币安交易所官网

AI正在进入区块链安全领域，但它并没有像一些人预想的那样，直接替代安全研究人员。

7月10日消息，以太坊基金会发布博客表示，其协议安全团队近期利用协调式AI代理，对以太坊依赖的软件系统、加密代码以及智能合约展开测试。结果显示，AI代理确实能够帮助发现部分基础设施风险，但大量输出仍需要人工筛选，其中多数候选漏洞最终被确认是误报、重复问题，或者并不满足实际攻击条件。

这项实验揭示了一个现实问题：AI可以扩大漏洞搜索范围，却无法轻易解决安全行业最困难的环节——判断一个问题是否真的危险。

在区块链领域，漏洞发现一直是一项高成本工作。

以太坊作为全球最大的智能合约平台之一，背后依赖大量复杂基础设施，包括共识客户端、网络通信层、密码学组件以及开发工具。一旦底层组件出现问题，影响范围可能远超单个应用。

此次测试中，AI代理发现了以太坊共识客户端使用的点对点通信层libp2p gossipsub中的一个可远程触发panic问题。该漏洞随后被修复，并以CVE-2026-34219编号公开披露。

这一案例说明，AI在安全研究中已经具备一定价值。

传统漏洞挖掘通常依赖研究人员阅读代码、构造攻击路径，再通过测试环境验证。但面对数百万行代码和持续更新的软件生态，人工审查很难覆盖所有潜在风险。

AI代理的优势在于可以同时执行大量探索任务。

以太坊基金会将这些代理划分为侦察、搜索、修复和验证等不同角色，让它们分别寻找潜在攻击路径、模拟故障，并判断问题是否可能影响生产环境。

这种方式更接近一个自动化安全团队，而不是简单的代码扫描工具。

不过，安全领域有一个长期存在的问题：发现“看起来像漏洞”的东西，并不等于发现真正漏洞。

很多AI生成的结果可能来自错误理解代码逻辑，或者忽略实际运行环境限制。有些问题在理论上存在风险，但攻击者无法构造有效利用方式；还有一些只是重复报告，已经被开发团队处理。

因此，大量AI输出反而增加了研究人员的筛选压力。

以太坊基金会表示，当前安全工作的瓶颈并没有消失，只是从“寻找漏洞”转移到了“验证漏洞”。只有当研究人员能够针对真实代码独立复现攻击路径，一个潜在问题才会被认定为有效发现。

这也是AI进入专业领域后经常遇到的挑战。

在金融、医疗、网络安全等高风险行业，AI的价值并不只是提高效率，更重要的是帮助专家处理更大规模的信息。但最终决策仍然需要专业人员判断，因为错误确认一个风险，可能造成不必要的修复成本；遗漏一个真实漏洞，则可能带来严重后果。

对于区块链行业而言，AI安全工具的发展可能会改变漏洞研究流程。

未来，安全团队或许会越来越依赖AI进行大规模代码巡检，把研究人员从重复劳动中释放出来。但真正决定系统安全性的，仍然是经验丰富的工程师对风险边界的理解。

AI正在成为安全研究的新助手，但距离成为独立安全专家，还有很长距离。