1. 首页 > 以太坊

Ajna协议遭77.5万美金攻击,无预言机架构遭质疑

Ai总结: 借贷协议Ajna因内部清算机制被利用,导致约77.5万美元ETH损失。尽管其宣称无需预言机与治理,但攻击者通过操纵会计逻辑实现盗取,暴露出去中心化金融深层信任假设的风险。

Ajna协议遭遇重大资产流失,清算机制成安全盲区

去中心化借贷平台Ajna Protocol在近期遭受严重攻击,造成约77.5万美元的ETH资产损失。此次事件中,攻击者未依赖外部价格源,而是针对协议内嵌的清算会计流程发起攻击,波及包括syrupUSDC、wstETH、rETH、cbETH、WBTC、WETH/USDC及sDAI在内的多个流动性池。这一结果对Ajna核心理念——即完全摆脱预言机依赖、实现自我定价与自动清算——构成严峻挑战。

舍弃外部价格源的代价:信任内部计算逻辑

不同于多数依赖Chainlink等第三方服务进行抵押品估值的借贷协议,Ajna主动规避了外部价格馈送。其白皮书明确指出,该协议为非托管、点对点、无需许可的借贷系统,可脱离治理与外部数据独立运行。贷款人通过向固定容量的“资金桶”注资来决定利率,而清算触发则由智能合约根据预设规则执行。发起清算需支付保证金,若判定为恶意行为,将面临经济惩罚。

安全机构MixBytes分析称,此举旨在消除预言机相关攻击面——如价格操纵、配置失误和权限滥用等问题。然而,Defimon指出,攻击者正是瞄准了这一信任基础,通过操控清算过程中的会计逻辑完成资金转移,而非破坏外部数据输入。

预警未被响应:一小时内的关键失守

Defimon披露,早在首次攻击交易前逾一小时,已检测到异常活动并及时在项目Discord频道发出警告。但协议方未能采取有效防护措施。随后,黑客迅速遍历多个池子实施掠夺。据估算,其中syrupUSDC池损失达17.37万美元。

此次损失规模惊人。据当时DefiLlama数据显示,Ajna V2总锁仓价值(TVL)约为20.6万美元,活跃贷款额为41.8万美元,30天内TVL降幅高达-54.2%。这意味着损失金额已超过协议当前资本总量。后续数据显示,实时TVL已有所回升。

是代码缺陷,还是系统性信任欺骗?

攻击本质更可能并非破解代码,而是诱导系统接受虚假状态。公开审计记录显示,此前曾发现与“take”函数相关的清算计算问题,以及桶状态处理错误。这些问题虽已被标记为修复,但仍揭示出清算与会计逻辑存在潜在风险。

此类手法在业内屡见不鲜。此前Moonwell事件中,攻击者通过抬高非流动性代币价格8倍,借入近千万美元真实资产并卷走约600万美元。Nethermind分析指出,这类攻击的核心在于“迫使合约生成扭曲的价格信号,并在交易结算前完成套利”。即便没有预言机,合约自身仍需依赖可信计算,一旦逻辑被误导,便可能酿成灾难。

V2架构背后的信任假设成为突破口

攻击前后关键数据流

阶段:攻击前 — 数据点:协议TVL与各池流动性状况 — 触发:首笔异常交易 — 利用:合约函数调用 + 资产状态篡改 — 提取:资金转出协议 — 转换:在DEX中兑换为稳定币 — 逃脱:经跨链桥或中心化交易所撤离 — 残留风险:坏账累积或流动性受损 — 响应:冻结资产 / 白帽救援 / 协议应急机制

资金路径:初始状态 → 攻击执行 → 当前状态

当前核心指标概览

预计损失金额:待官方调查确认(链上追踪中)

TVL:$449,783,30天变化率-17.1%,反映协议当前资本规模

活跃贷款:$30,198,暂无变化报告,提示未偿债务风险尚可控

受影响池数量:5个,用于判断事件是否孤立或具系统性特征

以太坊链TVL占比:$425,825,占总TVL的94.7%

Arbitrum链TVL:$8,552,跨链风险较低

Base链TVL:$7,354,跨链影响有限

Rari链TVL:$3,555,风险较小

OP Mainnet链TVL:$3,227,跨链渗透度低

(数据来源:DefiLlama)

目前Ajna V2 TVL约为45万美元,活跃贷款仅3.02万美元,占总值比例不足7%。这一比例凸显核心疑问:攻击究竟影响的是未偿还债务的会计记录、存入的流动性池,还是两者叠加?因此,根本问题在于:V2版本引入了哪些不可验证的假设,使得攻击者得以将其转化为实际收益?

小规模事件背后的大趋势:去中心化金融的信任陷阱

相较2026年破纪录的巨幅黑客案,77.5万美元的损失看似微不足道,却契合更深层模式。TRM Labs统计显示,今年上半年共发生207起攻击事件,创半年新高,平均单次损失约21.9万美元。其中超百起源于小型智能合约漏洞。尽管基础设施与运营入侵仅占事件总数的15%,却贡献了约76%的总损失。

Ajna事件再次印证:安全威胁未必来自交易所崩盘或私钥泄露,更多潜藏于复杂借贷逻辑中被默认成立的假设。当系统信任自身计算而非外部验证时,任何细微偏差都可能被放大为系统性风险。

免责声明:本文所有内容均来源于第三方平台,所有内容不作任何类型的保证,不构成任何投资、不对任何因使用本网站信息而导致的任何损失负责。您需谨慎使用相关数据及内容,并自行承担所带来的一切风险。