Aufbau von MetaMasks KI-gestütztem Sicherheitsauditsystem

Consensys Diligence ist seit Jahren Teil der Sicherheitsgeschichte von MetaMask – mit Engagements wie MetaMask EIP-7715, MetaMask USD und MetaMask Snaps.

Das Snaps-Projekt ist dabei eines der eindrucksvollsten Beispiele dieser langjährigen Zusammenarbeit. Die Prüfer von Diligence haben einige der grundlegenden Sicherheitsressourcen des Ökosystems erarbeitet: das MetaMask Trust Module, den Snaps Security Essentials Guide, der die häufigsten Snap-Schwachstellenkategorien klassifiziert, sowie Snapguardian, ein maßgeschneidertes Tool für automatisierte Sicherheitsanalysen.

Snaps-Engagements gehörten auch zu den ersten Testfeldern, in denen Diligence frühe KI-Automatisierung für Audits einsetzte – zunächst als ChatGPT-Workflows und später als MCP-verbundene Coding-Agenten. Diese frühe Integration bildet das Fundament für das, was als Nächstes kam: Chonky.

Von manuellen Sicherheitsaudits zu Chonky

In der gesamten Sicherheitsbranche verändert KI die Art und Weise, wie Audits durchgeführt werden. Das jahrzehntelange Wissen von Prüfern wird in KI-Workflows kodifiziert, und der Wandel von vollständig manuellen zu KI-gestützten Audits ist in vollem Gange. Diligences Ausdruck dieses Wandels ist Chonky.

Chonky ist die neueste KI-gestützte Audit-Methodik des Teams: ein maßgeschneidertes agentisches Framework mit sicherheitsspezifischen Wissensdatenbanken, audit-kalibrierten Workflows und Issue-Taxonomien – aufgebaut auf acht Jahren Ethereum-Sicherheits-Expertise. Chonky ist sprachagnostisch: nicht an Solidity oder eine einzige Audit-Oberfläche gebunden. Dieselbe Methodik passt sich an große Anwendungs-Codebases, andere Sprachen und zkVMs an.

Mit Erweiterbarkeit als zentralem Designprinzip konzipiert, basiert es auf mehr als 100.000 vergangenen Schwachstellenfunden aus dem weiteren Ethereum-Ökosystem. Der Schlüssel liegt darin, dieses Sicherheitswissen auf das Bedrohungsmodell des Ziels abzubilden und kontextspezifische Hypothesen für die zu prüfende Codebase zu generieren. Chonky weiß, wonach es in einem Wallet wie MetaMask zu suchen gilt, weil Jahre enger Sicherheitspartnerschaft in das Tooling eingeflossen sind. Prüfer steuern den Prozess, und Chonky liefert Kandidaten, die ihre Reichweite und Forschungskapazität erweitern.

In den jüngsten Engagements nutzten die Prüfer von Diligence Chonky für zwei unterschiedliche Anwendungsfälle im MetaMask-Stack: eine umfangreiche Smart-Contract-Integration und ein Snap-Audit.

Breite und Tiefe bei einer Smart-Contract-Integration

Große Codebases erfordern eine bewusste Verteilung von Prüfaufwand und Zeit. Die Prüfer setzten Chonky als Methodik ein, wobei jeder seinen eigenen bevorzugten Ansatz wählte. Dies führte zu zwei komplementären Techniken: Breadth-First-Vulnerability-Mining und Depth-First-Manual-Review.

Vulnerability Mining ist Diligences wichtigste KI-gestützte Prüfmethode, die auf Chonky aufbaut. Der Prüfer passt den Agenten für jedes Engagement an: Er legt fest, wonach gesucht werden soll, wo gesucht werden soll und welche Annahmen getestet werden sollen. Bei diesem Engagement lud der Breadth-First-Prüfer MetaMask-Primer, um Kandidatenfunde aus verschiedenen Blickwinkeln zu ermitteln. Der Agent produziert Kandidaten; der Prüfer triagiert sie, bestätigt, welche real sind, verwirft False Positives und verfeinert den nächsten Durchlauf. Da KI ihre eigenen Schlussfolgerungen noch nicht zuverlässig verifizieren kann, wurde die Triage zu einer der zentralen Prüferfähigkeiten und einem entscheidenden Schritt in der Pipeline.

