Communitygithub.com

auditoria-de-seguranca-de-contratos-inteligentes-foundry

Executa uma auditoria de segurança pré-implantação em projetos Foundry, combinando análise estática, execução simbólica, testes baseados em propriedades e revisão manual para detectar vulnerabilidades antes do deploy.

O que é auditoria-de-seguranca-de-contratos-inteligentes-foundry?

Esta skill realiza uma auditoria de segurança multicamadas em projetos Foundry, seguindo uma abordagem de defesa em profundidade ideal para desenvolvedores de contratos inteligentes. Ela integra quatro técnicas complementares: análise estática com Slither e Aderyn para detectar anti-padrões conhecidos em segundos, execução simbólica opcional com Mythril para explorar caminhos de execução profundos, testes baseados em propriedades com fuzzing e testes de invariantes do Foundry para verificar propriedades de protocolo sob milhões de sequências aleatórias, e uma checklist de revisão manual que cobre desde reentrância até manipulação de oráculos. A skill também inclui uma verificação de higiene de chaves privadas usando gitleaks e orientação para implantação segura através de keystores criptografados do Foundry. O resultado final é um relatório JSON consolidado com um sinalizador PASS/FAIL que bloqueia o deploy se alguma vulnerabilidade crítica for encontrada, um teste falhar ou uma chave vazar. Desenvolvida para ambientes Foundry (Solidity ^0.8.x), ela é executada pelo engenheiro antes do deploy, servindo como uma barreira de qualidade que garante que apenas contratos auditados cheguem à mainnet.

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

Perguntar na sua IA favorita

Abre um novo chat com esta habilidade de agente já pré-carregada.

Documentação

Auditoria de Segurança de Contratos Inteligentes Foundry

Visão Geral

Contratos inteligentes implantados são imutáveis e custodiam fundos reais, portanto, um bug enviado para a mainnet não pode ser corrigido — ele só pode ser explorado. A maioria das perdas catastróficas em DeFi vem de um pequeno conjunto de classes recorrentes: reentrância, controle de acesso quebrado, manipulação de oráculo/preço e aritmética ou chamadas externas não verificadas.

Esta skill executa uma auditoria pré-implantação em camadas de um projeto Foundry, combinando quatro técnicas independentes que cada uma captura o que as outras perdem:

  1. Análise estática — slither (90+ detectores) e aderyn (Cyfrin, Rust) escaneiam o AST/IR em segundos em busca de anti-padrões conhecidos.
  2. Execução simbólica — mythril (opcional, lento) explora caminhos de execução e resolve SMT para bugs profundos de aritmética/reentrância.
  3. Testes baseados em propriedades — forge test com fuzzing (testFuzz_*) e testes de invariantes (invariant_* + contratos handler com variáveis fantasma) prova que propriedades de nível de protocolo se mantêm em milhões de sequências aleatórias.
  4. Revisão manual + higiene de chaves — uma checklist estruturada (consulte references/vulnerability-checklist.md) e uma auditoria de segredos/keystore para que nenhuma chave privada esteja em texto simples e a implantação passe por um keystore criptografado do cast (consulte references/secure-deployment-and-keys.md).

A skill é do lado do desenvolvedor e pré-implantação — é executada pelo engenheiro que está construindo o contrato, não por um SOC após um incidente. As descobertas bloqueiam o deploy: qualquer descoberta estática de alta/crítica, teste falhando, chave vazada ou baixa cobertura = FAIL.

Quando Usar

  • Antes de implantar qualquer contrato Solidity em uma testnet ou mainnet EVM.
  • Ao escrever ou revisar um projeto Foundry (foundry.toml, src/, test/, script/).
  • Quando um contrato lida com valor: tokens (ERC-20/721/1155), vaults, staking, AMMs, pontes, governança.
  • Ao adicionar testes de fuzz ou invariantes, ou quando a cobertura de funções que movimentam valor é desconhecida.
  • Ao conectar scripts de implantação — para verificar se as chaves estão em um keystore criptografado, não em texto simples no .env.
  • Ao integrar um oráculo de preço, chamada externa, delegatecall ou proxy atualizável.
  • Ao triar um relatório do Slither/Aderyn e precisar separar bugs reais de falsos positivos.

