以太坊基金会披露，其协议安全团队在一项由 AI 代理参与的审计中，发现并修复了一个验证者崩溃漏洞。研究员 Nikos Baxevanis 在 7 月 9 日发布���现场记录中介绍了这次测试过程，重点不只是漏洞本身，更是 AI 参与协议安全审查时暴露出的能力边界。
真正困难不在找漏洞，而在识别误报
Baxevanis 表示，这项工作的主要难点并不是发现全新缺陷，而是区分哪些问题真实存在，哪些只是表面上讲得通。与传统模糊测试不同，后者通常会给出崩溃日志或堆栈跟踪，AI 代理生成的是一整套看上去很完整的叙述，包括调用链、严重性评级，甚至可运行的代码样例。问题在于，这类输出即使对应的漏洞并不存在，也可能显得非常可信。
团队指出，最耗费人力的环节，就是从这些混杂着真实问题与“想象性问题”的结果中做筛选。部分反复出现的误报已经被归类，例如只会在测试环境触发的崩溃、只有人工插入特定数值后才能成立的攻击路径，以及在形式上有效、但现实中没有利用意义的证明结果。
AI难以识别多步骤组合型攻击
以太坊基金会还提到，AI 代理对另一类风险识别能力不足：多个单独看来都合法的动作，组合后却形成危险路径。这正是近年一些高价值 DeFi 攻击中常见的手法。也就是说，AI 可以扩大扫描覆盖面，却未必能准确判断链上行为在连续执行后的真实影响。
基于这次实验，团队目前将 AI 代理更多用于提出“哪些场景值得继续测试”的建议，至于是否构成真实漏洞、是否需要披露，仍由人工研究人员负责。这个分工已经相当明确。机器负责提案，人类负责裁定。
基金会称将继续采用AI辅助验证
这项实验也是以太坊基金会更大范围安全策略调整的一部分。文章提到，在今年早些时候经历较大规模裁员后，基金会计划更依赖 AI 辅助验证，但同时强调人工监督仍是必需环节。协议安全团队的判断是，模型确实能加快覆盖速度，可哪些发现算得上真正漏洞，最终仍要靠人的专业判断。
文中还将这一路径与 Anthropic、Cloudflare 的相关实践作对比。这些机构同样已把 AI 代理引入安全研究，用来放大漏洞挖掘能力，但最后的解释、判断和处置责任并没有交给模型。
以太坊于 2015 年上线，是面向去中心化应用的开源区块链网络。以太坊���金会则是支持以太坊及相关技术发展的非营利组织，安全一直是其核心工作之一。此次公开的经验显示，AI 已经进入协议安全流程，但在漏洞确认这一步，人工审核仍处在最后一道关口。