Bastet: AI 驱动的智能合约漏洞检测平台

场景切入：当 6000 万美元在眼前蒸发

2024 年，一个 DeFi 借贷协议因小小的整数溢出漏洞被黑客洗劫，损失超过 6000 万美元。事后复盘，开发者发现这个漏洞在代码审计报告中已经被标注过——只是人工审查时"漏看"了。这不是孤例：DeFi 领域的安全事件中，超过 70% 的攻击源于可预防的智能合约漏洞。传统静态分析工具误报率高、人工审计成本高昂且效率有限，整个行业迫切需要一种更聪明的方案。

Bastet 正是在这个背景下诞生的。它由 OneSavie Lab 开发，是一个专注于 DeFi 智能合约漏洞检测的综合数据集 + AI 自动化检测平台。项目核心思路是：构建高质量漏洞数据集 → 用 n8n 工作流连接 LLM → 实现比传统工具更精准的漏洞发现能力。

背景：为什么 AI 适合做漏洞检测

传统自动化工具（如 Slither、Mythril）依赖规则匹配，误报率和漏报率居高不下——一个规则可能同时产生大量噪音，且无法识别新型漏洞模式。而 AI 大模型（如 GPT-4o）具备上下文理解能力和代码推理能力，在漏洞检测任务上展现出显著优势，但直接使用存在"幻觉"问题——模型可能自信地编造不存在的漏洞。

Bastet 的解决思路是通过精心设计的工作流（workflow）约束 LLM 输出，配合结构化数据集来校准模型的判断标准。2025 年 4 月，项目在 ETH Taipei 2025 和 CyberSec 2025 大会上发布，并在 2026 年 4 月登上 Black Hat Asia 2026 舞台——这是全球安全圈最高规格的会议之一，说明项目已经获得行业认可。

核心功能：从数据采集到漏洞检测的全链路

Bastet 的使用流程分为四个阶段：

1. 数据集构建 Bastet 整理了 DeFi 领域常见智能合约漏洞类型，涵盖：访问控制（Access Control）、拒绝服务（Denial of Service）、闪电贷（Flashloan）、滑点攻击（Slippage）、ERC4626 缺陷、4naly3er 规则集、OWASP 2025 Web3 漏洞分类等。每个漏洞类型配有真实漏洞合约样本和安全实现对照，存储在 Google Drive 供下载。

2. 工作流配置（n8n） 项目通过 n8n 工作流引擎 连接 OpenAI API。用户通过浏览器访问 http://localhost:5678，在可视化编辑器中导入 Bastet 提供的 JSON 工作流文件，配置 OpenAI 凭证后激活工作流。n8n 作为中间层，负责接收用户输入 → 调用 LLM → 解析输出 → 存储结果到 PostgreSQL。

3. 扫描命令（CLI） 项目提供 Python CLI，核心命令包括：

# 从 Etherscan 抓取合约源码（需 Etherscan API Key）
poetry run python cli/main.py fetch --address <CONTRACT_ADDRESS>

# 批量扫描 scan_queue 目录下的所有 .sol 文件
poetry run python cli/main.py scan

# 指定输出格式（csv/json/md/pdf/all）
poetry run python cli/main.py scan --output-format json,md

# 在数据集上评估工作流检测精度
poetry run python cli/main.py eval

扫描结果会自动存入 PostgreSQL 数据库，并支持导出为多种格式。

技术架构：简洁而务实的组合

Bastet 的架构设计非常务实：

检测精度基准：根据项目文档，使用 GPT-4o-mini 在 slippage 漏洞测试集上的评估结果为：True Positive 16、True Negative 27、False Positive 2、False Negative 13。这一基准数据说明当前 AI 检测仍有提升空间，但也证明了方向的有效性。

上手体验：安装有门槛，但文档扎实

Bastet 对新手而言有一定门槛：需要同时配置 Python 环境（Poetry 2.0.1+）、Docker Compose、n8n 平台以及 OpenAI API Key。官方提供了详细的 YouTube 视频教程，降低了配置难度。安装步骤约 15-20 分钟，对于有一定技术背景的用户可以接受。

CLI 设计合理，支持 --help 查看详细参数，但输出的 PDF 报告依赖 markdown-pdf 库，部分格式渲染可能因 Markdown 语法差异出现偏差。

CI/CD 集成是亮点：项目提供了 .example.github/ 和 .example.gitlab-ci.yml 模板，可以将 Bastet 无缝嵌入 GitHub Actions 或 GitLab CI，在每次代码推送时自动触发漏洞扫描，适合安全团队将检测流程前置到开发阶段。

局限与争议

1. 完全依赖 OpenAI：目前工作流仅支持 OpenAI API，暂不支持 Claude、Gemini 等替代模型。对于有数据隐私要求的团队（不希望代码发送到外部 API），这是一个限制。
2. EVM 链支持为主：文档明确说明目前仅支持以太坊主网合约抓取，对 Solana、SVM 等非 EVM 生态覆盖有限。
3. 检测结果需人工复核：正如项目自身承认的，LLM 的输出存在不稳定性（同一代码多次扫描可能得到不同结果），生产环境使用必须经过人工审核，不能完全自动化放行。
4. 数据集需手动下载：漏洞数据集存储在 Google Drive，需要手动下载解压到 dataset/ 目录，没有提供自动同步脚本。

行业意义：AI + 安全的方向标

Bastet 出现在 Black Hat Asia 2026 舞台上，代表了智能合约安全领域的一个重要趋势：从规则驱动到 AI 驱动的范式转换。传统安全工具无法处理复杂业务逻辑漏洞，而 AI 具备语义理解能力，理论上可以发现更深层次的逻辑缺陷。

同时，Bastet 开源了完整的漏洞数据集和工作流配置，降低了整个社区研究 AI 漏洞检测的门槛。这种"数据集 + 工作流 + CLI"的组合，比单纯开源一个模型更实用——用户可以基于已有工作流快速迭代出自己的检测方案。

DeFi 安全市场规模持续扩大，每一起安全事件都在提醒行业：自动化漏洞检测不是"nice to have"，而是"must-have"。Bastet 站在这个交叉点上，用开源的方式推动行业往前走了一步。

本文档由 Bastet 项目分析生成。数据来源：GitHub 仓库、官方 README、ETH Taipei 2025 / Black Hat Asia 2026 公开资料。