Pré-requisitos

  • Foundry instalado (forge, cast, anvil): curl -L https://foundry.paradigm.xyz | bash && foundryup
  • Slither + solc: pip install slither-analyzer e solc-select install <ver> && solc-select use <ver>
  • Aderyn (recomendado): cargo install aderyn (ou npm i -g @cyfrin/aderyn)
  • Mythril (opcional, execução simbólica lenta): pip install mythril
  • gitleaks (varredura de vazamento de chaves): veja a skill complementar implementing-secret-scanning-with-gitleaks
  • Um projeto Foundry que compila (forge build bem-sucedido) — os analisadores precisam dos artefatos de build.
  • Solidity ^0.8.x é assumido (verificações de estouro embutidas); contratos pré-0.8 precisam de revisão extra com SafeMath.

Instale as ferramentas Python em um virtualenv (recomendado em distros gerenciadas externamente). Nunca execute análises contra código fonte de contrato não confiável em uma máquina com carteiras desbloqueadas com fundos.

Passos

Passo 1: Compilar e verificar a integridade do projeto

forge build                    # analisadores exigem artefatos novos
forge fmt --check              # verificação de estilo (opcional)
cat foundry.toml               # observe versão do solc, otimizador, remapeamentos, evm_version

Passo 2: Análise estática (rápida, execute sempre)

# Slither — projeto completo (usa foundry.toml + remapeamentos automaticamente)
slither . --json slither-report.json

# Aderyn — analisador Cyfrin Rust, detectores complementares
aderyn . -o aderyn-report.json

Ou execute o orquestrador incluído que executa ambos, deduplica e bloqueia o resultado:

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

Passo 3: Execução simbólica em contratos críticos (opcional, lento)

# Apenas no(s) contrato(s) de maior valor — Mythril é explosivo de caminhos
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

Passo 4: Testes baseados em propriedades — fuzz + invariantes

forge test -vvv                                  # testes unitários + fuzz
forge coverage --report summary                  # cobertura de código que movimenta valor
forge test --match-test invariant_ -vvv          # suite de invariantes (baseado em handler)

Todo contrato que movimenta valor deve ter testes de invariantes com um handler (entradas limitadas, variáveis fantasma, targetContract(handler)) — não apenas testes unitários. Veja references/api-reference.md para o padrão de handler, e escreva um test_RevertWhen_* (com vm.expectRevert) para cada guarda de controle de acesso.

Passo 5: Revisão manual contra a checklist

Percorra references/vulnerability-checklist.md para cada contrato: reentrância (checks-effects-interactions / nonReentrant), controle de acesso, manipulação de oráculo, delegatecall/layout de armazenamento de proxy, valores de retorno não verificados, tx.origin, aleatoriedade fraca, DoS, front-running/MEV e armadilhas específicas de ERC (corrida de aprovação, fee-on-transfer, rebasing).

Passo 6: Higiene de chaves e implantação segura

gitleaks detect --no-banner            # sem chaves privadas / mnemônicos / .env no commit
git ls-files | grep -E '\.env$|keystore' && echo "AVISO: segredos rastreados pelo git"

# Importe a chave de deploy UMA VEZ em um keystore criptografado — nunca uma variável PRIVATE_KEY em texto simples
cast wallet import deployer --interactive

# Faça o deploy através da conta do keystore (testnet primeiro), simule antes de --broadcast
forge script script/Deploy.s.sol --account deployer --rpc-url <testnet> --broadcast --verify

Veja references/secure-deployment-and-keys.md para as regras completas de hardening (higiene do MetaMask, hardware wallet para mainnet, confiança no RPC, verificação pós-implantação).

Passo 7: Triagem e relatório

Combine os resultados de Slither + Aderyn + Mythril + testes, deduplique por (arquivo, linha), descarte falsos positivos confirmados, classifique por explorabilidade × impacto financeiro e mapeie cada um para seu SWC ID. O orquestrador gera audit-report.json com uma porta PASS/FAIL.

Saída Esperada

Um relatório de auditoria JSON listando descobertas com identificadores SWC, gravidade, ferramenta de origem, contrato/função/linha afetados e remediação; além do resumo de testes/cobertura e uma única porta de deploy PASS / FAIL. FAIL em qualquer descoberta estática de alta/crítica, teste falhando, segredo vazado ou cobertura abaixo do limite configurado em código que movimenta valor.

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,

Habilidades Relacionadas