OpenAI 推出加密代幣與智能合約安全性基準測試系統

重點摘要

• OpenAI 已推出 EVMbench，一個與 Paradigm 合作開發的全新基準測試系統，用於測試先進的 AI 模型如何檢測、修補及利用以太坊智能合約中的漏洞。

• 早期結果顯示存在“利用差距”，目前頂尖模型在執行攻擊方面表現優於全面審計或修補缺陷——凸顯快速的 AI 進展與新興風險。

• EVMbench 可能重新定義加密安全標準，使 DeFi 團隊能持續進行 AI 驅動的審計，並在資產上鏈移動時提供機構級的保障。

在人工智慧與區塊鏈技術的重大融合中，OpenAI 正式推出了 EVMbench。此系統由與加密投資巨頭 Paradigm 的策略合作開發，旨在嚴格測試 AI 代理在以太坊虛擬機（EVM）生態系統中識別、利用與修復漏洞的能力。

目前，超過 1000 億美元 的開源加密資產由智能合約保障，風險空前。EVMbench 代表著一個積極轉向利用“前沿模型”來防禦日益複雜的網路攻擊的轉變。

資料來源：openai

EVMbench 的三大支柱

EVMbench 不再僅依賴靜態代碼分析，而是通過評估 AI 代理在三個高風險操作模式下的表現。這個“偵測-修補-利用”循環模擬了頂尖安全研究人員的實際工作流程。

• 1. 偵測模式（審計員）： 代理掃描複雜的代碼庫，發現隱藏的缺陷。成功標準為“召回率”——找到“真實”問題的能力，以及模擬的漏洞獎勵。

• 2. 修補模式（工程師）： 發現漏洞後，代理需重寫代碼。基準測試使用自動化測試套件，確保修補能修復漏洞且不破壞合約的原始功能。

• 3. 利用模式（對手）： 在安全隔離的Anvil 沙箱中，代理嘗試執行端到端攻擊以抽取資金。此階段衡量代理的攻擊推理能力及其將多個小缺陷“串聯”成災難性漏洞的能力。

資料來源：openai

資料集背後：真實世界的風險

EVMbench 並非建立在理論謎題之上，而是基於一個精選的 120 個高嚴重性漏洞庫，這些漏洞來自 40 次專業審計。大量數據來自實戰審計比賽（如 Code4rena）及 Paradigm 的內部安全流程（Tempo 區塊鏈）。

該基準專注於“支付導向”合約，確保 AI 模型經過實戰測試，能應對處理數十億資金的代碼。

基準測試結果：GPT-5.3-Codex 的崛起

OpenAI 內部測試顯示，AI 能力正以驚人速度提升。短短幾個月內，頂尖模型已從處理基本邏輯問題，進步到執行複雜多步攻擊。

“利用差距”：有趣的是，代理在 利用（72.2%）方面的表現明顯優於 修補 或 偵測。OpenAI 研究人員指出，當給定明確目標（如“抽走資金”）時，代理表現出色，但在進行全面審計這種細膩、長尾的任務時，則需要更精細的推理能力。

資料來源：Openai

為何重要：安全“左移”的轉變

對整個加密生態系統而言，EVMbench 不僅是一份成績單，更是推動**“安全左移”**的催化劑——將頂尖審計直接融入開發流程，而非等待部署後的審計。

• 民主化安全： 小型 DeFi 團隊若負擔不起 20 萬美元的人工審計，也能利用 EVMbench 認證的 AI 代理進行持續高精度的代碼審查。

• 機構準備： 隨著高盛、富蘭克林坦普頓等傳統金融巨頭進入鏈上，標準化的 AI 管理“金標準”變得必要。

• 雙重用途挑戰： OpenAI 和 Paradigm 透過開源基準，賦予“善意方”工具，以衡量並超越“惡意方”，同時建立“可信訪問”框架，監控新興風險。

展望未來

儘管 EVMbench 已是革命性進展，目前仍局限於確定性沙箱環境。未來版本預計將加入多鏈依賴與**MEV（最大提取價值）**考量，更貼近真實以太坊主網的“黑暗森林”。

隨著 AI 代理從“撰寫代碼”轉向“保障經濟”，EVMbench 將成為衡量下一代信任無需的金融體系的權威標準。

**免責聲明：**本文所述觀點與分析僅供參考，並不構成任何投資建議。文中討論的技術模式與指標受市場波動影響，結果未必如預期。投資者應謹慎行事，獨立研究，並根據自身風險承受能力做出決策。

關於作者： 尼勒什·亨巴德（Nilesh Hembade）是 Coinsprobe 的創始人兼主筆，擁有超過五年的加密貨幣與區塊鏈行業經驗。自 2023 年推出 Coinsprobe 以來，他通過深入的市場分析、鏈上數據與技術研究，提供每日研究洞察。