CHA:ChatGPT的Web3.0安全審計藝術：有點東西，但不完全有_GPT

2022?年?11?月，OpenAI?推出了創新的人工智能項目。

除了可用于進行文章的撰寫和總結、笑話和詩歌的創作以外，ChatGPT?還可以用來調試和生成代碼。

2022?年全年，Web3.0??領域因黑客攻擊和欺詐等事件造成的資產損失超過了?37?億美元，這樣巨額損失不禁讓業內人思考：如?ChatGPT?這樣的新技術是否可以用以改善智能合約代碼的安全性。

ZKasino?是一個去中心化的平臺，近期通過?ChatGPT?進行了一次預審計。

ZKasino?希望在?CertiK?開展全面審計的同時，讓?CertiK?為?ChatGPT?所得出的結果進行一個初步的審查，以測試?ChatGPT?作為?AI「智能合約審計師」的能力。

那么?ChatGPT?的測試結果如何呢？

其是否已經準備好接替人工代碼審計專家的工作？

或者說它仍不足以完全替代人工？

Chainlink質押協議v0.1池社區質押配額已滿，且已向一般用戶開放:12月9日消息，據官方推特，Chainlink質押協議v0.1池的社區質押配額現已達到上限（2250萬枚LINK）。另外，該池已面向一般用戶開放。

此前12月7日消息，Chainlink宣布其質押協議v0.1測試版已上線以太坊主網，計劃于北京時間12月9日1:00全面開放。[2022/12/9 21:33:09]

2022?年?12?月?23?日，ZKasino「聘請」了?ChatGPT?來識別智能合約中潛在的安全風險。該工具也的確提出了幾個表面上聽起來很合理的風險擔憂。

然而，盡管?ChatGPT?不可否認地為Web3.0?安全社區提供了一些有價值的服務，但是我們發現其仍有相當大的改進空間——ChatGPT?遺漏了一些嚴重或關鍵性的漏洞，同時又「誤傷」了那些沒問題的代碼。在此，我們希望?CertiK?安全專家的深度數據和建議能夠助力?ChatGPT?成為一個更強大的Web3.0?應用安全工具。

以太坊JavaScript庫Ethers.js獲Chainlink社區贈款資助:以太坊JavaScript庫Ethers.js獲Chainlink Community Grant資助，將通過輔助包擴展到其他基于EVM的區塊鏈。Chainlink表示，增加對其他基于EVM的區塊鏈網絡的支持將使Ethers.js能夠進一步簡化Web3應用程序的開發和部署。作為資助的一部分，Ethers.js將創建一個專門用于OKExChain的輔助包，并額外支持Chainlink預言機。此外，Ethers.js還將創建明確的指引文檔，讓外部區塊鏈可以創建自己的輔助包，從而使得Ethers.js可以支持其EVM鏈以方便Web3開發人員開發混合智能合約應用程序。[2021/8/21 22:27:48]

下文，我們將為大家詳細介紹此次事件中?ChatGPT?的兩類錯誤發現。

ChatGPT?發現了合約中的哪些問題？

ChatGPT?遺漏了什么

ChatGPT?提到了在許多智能合約實現中都會存在的幾個常見安全問題。

SUN Network（DAppChain）區塊高度突破700萬:5月27日，根據SUN Network（DAppChain）最新數據顯示，區塊高度達到7142442，突破700萬。Sun Network計劃是為繁榮波場主網生態而生的擴容計劃, 包含智能合約應用側鏈(DAppChain), 跨鏈通訊等一些列擴容項目。其中DAppChain為波場智能合約相關的側鏈擴容項目，著重以可定制化方式，實現DApp以極低Energy消耗、高安全、高效率地上鏈運行，為波場主網提供無限擴容的能力, 為后續日益增長的交易數量提供支持。[2020/5/27]

但是，它未能識別某些嚴重的風險，包括：

項目特定的邏輯漏洞

不準確的數學計算和統計模型

代碼實現和項目設計的不一致

漏洞#1?：項目特定的邏輯問題

ChatGPT?未能識別出一個關鍵漏洞，該漏洞會導致攻擊者可以不斷地贏取并耗盡?Bankroll?合約中用戶的資金。玩家可以通過調用可驗證隨機函數加入游戲，Chainlink?的?VRF?會使用隨機數觸發?fulfillRandomWords()函數以完成游戲。

現場 | ChainUP Japan CEO 鄭天宇：中國在大力發展區塊鏈:金色財經現場報道，12月16日，IFIC全球金融科技創新峰會·東京站正式開幕。ChainUP Japan CEO 鄭天宇在演講中表示，中國在大力發展區塊鏈，海南已經大力推動區塊鏈的發展，發布了“鏈上海南”的項目。深圳市用區塊鏈技術的銀行達到了30個銀行、488個分支機構和2315個公司等。作為區塊鏈技術服務商，ChainUP在全球化進程中，在新加坡總部之外已建立東京辦公室，將全球經驗和產品進一步應用于本地化發展，為更多優質企業提供技術服務與支持。在區塊鏈技術方面，ChainUP日本公司將適應日本的本地化監管，為日本區塊鏈技術和數字經濟產業的發展助力。[2019/12/16]

