随着区块链技术的不断发展，以太坊智能合约作为去中心化应用的重要支撑，其安全性成为行业关注的焦点。智能合约一旦存在漏洞，可能导致巨额资金损失，甚至影响整个生态的稳定。传统的漏洞挖掘与利用流程往往依赖安全专家手动分析，耗时且依赖经验。为此，谷斯塔沃·格里埃科（Gustavo Grieco）带来了创新工具Quimera，尝试利用最新的大语言模型（LLM）与反馈驱动机制，实现针对以太坊智能合约的自动化漏洞利用生成。本文将全面解析Quimera的技术原理、核心功能、实践表现及其未来潜力，为区块链安全领域提供新的思路和工具选择参考。Quimera的设计初衷缘于创始人对自动化漏洞利用生成的浓厚兴趣，以及在大语言模型推理能力快速进步的背景下，尝试将这两者结合起来。
工具以反馈驱动为核心，模拟真实安全研究员发现和构造漏洞利用的思路，强调迭代改进和精准定位。其主要以Foundry框架的交易执行轨迹作为反馈来源，将智能合约的源代码、链上数据和变量状态输入大语言模型，用任务驱动的方式让模型持续优化并生成漏洞利用脚本。工作流程上，Quimera首先获取目标智能合约的完整源代码及其依赖，并分析合约当前状态变量（包括公有变量以及通过专业工具slither-read-storage读取的私有变量）。随后，系统生成针对具体攻击目标的初始提示信息，例如“在借款闪电贷还清后生成利润”，引导LLM创作或改进针对合约的Foundry测试用例。测试代码经过执行后，工具会检视交易轨迹，评估是否成功实现资金转移或利润生成。若未成功，该失败轨迹和相关调试信息会反馈给LLM，促使其在后续迭代中修正和完善攻击脚本。
整个过程以这一正反馈与改进的闭环形式持续，直至成功生成有效漏洞利用或达到迭代上限。Quimera聚焦于一种极具危害性的漏洞类型，即允许攻击者掏空目标合约资金的攻击路径。通过精准聚焦此类漏洞，使得工具在生成利用脚本时具有更高效率和针对性。所采用的初始提示涵盖丰富背景信息，不仅包含合约的名称、地址和链信息，还涵盖完整源码和扁平化接口，确保LLM拥有足够上下文理解。同时，工具主动告知LLM目标合约存在高危漏洞，这种“相信即为真”的策略激励模型朝向特定攻击目标进行推理，而非纯粹依赖记忆数据。除了文本信息，Quimera赋予LLM一组功能性“工具”接口，支持模型在推理过程中动态查询任意地址的相关数据。
这极大地拓展了攻击目标的灵活性，令模型可以根据反馈延伸探索潜在攻击路径和合约组合。多种大语言模型均被测试以验证该思路的效果，包括线上服务如Gemini、Grok、Claude和DeepSeek，以及本地模型如Qwen。结果显示Gemini 2.5 Pro表现最为稳定与准确，其他模型常出现代码语法错误、提示信息理解偏差和攻防约束遵守不足的问题。Quimera在用户体验上也体现出贴心设计，具备文本用户界面（TUI），方便用户查看之前的代码迭代与交互内容。这不仅提升操作可视性，也便于人工在接近成功时分析或调整漏洞利用细节，极大提升开发者与安全研究者的效率与洞察力。值得一提的是，Quimera不局限于已部署合约，也可应用于正在开发中的合约。
开发者能编写基于Foundry的基础测试合约，将测试环境配置好后，通过简单替换占位符即可驱动Quimera进行充分自动攻防验证，方便早期漏洞发现与修复，助力安全开发生命周期管理。目前项目已取得积极进展，成功重现了多起真实世界已知漏洞，覆盖不同复杂度的案例，如APEMAGA、VISOR、FIRE、XAI和Thunder-Loan等。从中，Quimera能够短时间内精准定位漏洞根因，构造有效的攻击调用序列，并逐步调节参数实现利用收益。更细致观察发现，Quimera在不同“思维状态”下行为各异。在初期探索和高层计划阶段，模型偶尔偏向盲目尝试，缺乏完整连贯的路径规划，这提示引入专门的规划器或静态分析辅助会有显著帮助。进入问题攻坚阶段，模型表现尤为出色：针对具体报错或调用失败做出精准反应，利用快速反馈循环改进利用脚本。
在最后的利用优化调整阶段，模型则表现出较为缓慢的步进优化，往往通过较小的参数调整逐步提升收益，虽效率不高但最终也可完成目标。尽管取得良好成果，但挑战依然存在。以较为复杂且需要精准步骤的Alkimiya漏洞为例，Quimera经过二十次迭代虽能识别根因和大部分步骤，但最终未能生成获利的完整利用路径。分析发现，缺乏明显的利润信号致使模型难以有效判断攻关方向，形成了进展瓶颈。该例显示高级漏洞重现仍需强化智能指引和多样信号整合。对此，未来的发展方向已明确。
计划探索与规划代理深度融合，通过引入模糊测试工具、符号执行等辅助技术丰富探索深度与广度。同时考虑打造DefiHack漏洞库作为模块化知识库，为Quimera提供历史利用案例检索和启发。总体来看，Quimera体现了当前大语言模型在智能合约安全领域内提高自动化效能的巨大潜力。其结合实时反馈和逐步优化的迭代套路，既借鉴了人类安全研究员的思维模式，又突破了传统自动化技术的局限。虽然尚处于早期阶段，仍需克服推理深度与效率瓶颈，但其开源属性和灵活扩展性为未来区块链安全攻防机制发展提供了有力基础。随着智能合约应用规模持续扩大，自动化漏洞检测与利用生成将会成为关键环节。
Quimera的出现无疑推动了方向的变革，开启了利用人工智能手段重塑区块链安全防线的新篇章。安全研究者和开发者应重点关注并积极参与此类创新工具的生态建设，共同推动智能合约安全迈向更智能化和自动化的未来。
