solc-verify: A Modular Verifier for Solidity Smart Contracts
我们提出了solc-verify,一个以太坊智能合约的源代码级验证工具。Solc-verify采用Solidity编写的智能合约,并使用模块化程序分析和SMT求解器释放验证条件。建立在Solidity编译器之上,solc-验证在合约源代码级别的原因,而不是在以太坊字节码级别操作的更常见的方法。这使得solc-verify能够在精确建模低级语言语义的同时有效地推理高级契约属性。合约属性,如合约不变量、循环不变量和函数前置条件和后置条件,可以由开发人员在代码中作为注释提供。这为智能合约提供了自动化但用户友好的形式化验证。我们通过检查现实世界的例子,我们的工具可以有效地找到错误,并证明正确性的非平凡的属性,以最小的用户努力来演示solc验证。
2020-03-16 cs.LO cs.PL cs.SE
Micro-Patterns in Solidity Code
本文针对Solidity智能合约引入18个微模式,分为安全、功能、优化、交互和反馈五类,通过分析五大区块链的23258个合约验证其广泛采用及平台差异。
2025-05-02 cs.PL cs.SE
sFuzz: An Efficient Adaptive Fuzzer for Solidity Smart Contracts
智能合约是在区块链基础设施上执行的图灵完备程序,通常管理有价值的数字资产。Solidity是在以太坊平台上编写智能合约的最流行的程序设计语言之一。与传统程序一样,智能合约也可能存在漏洞。与传统程序不同,智能合约一旦部署就无法轻松修补。因此,在部署之前对智能合约进行彻底测试非常重要。在这项工作中,我们在以太坊平台上为智能合约提供了一个自适应模糊器,称为sFuzz。与现有的Solidity模糊器相比,sFuzz结合了AFL模糊器中的策略和针对那些难以覆盖的分支的高效轻量级多目标自适应策略。sFuzz已经应用于超过4000个智能合约,实验结果表明:(1)sFuzz是高效的,例如,比最先进的工具快两个数量级;(2)sFuzz在实现高代码覆盖率和发现漏洞方面是有效的;(3)sFuzz中的不同模糊策略相互补充。
2020-04-18 cs.SE
Automated Test-Case Generation for Solidity Smart Contracts: the AGSolT Approach and its Evaluation
区块链和智能合约技术是数据和代码管理的新方法,通过允许以分布式和去中心化的方式进行开发来促进可信计算。测试智能合约带来了一系列挑战,这些挑战尚未完全确定和探索。虽然现有的工具可以通过随机搜索或符号执行来识别和发现以太坊区块链上的已知漏洞及其交互,但这些工具通常不会产生适合人类预言机的测试套件。在本文中,我们提出了AGSOLT(自动生成器的Solidity测试套件)。我们通过实现两种搜索算法来自动生成独立Solidity智能合约的测试套件,并考虑到一些区块链特有的挑战,来证明其效率。为了测试AGSOLT,我们在一组36个真实世界的智能合约上比较了随机搜索算法和遗传算法。我们发现AGSOLT能够通过这两种方法实现高分支覆盖率,甚至在Github上最流行的Solidity智能合约中发现了一些错误。
2022-04-15 cs.SE
SolContractEval: A Benchmark for Evaluating Contract-Level Solidity Code Generation
The State Key Laboratory of Blockchain and Data Security, Zhejiang University(浙江大学区块链与数据安全国家重点实验室);Hangzhou High-Tech Zone (Binjiang) Institute of Blockchain and Data Security(杭州高新技术开发区(滨江)区块链与数据安全研究院);Sun Yat-sen University(中山大学)
SolContractEval是一个用于评估Solidity代码生成的合同级基准,发现Claude-3.7-Sonnet在整体表现最佳,但模型在复杂逻辑和Solidity特定功能上仍有不足。
2026-01-13 cs.SE
SMT-Friendly Formalization of the Solidity Memory Model
Solidity是以太坊智能合约的主要程序设计语言。本文提出了一个高层次的形式化的Solidity语言,重点是内存模型。所提出的形式化涵盖了与管理状态和内存相关的语言的所有功能。此外,我们提供的形式化是有效的:几乎所有的功能都可以编码在标准SMT理论的量化器的自由片段。这使得能够对Solidity中编写的智能合约的状态进行精确和高效的推理。的形式化实现的solc验证验证器,我们提供了一个广泛的测试,涵盖了所需的语义的广度。我们还提供了一个测试集上的评价,验证了语义,并显示了新颖的方法相比,其他Solidity级别的合同分析工具。
