Zespół Protocol Security Ethereum Foundation integruje skoordynowanych agentów AI ze swoim przepływem pracy ds. bezpieczeństwa, aby pomóc w skanowaniu repozytoriów protokołu i devnetów w poszukiwaniu błędów.

We wpisie z 9 lipca zatytułowanym „The Triage Is The Product”, członek zespołu Ethereum Foundation Nikos Baxevanis opisał, w jaki sposób sieci agentów AI są wykorzystywane do identyfikacji potencjalnych luk, ograniczania zakłóceń w wynikach oraz wspierania prowadzonego przez ludzi przeglądu bezpieczeństwa.

Główny punkt wpisu polega na tym, że narzędzia te nie są przedstawiane jako zamienniki audytorów. W bezpieczeństwie protokołu wyzwaniem nie jest jedynie znalezienie możliwych błędów. Chodzi również o określenie, które raporty są znaczące, które to fałszywe alarmy, a które wymagają głębszej analizy.

Takie podejście umieszcza segregację w centrum procesu bezpieczeństwa Ethereum. Dla zespołu Protocol Security praca nad sortowaniem, rankingowaniem i walidacją ustaleń staje się częścią samego produktu.

Dlaczego bezpieczeństwo Ethereum wymaga wielowarstwowego przeglądu

Bezpieczeństwo Ethereum różni się od zwykłego bezpieczeństwa aplikacji, ponieważ protokół obsługuje warstwę rozliczeniową używaną przez giełdy, stablecoiny, protokoły DeFi, sieci Layer 2 oraz miliony użytkowników.

Poważna luka może mieć skutki wykraczające daleko poza jedną aplikację, projekt lub firmę. Z tego powodu kultura bezpieczeństwa Ethereum od dawna opiera się na wielu warstwach przeglądu, w tym programach bug bounty, audytach, różnorodności klientów, testnetach, rozumowaniu formalnym oraz publicznej kontroli.

Różnorodność klientów jest szczególnie charakterystyczną cechą architektury Ethereum. Sieć działa na wielu niezależnie rozwijanych klientach wykonawczych i klientach konsensusu, tak że błąd w jakiejkolwiek pojedynczej implementacji niekoniecznie powoduje awarię sieci. Ta redundancja zwiększa obszar, jaki musi objąć przegląd bezpieczeństwa, ponieważ każda baza kodu klienta wymaga własnej analizy.

Dodanie agentów AI do tego procesu może rozszerzyć ilość kodu i zachowań, które można przeanalizować, ale wprowadza również praktyczne wyzwanie. Systemy AI potrafią szybko skanować duże bazy kodu, oznaczać podejrzane wzorce, porównywać logikę między repozytoriami i generować hipotezy dotyczące możliwych błędów. Te możliwości mogą pomóc ludzkim recenzentom objąć większy obszar.

Jednak systemy AI mogą również generować duże ilości wyników niskiej jakości. Narzędzie, które generuje tysiące słabych alertów, nie jest użyteczne, chyba że zespół ds. bezpieczeństwa potrafi odróżnić rzeczywiste luki od nieistotnych lub wprowadzających w błąd raportów. Dlatego segregacja jest kluczowa dla wpisu Ethereum Foundation.

Zespoły ds. bezpieczeństwa nie potrzebują po prostu większej liczby ustaleń. Potrzebują lepszego priorytetyzowania, jaśniejszych ścieżek eskalacji oraz niezawodnych sposobów identyfikacji, które problemy zasługują na ograniczoną uwagę ekspertów.

AI może rozszerzyć pokrycie, podczas gdy przegląd ludzki pozostaje kluczowy

Najbardziej bezpośrednim przypadkiem użycia AI w bezpieczeństwie protokołu jest szersze pokrycie.

Rozwój Ethereum obejmuje wiele repozytoriów, implementacji klientów, devnetów, specyfikacji i ciągłych ulepszeń protokołu. Każda większa aktualizacja, taka jak przejście przez Pectra i kolejne, dotyka zasad konsensusu, logiki wykonania i protokołów sieciowych we wszystkich zespołach klientów. Ludzcy recenzenci pozostają niezbędni, ale ich czas jest ograniczony. Agenci AI mogą działać jako wczesna warstwa skanująca, pomagając zidentyfikować obszary wymagające dokładniejszego przeglądu.

To nie oznacza, że agenci są darzeni zaufaniem bez weryfikacji. W pracy nad bezpieczeństwem pewna, ale błędna odpowiedź może stworzyć niebezpieczeństwo zamiast je zmniejszyć. Raport o luce musi zostać sprawdzony, odtworzony, oceniony i zrozumiany, zanim zostanie potraktowany jako podstawą do działania.

Fałszywe alarmy pochłaniają czas. Fałszywe negatywy tworzą ryzyko. Dlatego przegląd ludzki pozostaje centralną częścią procesu.

