Communitygithub.com

Audit de la Sécurité des Smart Contracts Foundry

Exécute un audit de sécurité multicouche avant déploiement pour des projets Foundry, combinant analyse statique, exécution symbolique, tests basés sur des propriétés et révision manuelle afin de bloquer les contrats vulnérables avant qu'ils n'atteignent la mainnet.

Qu'est-ce que Audit de la Sécurité des Smart Contracts Foundry ?

Cette compétence fournit un processus d'audit de sécurité approfondi et pré-déploiement pour les projets Foundry (Solidity). Elle intègre quatre techniques complémentaires : analyse statique avec Slither et Aderyn, exécution symbolique optionnelle avec Mythril, tests basés sur des propriétés via le fuzzing de Forge et les tests d'invariants, ainsi qu'une révision manuelle structurée. Destinée aux développeurs construisant des smart contracts, elle vérifie également l'hygiène des clés privées et les configurations de déploiement sécurisées. Le résultat est un rapport JSON avec une porte PASS/FAIL : tout défaut statique haut/critique, test échoué, secret divulgué ou couverture insuffisante bloque le déploiement. Cette approche en défense en profondeur garantit que seuls les contrats les plus robustes sont déployés sur la mainnet.

Compatible avec~Claude Code~Codex CLI~Cursor
npx skills add https://github.com/mukul975/Anthropic-Cybersecurity-Skills/tree/main/skills/auditing-foundry-smart-contract-security

Demander à votre IA préférée

Ouvre une nouvelle conversation avec cette compétence d'agent déjà préchargée.

Documentation

Que fait Audit de la Sécurité des Smart Contracts Foundry ?

Aperçu

Les smart contracts déployés sont immuables et détiennent des fonds réels, donc un bug livré sur la mainnet ne peut pas être corrigé — il ne peut qu'être exploité. La plupart des pertes catastrophiques en DeFi proviennent d'un petit ensemble de classes récurrentes : réentrance, contrôle d'accès cassé, manipulation d'oracle/prix, et arithmétique ou appels externes non vérifiés.

Cette compétence exécute un audit de défense en profondeur, pré-déploiement d'un projet Foundry, en superposant quatre techniques indépendantes qui capturent chacune ce que les autres manquent :

  1. Analyse statique — slither (90+ détecteurs) et aderyn (Cyfrin, Rust) analysent l'AST/IR en quelques secondes pour détecter les anti-patrons connus.
  2. Exécution symbolique — mythril (optionnel, lent) explore les chemins d'exécution et résout via SMT les bugs profonds d'arithmétique/réentrance.
  3. Tests basés sur des propriétés — forge test avec fuzzing (testFuzz_*) et tests d'invariants (invariant_* + contrats handler avec variables fantômes) prouve que les propriétés au niveau du protocole tiennent sur des millions de séquences aléatoires.
  4. Révision manuelle + hygiène des clés — une checklist structurée (voir references/vulnerability-checklist.md) et un audit des secrets/keystore pour qu'aucune clé privée ne vive jamais en texte clair et que le déploiement passe par un keystore chiffré cast (voir references/secure-deployment-and-keys.md).

La compétence est côté développeur et pré-déploiement — elle est exécutée par l'ingénieur qui construit le contrat, pas par un SOC après un incident. Les résultats bloquent le déploiement : tout résultat statique haut/critique, test échoué, clé divulguée, ou faible couverture = ÉCHEC.

Quand l'utiliser

  • Avant de déployer tout contrat Solidity sur un testnet ou une chaîne EVM mainnet.
  • Lors de l'écriture ou de la révision d'un projet Foundry (foundry.toml, src/, test/, script/).
  • Lorsqu'un contrat gère de la valeur : tokens (ERC-20/721/1155), coffres, staking, AMMs, ponts, gouvernance.
  • Lors de l'ajout de tests de fuzzing ou d'invariants, ou lorsque la couverture des fonctions manipulant de la valeur est inconnue.
  • Lors du câblage des scripts de déploiement — pour vérifier que les clés sont dans un keystore chiffré, pas en texte clair dans .env.
  • Lors de l'intégration d'un oracle de prix, d'un appel externe, delegatecall, ou d'un proxy upgradeable.
  • Lors du triage d'un rapport Slither/Aderyn et du besoin de séparer les vrais bugs des faux positifs.

