Irene Basaglia 是 Consensys Diligence 的技術寫作者與內容策略師，她在該公司建立了內容職能，並協助將安全研究成果推廣至更廣泛的以太坊社群。她專注於審計方法論、AI 輔助程式碼審查，以及讓協議團隊與開發者能夠輕鬆理解技術安全工作。她曾擔任以太坊協議研究員（第六屆），為以太坊共識客戶端之一 Lodestar 的測試框架做出貢獻，並積極輔導科技與 Web3 領域中代表性不足的聲音。
閱讀所有文章
Consensys Diligence 多年來一直是 MetaMask 安全體系的重要組成部分，合作項目包括 MetaMask EIP-7715、MetaMask USD 以及 MetaMask Snaps。
其中 Snaps 項目是這段長期合作中最具代表性的案例之一。Diligence 的審計人員為整個生態系統奠定了多項核心安全資源：MetaMask Trust Module、Snaps 安全基礎指南（該指南對最常見的 Snap 漏洞類型進行了系統分類），以及專為自動化安全分析打造的客製化工具 Snapguardian。
Snaps 的相關合作也是 Diligence 最早將 AI 自動化應用於審計工作的試驗場——起初是 ChatGPT 工作流程，後來演進為連接 MCP 的程式碼代理。這段早期整合經驗，正是 Chonky 誕生的基石。
從人工安全審計到 Chonky
在整個安全產業中，AI 正在改變審計的運作方式。數十年來審計人員積累的知識正被系統化地轉化為 AI 工作流程，從全人工審計轉向 AI 輔助審計的趨勢已然成形。Diligence 對這一轉變的具體實踐，就是 Chonky。
Chonky 是團隊最新的 AI 增強審計方法論：一套客製化的代理框架，內建安全領域專屬知識庫、針對審計校準的工作流程，以及問題分類體系，建立在八年以太坊安全專業積累之上。Chonky 不受語言限制，不綁定於 Solidity 或任何單一審計範疇，同樣的方法論可靈活適應大型應用程式碼庫、其他程式語言以及 zkVM。
Chonky 以「可擴展性優先」作為核心設計原則，建立在以太坊更廣泛生態系統中超過 10 萬筆歷史漏洞發現的基礎之上。關鍵在於將這些安全知識對應到目標的威脅模型，並針對受審程式碼庫生成具體情境的假設。Chonky 之所以知道在 MetaMask 這樣的錢包中該關注什麼，正是因為多年緊密的安全合作夥伴關係已深植於工具之中。審計人員主導整個流程，而 Chonky 則負責浮現候選問題，延伸他們的覆蓋範圍與研究能量。
在最新一輪合作中，Diligence 的審計人員針對 MetaMask 技術堆疊的兩個不同使用情境運用了 Chonky：一個大型智能合約整合項目，以及一次 Snap 審計。
在智能合約整合中廣度探索與深度鑽研並行
大型程式碼庫需要審慎分配審查精力與時間。審計人員以 Chonky 作為方法論，各自選擇偏好的方式進行，由此產生了兩種互補的技術路徑：廣度優先的漏洞挖掘，以及深度優先的人工審查。
漏洞挖掘是 Diligence 以 Chonky 為基礎打造的主要 AI 增強審查方法。審計人員針對每次合作對代理進行客製化設定：定義搜尋目標、確定審查範圍，以及測試哪些假設。在此次合作中，負責廣度優先的審計人員載入了 MetaMask 背景資料，從不同視角浮現候選發現。代理產出候選問題後，審計人員進行分類篩選，確認真實問題、排除誤報，並優化下一輪搜尋。由於 AI 目前尚無法可靠地驗證自身結論，分類篩選成為審計人員的核心技能之一，也是整個流程中不可或缺的關鍵步驟。
漏洞挖掘還將覆蓋範圍延伸至原始審計範疇之外。誤報也成為威脅模型審查的一部分。即便某個候選問題最終未能成立，它仍然在測試預期功能與可被利用行為之間的邊界，推動審計人員提出更精準的安全問題。
深度優先的方法則以不同方式運用 Chonky 的工作流程。這些工作流程在前期用於建立對整合程式碼庫的深度情境理解，在此基礎上，審計人員再深入鑽研他們標記為最高風險的元件。在每種情況下，審計人員都選擇最能擴展自身覆蓋能力的方式。
將審計發現整合進開發者的工作流程
在第二次合作中，Chonky 被應用於一個全新的 MetaMask Snap：一個 TypeScript 機構級程式碼庫。長期積累的 Snap 審計歷史如今已內建於工具之中，而改變的是速度。Chonky 現在以專為 Snaps 框架調校的背景資料運行，範疇設定也針對其反覆出現的行為模式進行了校準。
在此案例中，分類篩選工作移交至 MetaMask 端進行。Diligence 的審計人員完成 Snap 程式碼庫的審計後，透過開發者互動式客製化介面呈現輸出結果，並建立了整合至 MetaMask GitHub 環境的分類篩選工作流程。MetaMask 團隊可以在既有的開發流程中直接審閱並回應審計發現。
Diligence 對 Snaps 生態系統的深度熟悉，加上 Chonky 可擴展的技術堆疊，使審計輸出得以直接接入 MetaMask 的審查流程。這套方法不僅適用於 Snaps，同樣可延伸至任何擁有成熟開發工作流程的團隊。
每次合作都讓方法論更加精準
程式碼庫規模持續擴大，威脅面不斷延伸。審計人員的角色也在轉變：新增了一個分類篩選階段，審計人員的判斷力在此承擔著安全工作的核心責任。
最終形成的審查流程，遠不止於將 AI 指向一個程式碼庫那麼簡單。這是一項能夠觸及人工審查在有限時間內無法覆蓋之角落的工作。每次合作都進一步訓練這套方法論：分類篩選的回饋隨時間推移持續優化 Chonky 的知識庫，降低誤報率，提升偵測精準度。
對 MetaMask 而言，這意味著同一套方法論可以跨越整個軟體堆疊靈活運用：智能合約、Snaps，以及其他由已熟悉其架構的安全合作夥伴審查的範疇。
共同承擔保護生態系統的責任至關重要，這也體現了 Web3 所珍視的去中心化精神。Consensys Diligence 很榮幸能與 MetaMask 團隊攜手朝這個目標共同邁進。
AI 翻譯。可能包含錯誤。請務必核實資訊。
