yuzengbaao/autoaudit-research
GitHub: yuzengbaao/autoaudit-research
基于AutoResearch框架的智能合约审计系统,融合数据流分析与AI增强技术,可自动检测9类常见漏洞并生成Immunefi标准报告。
Stars: 0 | Forks: 0
# AutoAudit Research v2.0
[](https://github.com/yuzengbaao/autoaudit-research/actions)
[](https://opensource.org/licenses/MIT)
基于 AutoResearch 的智能合约审计系统,具备数据流分析和 AI 增强功能。
## 🎯 功能特性
- **🔍 数据流分析**:追踪敏感函数调用(oracles,外部调用)
- **🤖 AI 增强**:LLM 驱动的漏洞上下文理解
- **⚡ AutoResearch 模式**:自动策略优化
- **📊 专业报告**:符合 Immunefi 标准的审计报告
## 🚀 快速开始
```
# 安装
pip install -r requirements.txt
# 基本审计
python -m autoaudit_research path/to/Contract.sol
# 带优化
python -m autoaudit_research Contract.sol --iterations 20
# 带 ground truth (用于测试)
python -m autoaudit_research Contract.sol --ground-truth known_vulns.json
```
## 📋 示例
```
# 审计 Twyne 合约 (T-02 漏洞)
python -m autoaudit_research contracts/twyne/AaveV3CollateralVault.sol
# 输出:
# 🔬 增强版 AutoAudit Research v2.0
# [迭代 1/10]
# 1. 提出新策略...
# 2. 执行审计...
# 3. 评估中...
# F1 Score: 1.5000 ✅
# ✅ 研究完成
# 报告: audit_report_2026-04-04.md
```
## 🏆 验证结果
### 真实案例:Twyne T-02
成功在生产环境中检测到 **T-02 Oracle Manipulation** 漏洞:
| 指标 | 数值 |
|--------|-------|
| **合约** | AaveV3CollateralVault |
| **漏洞** | Oracle Manipulation (CRITICAL) |
| **精确率** | 100% |
| **召回率** | 100% |
| **F1 分数** | 1.5000 |
| **检测时间** | 1.3s |
**漏洞详情**:
- **位置**:`splitCollateralAfterExtLiq()` 函数
- **问题**:使用了实时的 `latestAnswer()` 而非快照价格
- **影响**:清算过程中可能发生价格操纵
- **赏金**:$50,000(Immunefi Critical 级别)
### 测试覆盖
| 指标 | 数值 |
|--------|-------|
| **测试用例** | 74 |
| **覆盖率** | 91% |
| **通过率** | 100% |
| **CI 状态** | ✅ Passing |
## 📁 项目结构
```
autoaudit-research/
├── src/
│ └── autoaudit_research.py # Core system (985 lines)
├── tests/
│ ├── test_autoaudit.py # Basic tests
│ ├── test_comprehensive.py # Comprehensive tests
│ ├── test_remaining_coverage.py # Coverage tests
│ ├── test_final_100.py # Final coverage push
│ ├── test_ultimate_100.py # Ultimate coverage
│ └── test_complete_coverage.py # Complete tests
├── .github/workflows/ci.yml # CI/CD config
├── requirements.txt # Dependencies
├── README.md # This file
└── LICENSE # MIT License
```
### 核心组件
| 组件 | 行数 | 描述 |
|-----------|-------|-------------|
| `DataFlowAnalyzer` | ~80 | 追踪敏感函数调用 |
| `AIAnalyzer` | ~60 | LLM 驱动的漏洞分析 |
| `StrategyMutator` | ~100 | 自动策略优化 |
| `EnhancedAuditExecutor` | ~200 | 主审计执行引擎 |
| `EnhancedAutoAuditRuntime` | ~150 | 研究循环编排 |
## 🔧 配置
### 环境变量
```
export MOONSHOT_API_KEY="your-api-key" # For AI enhancement
export AUTOAUDIT_ITERATIONS=20 # Default iterations
export AUTOAUDIT_CONFIDENCE=0.6 # Default threshold
```
### 自定义策略
创建 `audit_strategy.md`:
```
confidence_threshold: 0.7
enabled_patterns:
- reentrancy
- oracle_manipulation
- access_control
data_flow_analysis: true
ai_analysis: true
```
## 🧪 测试
```
# 运行所有测试
pytest tests/ -v
# 运行特定测试
pytest tests/test_twyne.py -v
# 带 coverage
pytest tests/ --cov=src --cov-report=html
```
## 📊 工作原理
### 5 阶段审计流程
1. **范围定义**:提取函数、变量、外部调用
2. **模式匹配**:检测已知漏洞模式
3. **数据流分析**:追踪跨函数的敏感调用
4. **AI 增强**:上下文感知的漏洞评估
5. **报告生成**:生成符合 Immunefi 标准的 Markdown 报告
### AutoResearch 循环
```
Propose → Execute → Evaluate → Keep/Revert → Repeat
```
- **Propose**:生成新的检测策略
- **Execute**:使用当前策略运行审计
- **Evaluate**:计算 F1/Precision/Recall
- **Keep**:如果 F1 提升,保存策略
- **Revert**:如果没有改进,尝试新策略
## 🛡️ 漏洞检测
### 支持的类别(9 种)
| 严重程度 | 类型 |
|----------|-------|
| **Critical** | Reentrancy, Access Control, Oracle Manipulation |
| **High** | Integer Overflow, Flash Loan, DelegateCall Injection |
| **Medium** | Unchecked External Call, Timestamp Dependence |
| **Low** | tx.origin Auth, Business Logic Issues |
### 检测方法
1. **模式匹配**:基于正则的漏洞签名
2. **数据流分析**:追踪跨函数的敏感调用
3. **AI 增强**:LLM 驱动的上下文理解
4. **Slither 集成**:静态分析回退
## 📄 许可证
MIT License - 详见 [LICENSE](LICENSE) 文件
## 🙏 致谢
- [AutoResearch by Karpathy](https://github.com/karpathy/autoresearch) - 优化循环的灵感来源
- [Immunefi](https://immunefi.com/) - Bug bounty 平台及标准
- [Trail of Bits](https://trailofbits.com/) - 审计方法论参考
## 📞 联系方式
- GitHub: [@yuzengbaao](https://github.com/yuzengbaao)
- Telegram: @xiazong
**免责声明**:本工具仅供研究和教育目的。在向 bug bounty 平台提交结果之前,请务必由人工安全研究人员进行审查。
标签:AI安全, Apex, Chat Copilot, DeFi安全, DLL 劫持, DNS重绑定攻击, F1 Score, Immunefi, Python, Solidity, Web3安全, 云安全监控, 以太坊, 价格操纵, 区块链安全, 大语言模型, 安全审计报告, 对称加密, 文档安全, 无后门, 智能合约安全工具, 智能合约审计, 机器学习, 自动优化策略, 自动化审计, 逆向工具, 配置审计, 静态分析, 预言机操纵