Développement du système d'audit de sécurité alimenté par l'IA de MetaMask

Consensys Diligence fait partie de l'histoire de la sécurité de MetaMask depuis des années, avec des missions incluant MetaMask EIP-7715, MetaMask USD et MetaMask Snaps.

Le projet Snaps est particulièrement l'un des exemples les plus marquants de cette collaboration de longue date. Les auditeurs de Diligence ont produit plusieurs des ressources de sécurité fondamentales de l'écosystème : le MetaMask Trust Module, le Snaps Security Essentials Guide, qui a classifié les catégories de vulnérabilités les plus courantes des Snaps, ainsi que Snapguardian, un outil sur mesure pour l'analyse de sécurité automatisée.

Les missions liées aux Snaps ont également été parmi les premiers terrains d'expérimentation où Diligence a appliqué une automatisation IA précoce pour les audits, d'abord sous forme de workflows ChatGPT, puis sous forme d'agents de codage connectés via MCP. Cette intégration initiale constitue le fondement de ce qui a suivi : Chonky.

Des audits de sécurité manuels à Chonky

Dans l'ensemble du secteur de la sécurité, l'IA transforme la façon dont les audits fonctionnent. Des décennies de savoir-faire des auditeurs sont en train d'être codifiées dans des workflows IA, et le passage d'un audit entièrement manuel à un audit basé sur l'IA est en cours. L'expression de cette évolution par Diligence, c'est Chonky.

Chonky est la dernière méthodologie d'audit augmentée par l'IA de l'équipe : un dispositif agentique personnalisé, doté de bases de connaissances spécifiques à la sécurité, de workflows calibrés pour l'audit et de taxonomies de problèmes, construit sur huit ans d'expertise en sécurité Ethereum. Chonky est agnostique en termes de langage : il n'est pas lié à Solidity ni à aucune surface d'audit particulière. La même méthodologie s'adapte aux grandes bases de code applicatives, à d'autres langages et aux zkVMs.

Conçu avec l'extensibilité comme principe de conception fondamental, il repose sur plus de 100 000 résultats de vulnérabilités passées issus de l'écosystème Ethereum au sens large. L'essentiel consiste à associer ces connaissances en matière de sécurité au modèle de menace de la cible, et à générer des hypothèses contextuelles spécifiques pour la base de code examinée. Chonky sait ce qu'il faut rechercher dans un wallet comme MetaMask, car des années de partenariat étroit en matière de sécurité sont intégrées dans l'outillage. Les auditeurs pilotent le processus, et Chonky fait remonter des candidats qui étendent leur portée et leur capacité de recherche.

Au fil des dernières missions, les auditeurs de Diligence ont utilisé Chonky pour deux cas d'usage distincts sur la stack de MetaMask : une intégration de smart contract de grande envergure et un audit de Snap.

Aller en largeur et en profondeur sur une intégration de smart contract

Les grandes bases de code nécessitent une allocation délibérée des efforts et du temps de revue. Les auditeurs ont appliqué Chonky comme méthodologie, chacun choisissant l'approche qui lui convenait le mieux. Cela a donné naissance à deux techniques complémentaires : la recherche de vulnérabilités en largeur (breadth-first) et la revue manuelle en profondeur (depth-first).

La recherche de vulnérabilités est la principale méthode de revue augmentée par l'IA de Diligence, construite sur Chonky. L'auditeur personnalise l'agent pour chaque mission : en définissant ce qu'il faut rechercher, où chercher et quelles hypothèses tester. Dans le cadre de cette mission, l'auditeur en mode breadth-first a chargé des amorces MetaMask pour faire remonter des résultats candidats sous différents angles. L'agent produit des candidats ; l'auditeur les trie, confirmant lesquels sont réels, écartant les faux positifs et affinant la passe suivante. Étant donné que l'IA ne peut pas encore vérifier de manière fiable ses propres conclusions, le triage est devenu l'une des compétences clés de l'auditeur et une étape cruciale dans le pipeline.

La recherche a également étendu la couverture au-delà du périmètre d'audit initial. Les faux positifs sont devenus une partie intégrante de la revue du modèle de menace. Même lorsqu'un problème candidat ne se confirme pas comme un résultat, il teste tout de même la frontière entre la fonctionnalité prévue et le comportement exploitable. Il pousse l'auditeur vers les bonnes questions de sécurité.

L'approche depth-first a appliqué les workflows de Chonky différemment. Ils ont été utilisés en amont pour construire une compréhension contextuelle approfondie de la base de code d'intégration. À partir de cette base, les auditeurs ont procédé en profondeur sur les composants qu'ils avaient identifiés comme présentant le risque le plus élevé. Dans chaque cas, l'auditeur a choisi l'approche qui lui permettrait d'étendre sa portée.

Intégrer les résultats d'audit dans le workflow d'un développeur

Dans le cadre d'une deuxième mission, Chonky a été appliqué à un nouveau MetaMask Snap : un dépôt institutionnel TypeScript. Le long historique des audits de Snaps est désormais intégré dans l'outillage. Ce qui a changé, c'est la vitesse. Chonky fonctionne désormais avec des amorces spécifiquement calibrées pour le framework Snaps, avec un périmètre ajusté à leurs comportements récurrents.

Dans ce cas, le triage a été transféré du côté de MetaMask. Les auditeurs de Diligence ont réalisé un audit de la base de code du Snap, ont structuré ses résultats dans une interface personnalisée interactive pour les développeurs, et ont construit un workflow de triage intégré dans l'environnement GitHub de MetaMask. L'équipe de MetaMask pouvait examiner les résultats et y répondre au sein de son processus de développement existant.

La connaissance approfondie de l'écosystème Snaps par Diligence, combinée à la stack extensible de Chonky, a permis aux résultats de l'audit de s'intégrer directement dans le flux de revue de MetaMask. Cette même approche va au-delà des Snaps et s'applique à toute équipe disposant d'un workflow de développement établi.

Une méthodologie qui s'affine à chaque mission

Les bases de code grossissent. Les surfaces de menace s'élargissent. Le rôle de l'auditeur évolue : une nouvelle couche a été ajoutée, la phase de triage, où le jugement de l'auditeur porte le travail de sécurité.

Le résultat est un processus de revue qui va au-delà du simple fait de pointer une IA sur une base de code. C'est un travail qui atteint des angles qu'une revue manuelle n'aurait pas pu couvrir dans le temps imparti. Chaque mission affine davantage la méthodologie : les retours du triage aiguisent la base de connaissances de Chonky au fil du temps, réduisant les faux positifs et augmentant la précision de détection.

Pour MetaMask, cela signifie que la même méthodologie peut se déplacer sur l'ensemble de la stack logicielle : smart contracts, Snaps et autres surfaces examinées par un partenaire de sécurité déjà familier avec l'architecture.

Le partage de la responsabilité de sécurisation de l'écosystème est essentiel et s'inscrit dans l'esprit des principes de décentralisation chers au web3. Consensys Diligence est fier de travailler vers cet objectif aux côtés de l'équipe MetaMask.