Prérequis

  • Foundry installé (forge, cast, anvil) : curl -L https://foundry.paradigm.xyz | bash && foundryup
  • Slither + solc : pip install slither-analyzer et solc-select install <ver> && solc-select use <ver>
  • Aderyn (recommandé) : cargo install aderyn (ou npm i -g @cyfrin/aderyn)
  • Mythril (optionnel, exécution symbolique lente) : pip install mythril
  • gitleaks (scan de fuite de clés) : voir la compétence associée implementing-secret-scanning-with-gitleaks
  • Un projet Foundry qui compile (forge build réussit) — les analyseurs ont besoin des artefacts de construction.
  • Solidity ^0.8.x est supposé (vérifications de débordement intégrées) ; les contrats pré-0.8 nécessitent une révision supplémentaire avec SafeMath.

Installez les outils Python dans un virtualenv (recommandé sur les distributions à gestion externe). N'exécutez jamais d'analyse contre un source de contrat non fiable sur une machine avec des portefeuilles déverrouillés contenant des fonds.

Étapes

Étape 1 : Construire et vérifier la santé du projet

forge build                    # les analyseurs nécessitent des artefacts frais
forge fmt --check              # vérification du style (optionnel)
cat foundry.toml               # notez la version solc, l'optimiseur, les remappings, evm_version

Étape 2 : Analyse statique (rapide, à exécuter à chaque fois)

# Slither — projet complet (utilise foundry.toml + remappings automatiquement)
slither . --json slither-report.json

# Aderyn — analyseur Cyfrin Rust, détecteurs complémentaires
aderyn . -o aderyn-report.json

Ou exécutez l'orchestrateur groupé qui lance les deux, déduplique et bloque le résultat :

python3 scripts/agent.py --project . --output audit-report.json

Étape 3 : Exécution symbolique sur les contrats critiques (optionnel, lent)

# Uniquement sur le(s) contrat(s) de plus haute valeur — Mythril est explosif en chemins
myth analyze src/Vault.sol --solc-json mythril.config.json --execution-timeout 300 -o json
# ou : python3 scripts/agent.py --project . --mythril src/Vault.sol

Étape 4 : Tests basés sur des propriétés — fuzzing + invariants

forge test -vvv                                  # tests unitaires + fuzzing
forge coverage --report summary                  # couverture du code manipulant de la valeur
forge test --match-test invariant_ -vvv          # suite d'invariants (basée sur handler)

Chaque contrat manipulant de la valeur devrait avoir des tests d'invariants avec un handler (entrées bornées, variables fantômes, targetContract(handler)) — pas seulement des tests unitaires. Voir references/api-reference.md pour le patron handler, et écrivez un test_RevertWhen_* (avec vm.expectRevert) pour chaque garde de contrôle d'accès.

Étape 5 : Révision manuelle selon la checklist

Parcourez references/vulnerability-checklist.md pour chaque contrat : réentrance (vérifications-effets-interactions / nonReentrant), contrôle d'accès, manipulation d'oracle, delegatecall/disposition de stockage proxy, valeurs de retour non vérifiées, tx.origin, aléa faible, déni de service, front-running/MEV, et pièges spécifiques aux ERC (course approve, fee-on-transfer, rebasing).

Étape 6 : Hygiène des clés et déploiement sécurisé

gitleaks detect --no-banner            # pas de clés privées / mnemonics / .env commités
git ls-files | grep -E '\.env$|keystore' && echo "ATTENTION : secrets suivis par git"

# Importez la clé de déploiement UNE FOIS dans un keystore chiffré — jamais de variable d'environnement PRIVATE_KEY en texte clair
cast wallet import deployer --interactive

# Déployez via le compte keystore (d'abord sur testnet), simulez avant --broadcast
forge script script/Deploy.s.sol --account deployer --rpc-url <testnet> --broadcast --verify

Voir references/secure-deployment-and-keys.md pour les règles complètes de durcissement (hygiène MetaMask, portefeuille matériel pour la mainnet, confiance RPC, vérification post-déploiement).

Étape 7 : Triage et rapport

Combinez les résultats de Slither + Aderyn + Mythril + tests, dédupliquez par (fichier, ligne), éliminez les faux positifs confirmés, classez par exploitabilité × impact financier, et mappez chaque résultat à son identifiant SWC. L'orchestrateur émet audit-report.json avec une porte PASS/FAIL.

Résultat attendu

Un rapport d'audit JSON listant les résultats avec identifiants SWC, sévérité, outil source, contrat/fonction/ligne affectés, et remédiation ; plus le résumé des tests/couverture et une seule porte PASS / FAIL de déploiement. ÉCHEC sur tout résultat statique haut/critique, test échoué, secret divulgué, ou couverture en dessous du seuil configuré sur le code manipulant de la valeur.