Das Mining erweiterte auch die Abdeckung über den ursprünglichen Audit-Scope hinaus. False Positives wurden Teil der Bedrohungsmodell-Überprüfung. Selbst wenn ein Kandidatenproblem sich nicht als Finding bestätigt, testet es dennoch die Grenze zwischen beabsichtigter Funktionalität und ausnutzbarem Verhalten. Es lenkt den Prüfer auf die richtigen Sicherheitsfragen.

Der Depth-First-Ansatz wendete Chonkys Workflows anders an. Sie wurden im Vorfeld eingesetzt, um ein tiefes kontextuelles Verständnis der Integrations-Codebase aufzubauen. Auf dieser Grundlage gingen die Prüfer tiefenorientiert in die Komponenten vor, die sie als das höchste Risiko eingestuft hatten. In jedem Fall wählte der Prüfer den Ansatz, der seine Reichweite am besten skalieren würde.

Audit-Findings in den Entwickler-Workflow integrieren

Bei einem zweiten Engagement wurde Chonky auf einen neuen MetaMask Snap angewendet: ein institutionelles TypeScript-Repository. Die lange Geschichte der Snap-Audits steckt nun im Tooling. Was sich verändert hat, ist die Geschwindigkeit. Chonky läuft jetzt mit Primern, die speziell auf das Snaps-Framework abgestimmt sind, mit einem Scoping, das auf deren wiederkehrende Verhaltensweisen kalibriert ist.

In diesem Fall wurde die Triage auf MetaMasks Seite verlagert. Die Prüfer von Diligence führten ein Audit der Snap-Codebase durch, formten dessen Output in einer entwicklerinteraktiven, maßgeschneiderten Oberfläche und bauten einen Triage-Workflow, der in MetaMasks GitHub-Umgebung integriert ist. Das MetaMask-Team konnte Findings innerhalb seines bestehenden Entwicklungsprozesses prüfen und darauf reagieren.

Diligences tiefe Vertrautheit mit dem Snaps-Ökosystem, kombiniert mit Chonkys erweiterbarem Stack, ermöglichte es, den Audit-Output direkt in MetaMasks Review-Flow einzubinden. Derselbe Ansatz geht über Snaps hinaus und gilt für jedes Team mit einem etablierten Entwicklungs-Workflow.

Eine Methodik, die mit jedem Engagement schärfer wird

Codebases werden größer. Angriffsflächen weiten sich aus. Die Rolle des Prüfers verändert sich: Eine neue Ebene wurde hinzugefügt – die Triage-Phase –, in der das Urteilsvermögen des Prüfers die Sicherheitsarbeit trägt.

Das Ergebnis ist ein Prüfprozess, der über das bloße Richten einer KI auf eine Codebase hinausgeht. Es ist Arbeit, die Winkel erreicht, die ein manuelles Review in der verfügbaren Zeit nicht hätte abdecken können. Jedes Engagement trainiert die Methodik weiter: Triage-Feedback schärft Chonkys Wissensbasis im Laufe der Zeit, reduziert False Positives und erhöht die Erkennungsgenauigkeit.

Für MetaMask bedeutet das, dass dieselbe Methodik sich durch den gesamten Software-Stack bewegen kann: Smart Contracts, Snaps und andere Angriffsflächen, die von einem Sicherheitspartner geprüft werden, der bereits mit der Architektur vertraut ist.

Die gemeinsame Verantwortung für die Sicherung des Ökosystems ist von entscheidender Bedeutung und entspricht dem Geist der Dezentralisierungsprinzipien, die Web3 so am Herzen liegen. Consensys Diligence ist stolz darauf, gemeinsam mit dem MetaMask-Team auf dieses Ziel hinzuarbeiten.