ZKasino?的代碼允許用戶在?fulfillRandomWords()?調用失敗的情況下將資金取回。

在?CertiK?對同一智能合約代碼的審查中，發現了一個潛在且有害的_transferPayout()調用，該函數被設計為可將贏取的資金轉移至玩家的賬戶。

動態 | Chainalysis調查顯示大約有379萬個比特幣已經徹丟失:根據來自Chainalysis的最新研究，可能有287—379萬區間的比特幣已經永遠消失了。這相當于現存比特幣總量的17-23%。（根據今天的估值，至少丟失了200億美元）如果屬實，這對于整個比特幣的估值都有重要影響。而造成丟失的主要原因是私鑰丟失，而丟失的那些幣主要是在2009年和2010年被挖出的比特幣。[2018/8/30]

然而攻擊者可以在輸了的時候調用_transferPayout()使其回滾，導致整個?fulfillRandomWords()調用失敗——這會使其進入長為?100?個區塊的等待期，繼而觸發?CoinFlip_Refund()進行退款，這意味著攻擊者相當于永遠不會輸錢。

雖然?ChatGPT?認識到了調用失敗的問題，但卻未能發現在這個項目中利用調用失敗的攻擊手法。

因此，ChatGPT?沒有發現該漏洞與項目邏輯相結合所產生的影響。有關具體攻擊流程的描述，請參閱?ZKasino?的完整審計報告。

漏洞#2?：不準確的數學計算和統計模型

確保滿足合理預期的隨機性和結果在任何游戲項目中都至關重要。為了證實這一點，需要在審計過程中對所有游戲結果的隨機性進行全面評估。

盡管?ChatGPT?同樣「認同」這一點的重要性，但它并未發現任何不公平的游戲結果。它提出了?VRF?的使用，以及如果?VRF?合約被破壞或被操縱，可能會出現不公平的結果：

“如果?VRF?合約不安全或被操縱，則可能會導致游戲出現不公平的結果。”

然而，這個結論僅僅只是一個結論，并沒有真正解決導致游戲結果不公平的根本原因。而且我們在審計過程中也發現了一些關于隨機性的潛在風險問題。

不公平的隨機性

發現的其中一個關于隨機性的中等級別風險是?VideoPoker?游戲中不公平的隨機數使用問題，玩家獲得某些牌的機會較少。

小數截斷

另一個風險問題是在骰子類游戲中發現的，它允許玩家選擇特定的倍數來使他們的預期收益最大化。

漏洞#3?：代碼實現和項目設計的不一致

ChatGPT?往往能夠理解單一函數的實現，卻無法理解這樣寫的根本原因。

例如，它可能了解某個函數在技術層面是怎樣執行的，但他無法理解在整個智能合約中，該函數有著什么樣的目的。

為了確保?ChatGPT?在編碼中不出問題，它需要更好地理解智能合約的代碼邏輯。

就目前的情況而言，ChatGPT?提供的是對代碼的表面閱讀。為了使其審計工作和水平更上一層樓，它必須學會從一個函數反向推導出其初始邏輯——這點非常重要。

不正確的輸入驗證

我們在?Plinko?合約中發現了一個輸入驗證問題，導致倍數設置不正確。

根據?ZKasino?的說法，Plinko?中使用的行數應該是?8?到?16?。但是，由于以下檢查中的錯誤，Bankroll?合約所有者可以通過函數?setPlinkoMultipliers()設置一個超出預期范圍的行數值。

代碼顯示，如果?numRows?和?risk?均不滿足條件，該流程將被回滾。

但是，如果兩個條件中只有一個不滿足，那么檢查仍然會通過，并且代碼不會被回滾。

ChatGPT?在回答第二個問題時給出了不同的答案：該函數檢查“numRows”的值是否在?8?到?16?之間，以及“risk”的值是不是小于?3?。如果不滿足上述任一條件，函數將返回錯誤“InvalidNumberToSet”。

ChatGPT?似乎理解了這個函數的目的。然而，它并不具備相應的應用程序知識，在沒有額外信息的情況下也無法識別真正的漏洞。

值更新的不一致

在?Slots?合約中，發現了與?totalValue?更新不一致相關的問題，這可能導致游戲過早結束。totalValue?用于監控用戶的輸贏，但它只跟蹤了支付情況，卻未從實際游戲中扣除，導致用戶的損益計算錯誤。

寫在最后

盡管經過了相應培訓，但?ChatGPT?在其審計中還是遺漏了某些關鍵性的安全問題。這是由于人工智能在充分理解代碼的復雜性和細微差別方面的局限性，以及其缺乏在現實場景中的實踐經驗。

正如其官網所述，ChatGPT?是一個依賴自然語言處理進行對話的研究版本。它通常無法像人類審計專家那樣去理解代碼背后的意圖和邏輯推理。

因此，重要的是需要通過經驗豐富的安全專家的手動審計來補充?ChatGPT?分析的不足之處，以確保全面的準確性。

下圖強調了基于人工的服務以及?ChatGPT?在各種標準上的優勢和劣勢。

就像是我們使用百度翻譯一樣，英文翻譯結果的準確性往往取決于我們的中文措辭——ChatGPT?回答的有效性在很大程度上取決于?prompt的格式。

在本文中，我們將?ZKasino?與?ChatGPT?交互的預審計結果和?CertiK?專家執行的最終審計結果進行了比較。

隨著技術的進步和對?prompt?工程的更清晰的理解，工程師將能夠更好地利用ChatGPT。

在?CertiK?官方公眾號接下來發布的內容中，我們將會就如何向?ChatGPT?提出有效問題來與大家探討?prompt?工程的更多深入性內容。

但是現在，ChatGPT?甚至已經可以幫助我們參加奪旗比賽了：歡迎大家點擊閱讀！

Tags：CHACHATGPTATGwiseblockchainBCHATMGPTCatgirl Optimus

FTX