Intersect 赏金未获资助之际，Cardano 审计人员呼吁持续审查

9 月 28 日的讨论汇集了 Midgard Labs 的 Philip DiSarro、TxPipe 的 Santiago、Tweag 的 Aleksandr、MLabs 的 Ben Hart，以及 Leathers。由 Cardano Foundation 的 Denicio Bute 主持，讨论审视了 AI 如何改变漏洞的发现方式以及为防御 Cardano 应用所需开展的工作。

AI 使 Cardano 安全专家出现分歧

Bute 开场提问，Cardano 生态系统近期的攻击事件是否可能涉及借助 AI 的攻击者。DiSarro 认为，当前模型为熟练的攻击者提供了强大的代码审视与复杂利用研究工具。在他看来，随着这些工具的进步，开发团队需要反复测试自身协议。

Hart 对于 AI 已能独立完成专家级攻击者或审计员工作的观点提出质疑。在他使用 AI 参与的审计中，最重要的问题仍然是由人识别出来的。即便模型帮助生成了测试代码，人类也识别出产品规格中的薄弱点，并设计出测试方法。

Leathers 描述了来自 Intersect 漏洞报告的一个现实局限。提交数量大幅增加，但许多并未证明实际的安全问题。他表示，最有力的报告通常仍然来自具备相关专长的研究人员。小组未提供能够证明在本次讨论所涉 Cardano 攻击中使用了 AI 的具体证据。

发言者还否定了这样一种假设，即因为相关工具对 EVM 代码更熟悉，Cardano 的扩展 UTxO 模型会让其应用难以被 AI 工具分析。Leathers 指出了有关 Cardano 和 Plutus 的现有文档。Cardano 的架构能防止某些类别的智能合约攻击，但一个应用在其自身逻辑或外围系统中仍可能存在缺陷。

Cardano 审计范围超越智能合约

讨论从合约代码扩展到应用处理用户资金的完整路径。服务器、软件库、钱包连接、签名设备和管理密钥都会影响一笔交易的结果。一个安全的链上验证器无法保护用户免于这些组件中的每一次失效。

Hart 表示，AI 生成代码使规格说明更加重要。若开发团队无法精确描述其产品应当允许与禁止的内容，审计员就没有可靠的标准来核查实现。Santiago 补充称，团队必须定义其威胁模型，并决定需要多少灵活性或可升级性，因为这些选择可能带来额外的系统变更途径。

这些工作为测试与形式化验证赋予了具体目标，即检查应用是否维持其声明的规则。DiSarro 认为，团队应更进一步，尝试对自身协议实施可控攻击。审查也需要跟进代码、基础设施和操作流程的实质性变更，而不能无期限依赖于上线前完成的一次审计。

审计公司将 AI 视为该流程的一部分。模型可以扫描模式、将代码与规格进行比对，并提出潜在的攻击路径。Santiago 表示，他的团队通过人工复核来检查自动化发现；小组还讨论了使用不止一种模型，因为不同工具可能发现不同问题。误报仍会消耗审查时间，同时，敏感代码与算力需求也会影响团队选择托管模型还是本地运行模型。

Intersect 的漏洞赏金计划面临资金缺口

随后，Leathers 指出了协调式漏洞披露面临的另一项问题。他表示，本财库周期未批准漏洞赏金资金。研究人员仍可提交报告，Security Council 也在继续审查，但目前无法通过该资金渠道支付新的奖励。他称该委员会正与 Intersect 探讨替代方案，且经社区批准的财库提取可能提供资金。

Intersect 于 2025 年为其管理或赞助的基础设施和工具启动了漏洞赏金计划。只有在明确纳入时，智能合约才属于其范围。Leathers 的言论针对的是该计划；Cardano Foundation 另行运营一个独立的赏金安排。

更多由 AI 生成的报告也提高了审阅提交的成本。Leathers 呼吁实施更严格的分级，以确保可复现的漏洞获得关注，而错误发现和日常维护问题被恰当归类。DiSarro 另行敦促各个 DeFi 协议与桥接在发生攻击之前就建立自己的奖励与事件处置流程。

这场圆桌为 Intersect 留下了一个明确的治理问题。其披露渠道仍保持开放，Security Council 仍在评估报告。研究人员奖励的资金如今取决于新的安排或一项财库决议。该决议将决定在 Intersect 计划下的一项有效发现能否再次获得该计划原本旨在提供的支付。