Создание системы аудита безопасности MetaMask на базе ИИ

Consensys Diligence является частью истории безопасности MetaMask на протяжении многих лет: в рамках сотрудничества проводились аудиты MetaMask EIP-7715, MetaMask USD и MetaMask Snaps.

Проект Snaps — один из наиболее показательных примеров этого долгосрочного сотрудничества. Аудиторы Diligence создали ряд основополагающих ресурсов по безопасности экосистемы: MetaMask Trust Module, Snaps Security Essentials Guide — руководство, классифицирующее наиболее распространённые категории уязвимостей Snap, — а также Snapguardian, специализированный инструмент для автоматизированного анализа безопасности.

Работа со Snaps также стала одной из первых площадок, где Diligence применила раннюю AI-автоматизацию для аудита: сначала в виде рабочих процессов на базе ChatGPT, а затем — агентов программирования с подключением через MCP. Эта ранняя интеграция стала фундаментом для следующего шага — Chonky.

От ручных аудитов безопасности к Chonky

В индустрии безопасности искусственный интеллект меняет подход к проведению аудитов. Накопленные за десятилетия знания аудиторов кодифицируются в AI-рабочие процессы, и переход от полностью ручного к AI-аудиту уже идёт полным ходом. Воплощением этого перехода в Diligence стал Chonky.

Chonky — это новейшая AI-усиленная методология аудита команды: кастомизированный агентный фреймворк с наборами знаний в области безопасности, рабочими процессами, откалиброванными под аудит, и таксономиями проблем, построенный на восьмилетней экспертизе в области безопасности Ethereum. Chonky не привязан к конкретному языку: он не ограничен Solidity или какой-либо одной поверхностью аудита. Одна и та же методология адаптируется к крупным кодовым базам приложений, другим языкам и zkVM.

Созданный с принципом «расширяемость прежде всего» в качестве ключевого принципа проектирования, он опирается на более чем 100 тысяч исторических находок уязвимостей из широкой экосистемы Ethereum. Ключевым является сопоставление этих знаний в области безопасности с моделью угроз целевого объекта и генерация контекстно-специфических гипотез для проверяемой кодовой базы. Chonky знает, что искать в кошельке вроде MetaMask, потому что годы тесного партнёрства в области безопасности встроены в инструментарий. Аудиторы управляют процессом, а Chonky выявляет кандидатов, расширяя их охват и исследовательские возможности.

В рамках последних проектов аудиторы Diligence использовали Chonky для двух различных сценариев в стеке MetaMask: аудита крупной интеграции смарт-контрактов и аудита Snap.

Широкий и глубокий охват при аудите интеграции смарт-контрактов

Крупные кодовые базы требуют осознанного распределения усилий и времени на проверку. Аудиторы применяли Chonky как методологию, каждый выбирая предпочтительный подход. Это породило две взаимодополняющие техники: поиск уязвимостей по принципу «в ширину» и ручная проверка по принципу «в глубину».

Поиск уязвимостей — основной AI-усиленный метод проверки Diligence, построенный поверх Chonky. Аудитор кастомизирует агента под каждый проект: определяет, что искать, где смотреть и какие допущения проверять. В данном проекте аудитор, работавший по принципу «в ширину», загрузил материалы по MetaMask, чтобы выявить потенциальные находки с разных точек зрения. Агент формирует кандидатов; аудитор проводит их триаж, подтверждая реальные находки, отбрасывая ложные срабатывания и уточняя следующий проход. Поскольку AI пока не может надёжно верифицировать собственные выводы, триаж стал одним из ключевых навыков аудитора и критически важным этапом в процессе.

Поиск также расширил охват за пределы исходной области аудита. Ложные срабатывания превратились в часть проверки модели угроз. Даже если кандидат-проблема не подтверждается как находка, она всё равно проверяет границу между предусмотренной функциональностью и эксплуатируемым поведением. Это подталкивает аудитора к правильным вопросам безопасности.

Подход «в глубину» применял рабочие процессы Chonky иначе. Они использовались на начальном этапе для формирования глубокого контекстного понимания кодовой базы интеграции. Опираясь на этот фундамент, аудиторы углублялись в компоненты, которые они отметили как наиболее рискованные. В каждом случае аудитор выбирал подход, позволяющий максимально расширить охват.

Интеграция результатов аудита в рабочий процесс разработчика

В рамках второго проекта Chonky был применён к новому MetaMask Snap: TypeScript-репозиторию для институциональных пользователей. Многолетняя история аудитов Snap теперь встроена в инструментарий. Изменилась скорость. Chonky теперь работает с материалами, специально настроенными под фреймворк Snaps, с областью охвата, откалиброванной под их повторяющиеся паттерны поведения.

В данном случае триаж перешёл на сторону MetaMask. Аудиторы Diligence провели аудит кодовой базы Snap, оформили его результаты в интерактивном для разработчиков кастомном интерфейсе и создали рабочий процесс триажа, интегрированный в среду GitHub MetaMask. Команда MetaMask могла просматривать находки и реагировать на них в рамках своего существующего процесса разработки.

Глубокое знакомство Diligence с экосистемой Snaps в сочетании с расширяемым стеком Chonky позволило напрямую интегрировать результаты аудита в процесс проверки MetaMask. Этот же подход выходит за рамки Snaps и применим к любой команде с устоявшимся рабочим процессом разработки.

Методология, которая совершенствуется с каждым проектом

Кодовые базы становятся всё больше. Поверхности угроз расширяются. Роль аудитора меняется: добавился новый уровень — фаза триажа, где суждение аудитора определяет качество работы по безопасности.

Результатом является процесс проверки, выходящий за рамки простого применения AI к кодовой базе. Это работа, охватывающая углы, которые ручная проверка не смогла бы покрыть за отведённое время. Каждый проект дополнительно обучает методологию: обратная связь по триажу со временем совершенствует базу знаний Chonky, снижая количество ложных срабатываний и повышая точность обнаружения.

Для MetaMask это означает, что одна и та же методология может применяться ко всему программному стеку: смарт-контрактам, Snaps и другим поверхностям, проверяемым партнёром по безопасности, уже знакомым с архитектурой.

Разделение ответственности за безопасность экосистемы имеет первостепенное значение и соответствует принципам децентрализации, которые дороги web3. Consensys Diligence гордится тем, что работает над достижением этой цели совместно с командой MetaMask.