2020-04-17 cs.LO cs.PL cs.SE
An Empirical Study on Real Bug Fixes from Solidity Smart Contract Projects
本文针对现有研究对Solidity智能合约真实漏洞修复情况了解不足的问题,对46个真实项目的历史修复案例开展实证研究,探究四类核心问题并提炼发现,从三方面提出改进智能合约漏洞修复方法的可行建议。
2023-06-12 cs.CR cs.SE
Formalising and verifying smart contracts with Solidifier: a bounded model checker for Solidity
利用智能合约漏洞可能会带来灾难性的后果,例如损失价值数百万英镑的加密资产。形式化验证是识别漏洞并证明漏洞已被修复的有用工具。在本文中,我们使用Solid语言及其区块链对Solidity和以太坊区块链进行了形式化;通过对Solidity程序进行解释/去糖来获得Solid程序。我们做了一些抽象,过度近似Solidity/Ethereum的行为方式。基于这种形式化,我们创建了Solidifier:Solidity的有界模型检查器。它将Solid翻译成Boogie,一种中间验证语言,稍后使用Corral进行验证,这是Boogie的有界模型检查器。与该领域的许多工作不同,我们不会试图找到可能导致漏洞的特定行为/代码模式。相反,我们提供了一个工具来查找错误/坏状态,即不符合开发人员意图的程序状态。这种糟糕的状态,无论是否是漏洞,都可能通过执行特定的已知代码模式或通过未预期的行为达到。
2020-02-07 cs.CR cs.LO cs.PL
Dataset of Yul Contracts to Support Solidity Compiler Research
YulCode是首个专门针对以太坊虚拟机中间语言Yul的公开数据集,包含348,840个基于真实以太坊主网Solidity源文件编译的合约实例,为低级智能合约的机器学习、形式化验证和工具评估等研究填补了关键空白。
2025-06-23 cs.SE
DISL: Fueling Research with A Large Dataset of Solidity Smart Contracts
KTH Royal Institute of Technology(KTH皇家理工学院)
本文提出DISL数据集,包含514,506个部署在以太坊主网的Solidity文件,为开发机器学习系统和基准测试智能合约软件工程工具提供大规模、多样化的真实世界数据资源。
2024-03-26 cs.DC cs.LG cs.SE
Automated Invariant Generation for Solidity Smart Contracts
针对智能合约规范缺失导致正确性验证困难的问题,提出基于动态推断与静态验证的不变式生成框架INVCON+,能自动生成经过验证的高质量不变式规范以保护智能合约免受常见漏洞影响。
2024-01-01 cs.SE
How Do Solidity Versions Affect Vulnerability Detection Tools? An Empirical Study
University of Salerno(萨莱诺大学);University of Luxembourg(卢森堡大学);University of Verona(维罗纳大学)
本文通过实证研究探讨 Solidity 版本演进对智能合约漏洞检测工具在 pragma 指令兼容性、检测有效性和执行时间三个方面的影响,并利用 SmartBugs 框架对大量真实合约进行系统分析。
2026-10-30 cs.SE
Repository-Level Solidity Code Generation with Large Language Models: From Prompting to Fine-Tuning
China University of Mining and Technology(中国矿业大学);Queen’s University(女王大学);Wuhan University(武汉大学);Nanjing University of Science&Technology(南京理工大学)
提出SolidityBench基准和SolidityScore指标,评估多种LLM方法在仓库级Solidity代码生成中的表现,发现监督微调最有效。
2026-06-19 cs.SE
Zero-Shot Vulnerability Detection in Low-Resource Smart Contracts Through Solidity-Only Training
George Mason University(乔治梅森大学)
本文提出Sol2Vy框架,通过Solidity训练模型实现Vyper漏洞检测,无需大量标注数据,实验显示在重入、弱随机性和未检查转账等漏洞上表现优异。
2026-05-11 cs.CR cs.SE
When Deep Learning Meets Smart Contracts
