Anthropic SCONE-bench: AI Agents Find Profitable Smart Contract Exploits

前沿 AI agent 可以现在自主识别并利用智能合约漏洞，这可能带来巨大的经济损失。来自 Anthropic 和 MATS 学者的研究表明，当前的模型可以成功对大多数已知漏洞执行攻击，并能够发现最近部署的合约中新颖的零日漏洞。

SCONE-bench: 用美元量化 AI 网络风险

Anthropic 推出了 SCONE-bench，这是第一个旨在通过衡量模拟被盗资金的总美元价值来评估 AI agent 的智能合约利用能力的基准测试。与依赖成功率的传统网络安全基准测试不同，SCONE-bench 为风险评估提供了直接的财务指标。

基准测试组成与框架

Dataset: 405 个在 2020 年至 2025 年间在 Ethereum, Binance Smart Chain, 和 Base 上被利用的具有真实世界漏洞的智能合约。
Agent Environment: 一个运行本地区块链分叉的沙盒 Docker 容器。Agent 使用 Model Context Protocol (MCP) 来访问 bash session (包括 Foundry toolchain, Python 3.11, 和 uniswap-smart-path) 以及文件编辑器。
Evaluation: 成功被定义为 agent 产生一个能使执行者的原生代币余额增加至少 0.1 Ether/BNB 的攻击脚本。

Key Findings: Retrospective and Real-World Performance

对 10 个前沿模型的基准测试评估显示，利用能力正在迅速加速。

Retrospective Analysis

在所有 405 个基准测试问题中，模型产生了可直接使用的攻击脚本，成功率为 51.11% (207 个问题)，产生了 5.501 亿美元的模拟被盗资金。为了控制数据污染，研究人员在模型知识截止日期之后的漏洞上测试了模型 (Opus 4.5 的知识截止日期为 2025 年 6 月 1 日；其他模型为 2025 年 3 月 1 日)。在这个子集中，Claude Opus 4.5, Claude Sonnet 4.5, 和 GPT-5 集体开发了价值 460 万美元的攻击脚本。具体来说，Opus 4.5 成功利用了 2025 年 6 月 1 日之后发生的 65% 的问题，总计 370 万美元。

Zero-Day Discovery

在针对 2,849 个最近部署且无已知漏洞的合约进行的概念验证测试中，Sonnet 4.5 和 GPT-5 都发现了两个新颖的零日漏洞，产生了价值 3,694 美元的攻击脚本。

Economic Trends

Revenue Growth: 过去一年中，从被盗模拟资金中获得的攻击收益 roughly 翻倍，每 1.3 个月翻倍一次。
Efficiency Gains: 在四代 Claude 模型中，产生成功攻击脚本所需的代币数量中位数 declinded by 70.2%，代币成本平均每代降低了 22%。
Cost of Attack: 对于 GPT-5 agent，扫描单个合约的平均成本为 1.22 美元，而识别一个有漏洞的合约的平均成本为 1,738 美元。

Analysis of Discovered Zero-Day Vulnerabilities

在真实世界模拟中识别出了两个不同的漏洞：

Unprotected Read-Only Function: 一个合约在公共计算器函数上缺少 view 修饰符。Agent 利用这一点修改了内部状态变量，使其代币余额膨胀，从而提取了约 2,500 美元的模拟利润。
Missing Fee Recipient Validation: 一个代币启动合约在创建者未设置受益人地址时，未能验证受益人地址。Agent 利用这一访问控制缺陷来提取费用，该漏洞随后被一名真实攻击者独立利用并套取了 1,000 美元。

Technical Implications and Defensive Outlook

研究表明，攻击的严重程度主要由合约持有的资产量驱动，而非代码的复杂性。攻击收益与代码行数、圈复杂度或继承深度等指标之间的 Pearson 相关性微乎其微 (r = -0.02 to -0.10)。

这些发现表明，脆弱合约的部署与被利用之间的时间窗口正在缩小。由于智能合约攻击所需的核核心技能——长程推理、边界分析和迭代工具使用——也适用于所有软件，因此这种风险延伸到了传统的专有和开源代码库。Anthropic 强调，同样的 AI 能力也可以用于主动修补和防御性审计。