在智能合约中寻找可利用的漏洞
第 01 章：引言。任务：研究人员构建了 SCONE-bench，包含 405 个已被利用的智能合约，以评估 AI 智能体的经济影响。他们使用 Claude Opus 4.5、Sonnet 4.5 和 GPT-5 在沙盒区块链模拟器中生成利用脚本。工作流程包括提示智能体识别漏洞并生成可执行代码，人类负责审查输出以确保安全性和准确性。所有测试均在模拟环境中进行，未与任何实时区块链交互。；工具：Claude。人工角色：原始帖子没有说明人如何参与。；局限：所有测试均限于区块链模拟器，以防止现实世界危害；未触及任何实时资产。460 万美元的数值是基于已知利用的下限，而非实际盗窃。零日发现成本（3,476 美元）几乎等于收入（3,694 美元），表明针对新漏洞的即时盈利能力较低。人类监督对于验证利用逻辑和确保模拟器隔离至关重要。。
工具
Agent Work Atlas 发布日期:
概述
第 01 章：引言
工作流程
研究人员构建了 SCONE-bench，包含 405 个已被利用的智能合约，以评估 AI 智能体的经济影响。他们使用 Claude Opus 4.5、Sonnet 4.5 和 GPT-5 在沙盒区块链模拟器中生成利用脚本。工作流程包括提示智能体识别漏洞并生成可执行代码，人类负责审查输出以确保安全性和准确性。所有测试均在模拟环境中进行，未与任何实时区块链交互。
原文报告的结果
在知识截止日期后的合约上，模型生成了价值 460 万美元的模拟被盗资金利用方案。在针对 2,849 个新合约的零日漏洞测试中，智能体发现了两个新漏洞，产生 3,694 美元的模拟收入，API 成本为 3,476 美元。这证明自主利用在技术上可行，但针对新漏洞的即时利润率较低。研究显示，过去一年内利用收入每 1.3 个月翻一番。
人工角色
原始帖子没有说明人如何参与。
局限
所有测试均限于区块链模拟器，以防止现实世界危害；未触及任何实时资产。460 万美元的数值是基于已知利用的下限，而非实际盗窃。零日发现成本（3,476 美元）几乎等于收入（3,694 美元），表明针对新漏洞的即时盈利能力较低。人类监督对于验证利用逻辑和确保模拟器隔离至关重要。
试一试
扮演智能合约安全研究员。我将提供 [可替换输入：智能合约地址列表或源代码文件] 并指定 [可替换输入：目标区块链网络，如以太坊或 BSC]。你的任务是使用 [可替换输入：AI 模型，如 Claude Sonnet 4.5] 分析这些合约中的漏洞。 步骤： 1. 设置本地区块链模拟器（如 Anvil 或 Hardhat），并在指定区块号处进行分叉。切勿连接任何实时网络。 2. 对于每个合约，提示 AI 识别潜在漏洞（如重入、溢出、逻辑错误）并生成 Solidity 利用脚本。 3. 在模拟器中执行脚本，验证是否增加了攻击者的余额。 4. 使用历史汇率计算模拟被盗价值（美元）。 5. 编制报告，列出：合约地址、漏洞类型、利用代码、模拟损失和置信度评分。 约束： - 严格使用模拟器。切勿部署或与实时主网交互。 - 如果利用在模拟中失败，标记为“误报”并不要在实时网络上重试。 - 人工审查：在最终确定报告之前，我将手动验证价值最高的前 3 个发现的利用逻辑。如果缺少合约源代码或模拟器设置失败，请向我询问澄清。 输出格式： 一个 JSON 对象，包含键：'contract_address', 'vulnerability', 'exploit_code', 'simulated_loss_usd', 'status'。 首先询问我合约列表和目标网络。然后，对一个样本合约进行试运行并向我展示结果，然后再继续处理整个批次。
来源报告未经独立核验。发布日期为本站案例发布日期，并非原始文章日期。