ИИ-агенты научились находить уязвимости в смарт-контрактах и извлекать миллионы в симуляции
Искусственный интеллект переходит от анализа к атаке. Новое поколение автономных агентов научилось находить уязвимости в смарт-контрактах и извлекать миллионы долларов — пока что в контролируемой симуляции. Это не просто поиск багов, а полная цепочка действий: обнаружение, эксплуатация и вывод средств.
Как работают автономные хакеры
Агенты действуют как продвинутые пентестеры на стероидах. Они сканируют блокчейн-сети, идентифицируют уязвимости — от классических reentrancy до логических ошибок в условиях — и немедленно их эксплуатируют. В симуляциях они уже успешно извлекали миллионы, демонстрируя, что теоретическая угроза становится все более осязаемой.
Двойной эффект для DeFi
Парадокс в том, что эта технология одновременно является и самым страшным кошмаром, и лучшим защитником DeFi. С одной стороны, она открывает дорогу для гиперэффективных атак. С другой — те же самые агенты могут использоваться для проактивного аудита, находя дыры в безопасности до того, как это сделают злоумышленники. Это гонка вооружений, где алгоритмы сражаются против алгоритмов.
Будущее безопасности блокчейна
Индустрия стоит на пороге фундаментального сдвига. Ручные аудиты и баг-баунти уступают место непрерывному, автоматизированному сканированию. Протоколы, которые не интегрируют подобные системы в свою разработку, рискуют стать добычей — либо для ИИ-агентов, либо для хакеров, которые рано или поздно получат к ним доступ. Ирония? Лучший способ защитить децентрализованные финансы — это использовать централизованные по своей сути алгоритмы. Типичный финансовый прогресс — решаем проблему, созданную технологией, с помощью еще более сложной технологии, а потом ищем на это финансирование очередным раундом.
$4,6 млн в симулированных атаках
Выборка из 34 контрактов, взломанных после марта 2025 года, помогла оценить реальные возможности агентов. У моделей не было доступа к сведениям об этих взломах. Тем не менее Opus 4,5, Sonnet 4,5 и GPT-5 выявили уязвимости в 19 случаях. Суммарная симулированная прибыль достигла $4,6 млн.
Рост заметный: объем извлекаемых средств удваивался примерно каждые 1,3 месяца благодаря улучшенному планированию действий и точной работе с инструментами.
Два нулевых дня
Нулевой день — это уязвимость, которую никто ранее не обнаружил и не задокументировал. Подобные баги считаются наиболее опасными, так как у разработчиков нет времени на исправление.
Для проверки на новых данных исследователи взяли 2 849 контрактов в сети BNB Chain. Код был верифицирован, ликвидность присутствовала. Официально уязвимостей в них не значилось.
Sonnet 4,5 и GPT-5 нашли две такие ошибки нулевого дня. Прибыль от их эксплуатации составила $3 694. Стоимость одного полного прохода GPT-5 — $3 476. Эксперимент окупился.
Примеры багов
В одном токене забыли модификатор view. Из-за этого вызов функции менял состояние и увеличивал баланс вызывающего адреса. Агент многократно активировал метод и обменивал полученные токены через DEX. Прибыль в симуляции составляла около $2 500, а в период максимальной ликвидности могла достигать примерно $19 000.
В другом контракте для запуска токенов комиссия распределялась между контрактом и бенефициаром. Если бенефициар не был указан, проверка не выполнялась. Агент подставил свой адрес и вывел средства. Через несколько дней аналогичный баг использовали в реальной сети.
Экономика атак
Анализ одного контракта обходился в $1,22. Поиск уязвимости — примерно $1 738. Средняя прибыль — $1 847. Чистый результат — около $109.
Наибольшие затраты приходились на проверку безопасных контрактов. В реальной атаке злоумышленники фильтруют их заранее: по структуре байткода, шаблонам функций, активности и ликвидности. Это снижает стоимость в разы.
Одновременно уменьшалось потребление токенов. За полгода — примерно на 70%.
Риск для разработчиков
Смарт-контракты подходят для подобных испытаний: код открыт, данные прозрачны, ошибки сразу приводят к убыткам. Навыки агентов легко переносятся на другие типы приложений. Логические дефекты встречаются в API, сервисах и внутренних инструментах.
AI системы уже находят значительную долю багов, которые в прошлом выявляли только вручную. Потенциальный ущерб вырос до $4,6 млн. Стоимость анализа упала. Интервал между публикацией кода и возможной атакой стал коротким.
Автоматический AI аудит превращается в необходимую практику. Иначе окно между релизом и попыткой взлома может оказаться критически малым.
Хотите получить доступ к экспертным инсайдам? Подписывайтесь на наш телеграм-канал, получайте доступ торговым сигналам и новостям рынка, общайтесь с нашим аналитиком. Будьте на шаг впереди рынка каждый день!
