scabench-org/hound

解决的问题

Hound 是一款自主 AI 审计工具，专为寻找代码库中的安全漏洞而设计，特别针对智能合约等中小型项目进行了优化。它以迭代式的代理流程取代人工安全审查，能够跨子系统进行推理，从而发现复杂的跨组件漏洞。

运作原理

Hound 结合了“资深/资浅”代理模式与自适应知识图谱。它首先构建面向方面的图谱（例如架构、价值流）以理解系统。接着，它采用两种审计模式：“扫描模式”(Sweep Mode) 用于系统性组件分析，以及“直觉模式”(Intuition Mode) 用于对货币流等高影响区域进行深入、有针对性的探索。

“侦察”(scout) 模型负责探索，而“策略”(strategist) 模型负责规划与深度推理。系统维护一套信念与假设系统，通过证据导向的调查来追踪并演进潜在漏洞的信心分数。最后，推理模型会审查所有假设，在生成专业的 HTML 报告与 PoC 提示之前确认或拒绝这些假设。

目标用户

安全研究人员、智能合约审计师以及需要自主扫描代码以查找关键漏洞并生成证据支持的安全报告的开发者。

特色亮点

• 图谱驱动分析：构建灵活的、由代理设计的知识图谱，以建模系统架构与逻辑。
• 信念与假设系统：通过信心分数追踪观察与假设，实现长远的推理能力。
• 动态模型切换：通过使用轻量级模型进行侦察，并使用重量级模型进行策略规划，优化成本与效能。
• 直觉引导搜索：特别优先处理身份验证绕过与状态损坏等高风险区域。
• 交互式引导：包含一个聊天机器人遥测 UI，用于监控实时活动并实时引导代理的调查方向。