Individual skills in this repo

This repo contains 20 individual skills — each has its own dedicated page.

abusing-dpapi-for-credential-access

Extract and decrypt Windows DPAPI-protected secrets (Credential Manager, browser logins/cookies, Wi-Fi credentials, KeePass keys) online or offline using SharpDPAPI, SharpChrome, Mimikatz, or Impacket

abusing-shadow-credentials-for-privesc

Take over Active Directory accounts by writing attacker-controlled public keys to msDS-KeyCredentialLink (Shadow Credentials) with pyWhisker, Whisker, or Certipy, then authenticate via PKINIT to recover the target

achieving-cmmc-level-2-compliance

>-

acquiring-disk-image-with-dd-and-dcfldd

Create forensically sound bit-for-bit disk images with dd or dcfldd on a Linux forensic workstation, preserving evidence integrity through hash verification (MD5/SHA) during acquisition. Use when imaging a suspect drive, USB device, or memory card for investigation, preserving volatile disk evidence during incident response, or producing a verified copy for legal or law-enforcement proceedings before any destructive analysis.

analyzing-active-directory-acl-abuse

Detect dangerous ACL misconfigurations in Active Directory using ldap3

analyzing-android-malware-with-apktool

Perform static analysis of Android APK malware using apktool for resource decompilation, jadx for Java source recovery, and androguard for manifest inspection, dangerous permission-combination detection, and identification of obfuscated code, dynamic code loading, and reflection-based API calls. Use to statically triage a suspicious APK without executing it or to build mobile malware detection rules.

analyzing-api-gateway-access-logs

Parses API Gateway access logs (AWS API Gateway, Kong, Nginx) to detect

analyzing-apt-group-with-mitre-navigator

Query ATT&CK data with attackcti, mitreattack-python, and stix2, then build MITRE ATT&CK Navigator layers and multi-layer heatmap overlays mapping one or more APT groups

analyzing-azure-activity-logs-for-threats

Queries Azure Monitor activity logs and sign-in logs via azure-monitor-query

analyzing-bootkit-and-rootkit-samples

Analyzes bootkit and advanced rootkit malware infecting the Master

analyzing-browser-forensics-with-hindsight

Parse Chromium-based browser databases with Hindsight to extract and correlate browsing history, downloads, cookies, cached content, autofill data, saved passwords, and extensions from Chrome, Edge, Brave, Opera, and Vivaldi into a unified timeline (XLSX, JSON, or SQLite output). Use during incident response, insider-threat investigations, or criminal cases when you need to reconstruct a user

analyzing-campaign-attribution-evidence

Systematically evaluate cyber-campaign evidence to attribute an operation to a threat actor, using the Diamond Model and Analysis of Competing Hypotheses (ACH) to weigh infrastructure overlaps, TTP consistency, malware code similarity, and timing/language artifacts into confidence-weighted attribution assessments. Use when an incident investigation needs a defensible attribution confidence level.

analyzing-certificate-transparency-for-phishing

Monitor Certificate Transparency logs using crt.sh and Certstream to

analyzing-cloud-storage-access-patterns

Detect abnormal access in AWS S3, GCS, and Azure Blob Storage by analyzing CloudTrail Data Events, GCS audit logs, and Azure Storage Analytics for after-hours bulk downloads, new-IP access, and API-call spikes (e.g. GetObject) via statistical baselines and time-series anomaly detection. Use when investigating suspected cloud data exfiltration or building related detection rules.

analyzing-cobalt-strike-beacon-configuration

Extract and analyze Cobalt Strike beacon configuration from PE files

analyzing-cobaltstrike-malleable-c2-profiles

Parse and analyze Cobalt Strike Malleable C2 profiles with dissect.cobaltstrike (profiles and beacon-payload configs) and pyMalleableC2 (AST parsing) to extract HTTP/DNS transforms, URIs, headers, sleep/jitter, and injection behavior, then generate network detection signatures. Use when reverse-engineering a captured malleable profile or building detections against Cobalt Strike Beacon traffic.

analyzing-command-and-control-communication

Analyzes malware C2 communication over HTTP, HTTPS, DNS, and custom

analyzing-cyber-kill-chain

Analyzes intrusion activity against the Lockheed Martin Cyber Kill Chain

analyzing-disk-image-with-autopsy

Perform comprehensive forensic analysis of raw (dd), E01, or AFF disk images with Autopsy and The Sleuth Kit, recovering deleted files, examining metadata and embedded artifacts, keyword searching, and building investigation timelines with visual reports. Use for structured analysis of a forensic disk image or when stakeholders need visual reports from evidence.

analyzing-dns-logs-for-exfiltration

Analyzes DNS query logs to detect data exfiltration via DNS tunneling,

Skills associés