Warstwa AI może ujawnić więcej możliwości, ale to ludzie decydują, co jest realne, co pilne i co powinno zostać eskalowane. Dla Ethereum ta równowaga jest szczególnie ważna, ponieważ zmiany w protokole mogą wpłynąć na podstawowe założenia sieci.

Niedostatecznie zrozumiany problem w obszarze konsensusu, wykonania, sieci lub zachowania walidatorów nie może być traktowany pobłażliwie. Skutki poważnej luki na poziomie protokołu mogą być szersze niż skutki błędu w pojedynczej aplikacji.

Devnety zapewniają praktyczne środowisko testowe

Odwołanie się do devnetów we wpisie Ethereum Foundation jest istotne, ponieważ devnety dają programistom i zespołom ds. bezpieczeństwa kontrolowane środowisko do testowania ulepszeń przed szerszym wdrożeniem.

W potoku aktualizacji Ethereum kod zazwyczaj przechodzi od prywatnych devnetów programistów do publicznych testnetów, zanim trafi na mainnet. Każde stadium wystawia sieć na działanie większej liczby uczestników i bardziej nieprzewidywalnych warunków. Devnety znajdują się na najwcześniejszym etapie tego potoku.

Devnety z założenia mają być niedoskonałe. To miejsca, w których błędy, przypadki brzegowe i nieoczekiwane interakcje mogą ujawnić się, zanim kod trafi do szerszych testnetów lub na mainnet. To czyni je praktycznym środowiskiem do skanowania i monitorowania wspomaganego przez AI.

Jeśli agenci mogą obserwować devnety, porównywać zachowania lub wczesnie wskazywać potencjalne regresje, mogą skrócić pętle sprzężenia zwrotnego dla badaczy. Wcześniejsze wykrycie może dać zespołom więcej czasu na zbadanie problemów, zanim staną się trudniejsze do naprawienia.

Tego typu praca nie jest uruchomieniem tokena ani aplikacją konsumencką, ale jest częścią procesu infrastrukturalnego, który wspiera długoterminową niezawodność Ethereum. Dyskusje rynkowe często skupiają się na cenie, opłatach i przepływach ETF, podczas gdy bezpieczeństwo protokołu funkcjonuje pod tymi wszystkimi tematami.

W kierunku bardziej zautomatyzowanego stosu bezpieczeństwa

Ethereum nie jest jedynym ekosystemem blockchain eksperymentującym z bezpieczeństwem wspomaganym przez AI. Jego podejście jest zauważalne, ponieważ Ethereum pozostaje największą warstwą rozliczeniową smart kontraktów, zabezpieczającą setki miliardów dolarów w wartości w DeFi, stablecoinach, stakingu i rollupach Layer 2.

Jeśli Ethereum Foundation wykaże, że skoordynowane przepływy pracy agentów mogą poprawić segregację, podobne metody mogą być badane lub przyjmowane przez inne protokoły. Firmy audytorskie, platformy bug bounty, zespoły Layer 2 i programiści aplikacji również badają sposoby wykorzystania AI bez obniżania standardów bezpieczeństwa. Szersza branża cyberbezpieczeństwa również włącza uczenie maszynowe do analizy statycznej, fuzzingu i wykrywania anomalii, choć przegląd protokołów blockchain dodaje unikalne ograniczenia związane z bezpieczeństwem konsensusu i zdecentralizowaną koordynacją.

Wniosek z podejścia Ethereum Foundation nie polega na tym, że AI zastępuje audytorów. Raczej stos bezpieczeństwa staje się bardziej zautomatyzowany na swoich obrzeżach.

Skanowanie, alerty, rozpoznawanie wzorców i wczesne wykrywanie błędów mogą stać się szybsze dzięki narzędziom wspomaganym przez AI. Trudne decyzje nadal wymagają doświadczonych ludzkich recenzentów.

Nadchodzące aktualizacje protokołu Ethereum będą nadal wymagać uwagi zespołów klientów i badaczy protokołu. Lepsze narzędzia mogą pomóc tym zespołom pracować wydajniej, zachowując przegląd bezpieczeństwa jako centralną część procesu rozwoju.

Kluczowym ograniczeniem jest utrzymanie roli AI w wyraźnie określonych granicach. W bezpieczeństwie protokołu Ethereum celem nie jest generowanie większej ilości szumu. Chodzi o identyfikację sygnałów, które mają znaczenie, zanim staną się kosztowne.

Ten artykuł opiera się na wpisie zespołu Protocol Security Ethereum Foundation „The Triage Is The Product”.

Ten artykuł został napisany przez News Desk i zredagowany przez Samuela Rae. Niniejszy raport opiera się na informacji zawartych w ujawnieniach w dokumentacji źródłowej.