系统，但其方法分量十足，因为以太坊仍是最大的智能合约结算层。如果以太坊基金会能证明协调的代理工作流能改善分类，其他协议可能效仿该模式。审计公司、漏洞赏金平台、Layer 2团队和应用开发者都在寻找在不降低安全标准的前提下使用AI的方法。

这并非AI取代审计人员，而是安全栈在边缘变得自动化：扫描、警报、模式识别和早期Bug发现都可以更快。困难的判断仍需经验丰富的人类。这可能是恰当的平衡。以太坊的下一次重大升级将继续给客户端团队和协议研究人员带来压力。更好的工具可以帮助他们更快行动，而不将安全视为事后考虑。关键在于合理界定AI的角色。在以太坊协议安全中，目标不是产生更多噪声，而是在噪声代价高昂之前找到重要的信号。