以太坊基金会协议安全团队于7月9日发布题为《分类即产品》的技术文章，宣布将协同AI代理集成至漏洞检测工作流中。该计划旨在自动化扫描协议代码库与开发者网络（devnets），以锁定潜在bug，同时强调这些工具并非替代人工审计员。
核心挑战并非单纯寻找漏洞，而是优先识别哪些报告值得深入调查。AI系统能快速扫描庞大规模代码库、识别可疑模式并生成假设，但也会产生噪声。安全团队必须将真实漏洞从误报中分离——这一过程被团队成员Nikos Baxevanis定义为产品本身。
以太坊的安全模型有别于标准应用安全，因其协议充当交易所、稳定币、DeFi协议、Layer 2网络及数百万用户的结算层。一个关键漏洞可能引发系统性连锁反应。因此，以太坊安全文化依赖分层审查、漏洞赏金、审计、客户端多样性、测试网、形式化验证及公众监督。引入AI代理扩展了覆盖范围，但随之而来的是有效分类的需求。
AI的最强应用场景在于覆盖面：以太坊开发涉及多个代码库、客户端实现、开发者网络、规范文档及持续升级。人类审查员能力出色但时间有限。AI代理作为初始扫描层，标记需要关注的区域。然而，所有AI生成的结果均需由人类验证、复现并排序。AI的自信错误答案可能带来危险，因此人类判断仍是决定哪些问题真实、紧急或需升级的核心。
开发者网络是关键试验场。这些受控环境允许开发者在上线前测试升级，有意暴露漏洞与边界情况。AI辅助扫描可监控开发者网络、比对行为并提前发现回归问题，缩短反馈周期。这一基础设施工作支撑着以太坊长期可靠性，其重要性不亚于价格、手续费及ETF流量等市场指标。
以太坊并非唯一尝试AI辅助安全的项目，但作为最大智能合约结算层，其举措影响深远。若基金会证实协同代理工作流能改善分类，其他协议可能效仿。审计公司、漏洞赏金平台、Layer 2团队及应用开发者均寻求在不降低安全标准的前提下运用AI。结论并非AI取代审计员，而是安全栈在边缘环节——扫描、告警、模式识别及早期漏洞发现——正变得更加自动化。
困难的判断仍需经验丰富的人类完成。随着以太坊下一次重大升级推进，更完善的工具可帮助客户端团队与研究人员在确保安全的前提下加速进程。目标并非制造更多噪声，而是在代价变得高昂之前识别关键信号。
本文基于以太坊基金会协议安全团队文章《分类即产品》。
免责声明：以上内容(如有图片或视频亦包括在内)均为平台用户上传并发布，本平台仅提供信息存储服务，对本页面内容所引致的错误、不确或遗漏，概不负任何法律责任，相关信息仅供参考。
本站尊重他人的知识产权、名誉权等法律法规所规定的合法权益!如网页中刊载的文章或图片涉及侵权，请提供相关的权利证明和身份证明发送邮件到qklwk88@163.com，本站相关工作人员将会进行核查处理回复
