gustavo-grieco/quimera
GitHub: gustavo-grieco/quimera
基于大语言模型与 Foundry 的数据驱动以太坊智能合约漏洞生成与验证工具。
Stars: 92 | Forks: 17
# Quimera
这是一个利用大型语言模型（LLM）逐步发现 Foundry 中智能合约漏洞的漏洞生成器，遵循以下步骤：
1. 获取智能合约的源代码并编写描述漏洞目标的提示（例如，闪电贷后余额应增加）。
2. 要求 LLM 创建或改进一个 Foundry 测试用例，尝试利用该合约。
3. 运行测试，检查交易跟踪，并查看是否获利。
4. 如果获利则停止；否则返回步骤 2，并将失败尝试的跟踪信息提供给 LLM 以帮助其改进。
**当前状态**：这是一个实验性原型。我们仍在研究最佳设置（如合适的温度）、如何编写更好的提示以及该工具的实际能力。以下是迄今为止使用 [Gemini Pro 2.5 06-05](https://blog.google/products/gemini/gemini-2-5-pro-latest-preview/) 重新发现已知漏洞的结果：
| Exploit | Complexity | Comments |
|-----------|------------|----------|
|[APEMAGA](https://github.com/SunWeb3Sec/DeFiHackLabs/blob/dc2cf9e53e9ccaf2eaf9806bad7cd914edefb41b/src/test/2024-06/APEMAGA_exp.sol#L23) | Low | Only one step needed.|
|[VISOR](https://github.com/SunWeb3Sec/DeFiHackLabs/blob/34cce572d25175ca915445f2ce7f7fbbb7cb593b/src/test/2021-12/Visor_exp.sol#L10) | Low | A few steps needed to build the WETH conversion calls, but overall the root cause is identified quickly. |
| [FIRE](https://github.com/SunWeb3Sec/DeFiHackLabs/blob/b3738a7fdffa4b0fc5b34237e70eec2890e54878/src/test/2024-10/FireToken_exp.sol) | Medium | It will first build the sequence of calls to exploit it, and then slowly adjust the amounts until profit is found. |
| [XAI] | Low | A small number of steps needed, as you can see in the demo |
| [Thunder-Loan](https://github.com/Cyfrin/2023-11-Thunder-Loan) | Low | This one is part of a CTF? |
# 演示
# 需求
* 你需要一个 RPC 提供商（例如 Alchemy）和一个 Etherscan API 密钥。两者都有免费选项。
* 一个 LLM 服务，可以是本地（例如 ollama）或远程 LLM 服务（例如 gemini）。**你不需要支付 API 访问费用，特别是如果你使用“手动模式”**
* [Foundry](https://book.getfoundry.sh/)
# 安装
要安装，只需运行：
```
pip3 install git+https://github.com/gustavo-grieco/quimera
```
如果你想使用[不同的 LLM 提供商](https://llm.datasette.io/en/stable/plugins/directory.html#plugin-directory)，你需要安装它们作为插件。例如，要安装对 Gemini 和 Ollama 的支持：
```
llm install llm-gemini
llm install llm-ollama
```
请注意，在“手动模式”下，无需安装任何插件，因为用户可以直接复制和粘贴提示与响应。
**重要**：在使用 LLM 测试已知漏洞时，请确保禁用网络搜索，否则它们可能会访问原始漏洞代码。
# 入门
1. 修改 `keys.sh` 文件以添加 RPC 和 Etherscan 密钥。
2. 选择一个区块编号 `B`，然后执行 `source keys.sh B`
3. 调用 Quimera：
```
quimera TARGET --model gpt-4o --iterations 5
```
你可以使用 `llm models` 来显示可用的模型。
# 运行模式
Quimera 可以使用已部署的合约（通过 Etherscan 获取源代码）或本地模式（基于 Foundry 代码库）工作。要了解如何在本地使用，请查看 [tests/erc4626](tests/erc4626) 目录。它导入了 OpenZepelin ERC4626 金库，并在测试中使用 WETH 实例化。为了使用 Quimera，你必须在 [`test/quimera/QuimeraBase.t.sol`](tests/erc4626/test/quimera/QuimeraBase.t.sol) 中定义一个类似示例的 QuimeraBase 合约。
# 相关工作
[AI Agent Smart Contract Exploit Generation](https://arxiv.org/abs/2507.05558)：一种与 Quimera 非常接近的方法，甚至共享在此处重新发现的某些漏洞。
[PoCo: Agentic Proof-of-Concept Exploit Generation for Smart Contracts](https://arxiv.org/abs/2511.02780)：类似于离线的 Quimera，它基于审计员的注释在 Foundry 中生成 PoC。
[AI agents find $4.6M in blockchain smart contract exploits](https://red.anthropic.com/2025/smart-contracts/)：与 Quimera 类似。它使用 Foundry 测试目标合约，并基于分叉的区块链节点。评估在代理停止调用工具或会话达到 60 分钟超时时结束。
这是一个利用大型语言模型（LLM）逐步发现 Foundry 中智能合约漏洞的漏洞生成器，遵循以下步骤：
1. 获取智能合约的源代码并编写描述漏洞目标的提示（例如，闪电贷后余额应增加）。
2. 要求 LLM 创建或改进一个 Foundry 测试用例，尝试利用该合约。
3. 运行测试，检查交易跟踪，并查看是否获利。
4. 如果获利则停止；否则返回步骤 2，并将失败尝试的跟踪信息提供给 LLM 以帮助其改进。
**当前状态**：这是一个实验性原型。我们仍在研究最佳设置（如合适的温度）、如何编写更好的提示以及该工具的实际能力。以下是迄今为止使用 [Gemini Pro 2.5 06-05](https://blog.google/products/gemini/gemini-2-5-pro-latest-preview/) 重新发现已知漏洞的结果：
| Exploit | Complexity | Comments |
|-----------|------------|----------|
|[APEMAGA](https://github.com/SunWeb3Sec/DeFiHackLabs/blob/dc2cf9e53e9ccaf2eaf9806bad7cd914edefb41b/src/test/2024-06/APEMAGA_exp.sol#L23) | Low | Only one step needed.|
|[VISOR](https://github.com/SunWeb3Sec/DeFiHackLabs/blob/34cce572d25175ca915445f2ce7f7fbbb7cb593b/src/test/2021-12/Visor_exp.sol#L10) | Low | A few steps needed to build the WETH conversion calls, but overall the root cause is identified quickly. |
| [FIRE](https://github.com/SunWeb3Sec/DeFiHackLabs/blob/b3738a7fdffa4b0fc5b34237e70eec2890e54878/src/test/2024-10/FireToken_exp.sol) | Medium | It will first build the sequence of calls to exploit it, and then slowly adjust the amounts until profit is found. |
| [XAI] | Low | A small number of steps needed, as you can see in the demo |
| [Thunder-Loan](https://github.com/Cyfrin/2023-11-Thunder-Loan) | Low | This one is part of a CTF? |
# 演示
# 需求
* 你需要一个 RPC 提供商（例如 Alchemy）和一个 Etherscan API 密钥。两者都有免费选项。
* 一个 LLM 服务，可以是本地（例如 ollama）或远程 LLM 服务（例如 gemini）。**你不需要支付 API 访问费用，特别是如果你使用“手动模式”**
* [Foundry](https://book.getfoundry.sh/)
# 安装
要安装，只需运行：
```
pip3 install git+https://github.com/gustavo-grieco/quimera
```
如果你想使用[不同的 LLM 提供商](https://llm.datasette.io/en/stable/plugins/directory.html#plugin-directory)，你需要安装它们作为插件。例如，要安装对 Gemini 和 Ollama 的支持：
```
llm install llm-gemini
llm install llm-ollama
```
请注意，在“手动模式”下，无需安装任何插件，因为用户可以直接复制和粘贴提示与响应。
**重要**：在使用 LLM 测试已知漏洞时，请确保禁用网络搜索，否则它们可能会访问原始漏洞代码。
# 入门
1. 修改 `keys.sh` 文件以添加 RPC 和 Etherscan 密钥。
2. 选择一个区块编号 `B`，然后执行 `source keys.sh B`
3. 调用 Quimera：
```
quimera TARGET --model gpt-4o --iterations 5
```
你可以使用 `llm models` 来显示可用的模型。
# 运行模式
Quimera 可以使用已部署的合约（通过 Etherscan 获取源代码）或本地模式（基于 Foundry 代码库）工作。要了解如何在本地使用，请查看 [tests/erc4626](tests/erc4626) 目录。它导入了 OpenZepelin ERC4626 金库，并在测试中使用 WETH 实例化。为了使用 Quimera，你必须在 [`test/quimera/QuimeraBase.t.sol`](tests/erc4626/test/quimera/QuimeraBase.t.sol) 中定义一个类似示例的 QuimeraBase 合约。
# 相关工作
[AI Agent Smart Contract Exploit Generation](https://arxiv.org/abs/2507.05558)：一种与 Quimera 非常接近的方法，甚至共享在此处重新发现的某些漏洞。
[PoCo: Agentic Proof-of-Concept Exploit Generation for Smart Contracts](https://arxiv.org/abs/2511.02780)：类似于离线的 Quimera，它基于审计员的注释在 Foundry 中生成 PoC。
[AI agents find $4.6M in blockchain smart contract exploits](https://red.anthropic.com/2025/smart-contracts/)：与 Quimera 类似。它使用 Foundry 测试目标合约，并基于分叉的区块链节点。评估在代理停止调用工具或会话达到 60 分钟超时时结束。标签：APEMAGA, C2, DeFi, DLL 劫持, Drips, FIRE, Flashloan, Foundry, Gemini, LLM, Unmanaged PE, VISOR, 交易追踪, 以太坊, 区块链安全, 大语言模型, 实验原型, 数据驱动, 智能合约, 温度参数, 生成式AI, 索引, 逆向工具, 重测试