以太坊已经成为一个广泛使用的平台,可以实现安全的、基于区块链的金融和商业交易。然而,智能合约中的许多已识别的错误和漏洞导致了严重的财务损失,这引发了对智能合约安全性的严重担忧。因此,需要更好地维护智能合约代码并确保其高可靠性。在这项研究中:(1)首先,我们提出了一种基于自动化深度学习的方法来学习Solidity中智能合约的结构化代码嵌入,这对于智能合约的克隆检测,错误检测和合约验证非常有用。我们将我们的方法应用于从以太坊区块链收集的超过22K个solidity合约,结果显示solidity代码的克隆率约为90%,远高于传统软件。我们收集了属于10种常见漏洞的52个已知漏洞智能合约作为我们的漏洞数据库。我们的方法可以识别超过1000克隆相关的错误,我们的错误数据库的基础上,有效和准确。(2)其次,根据开发人员的反馈,我们已经实现了一个基于Web的工具,名为SmartEmbed的方法,以方便Solidity开发人员使用我们的方法。我们的工具可以帮助Solidity开发人员有效地识别现有以太坊区块链中的重复智能合约,并检查他们的合约是否存在已知的错误,这有助于提高用户对合约可靠性的信心。我们优化了SmartEmbed的实现,这足以支持开发人员在实际使用中的实时性。以太坊生态系统以及个人Solidity开发人员都可以从我们的研究中受益。
2020-08-07 cs.SE
Bridging Solidity Evolution Gaps: An LLM-Enhanced Approach for Smart Contract Compilation Error Resolution
针对Solidity版本演进导致的编译错误问题,评估了多种LLMs的修复能力,并提出集成专家知识检索与LLM修复机制的SMCFIXER框架,在真实数据集上较GPT-4o提升24.24%,准确率达96.97%。
2025-08-14 cs.SE
SmartBugs: A Framework to Analyze Solidity Smart Contracts
在过去的几年里,人们对以太坊智能合约的自动化分析、测试和调试进行了大量的研究。然而,比较和复制这项研究并非易事。为了解决这个问题,我们提出了SmartBugs,这是一个可扩展且易于使用的执行框架,它简化了在以太坊中使用的主要语言Solidity编写的智能合约上执行分析工具。SmartBugs目前支持10个工具和两个Solidity合约数据集。第一个数据集可用于评估分析工具的精度,因为它包含143个带注释的易受攻击合同,其中有208个标记的漏洞。第二个数据集包含通过Etherscan收集的47,518个唯一合约。我们将讨论SmartBugs如何在工具数量和执行时间方面支持迄今为止最大的实验设置。此外,我们还展示了它如何通过对SmartCheck工具进行新的扩展来轻松集成和比较分析工具,该扩展大大提高了对与DASP 10类别不良随机性,时间操纵和访问控制相关的漏洞的检测(识别的漏洞从11%增加到24%)。
2020-07-10 cs.CR cs.SE
Charting The Evolution of Solidity Error Handling
本研究通过分析283K个智能合约和102版本文档,揭示Solidity错误处理特性使用有限但require上升,近70%合约面临缺失错误处理风险,建议改进文档。
2024-02-05 cs.SE
RAPO-Sol: Retrieval-Augmented Preference Optimization for Repository-Level Solidity Code Generation
China University of Mining and Technology(中国矿业大学);Macau University of Science and Technology(澳门科技大学)
提出RAPO-Sol两阶段训练框架,结合检索增强微调和基于语义扰动的直接偏好优化,在仓库级Solidity代码生成中显著提升性能,且推理时无需检索。
2026-10-08 cs.SE
SuMo: A Mutation Testing Strategy for Solidity Smart Contracts
智能合约是在区块链基础设施中部署和执行的软件程序。由于其不可变的性质,直接由部署基础设施的特定特征导致,智能合约必须在发布之前进行彻底的测试。测试是有助于提高智能合约可靠性的主要活动之一,从而可能防止大量有价值资产的损失。因此,重要的是为测试人员提供允许他们评估他们执行的活动的工具。变异测试是评估测试集故障检测能力的一种有效方法。在本文中,我们提出了SuMo,一种用于以太坊智能合约的新型突变测试工具。SuMo实现了一组44个突变操作符,这些操作符是从最新的Solidity文档和著名的突变测试工具开始设计的。这些允许模拟智能合约开发人员可以制造的各种故障。这组操作符旨在限制死产突变体的生成,这会减慢突变测试过程并限制工具的可用性。我们报告的第一次评估SuMo的开源项目的测试套件。我们得到的结果是令人鼓舞的,它们表明SuMo可以有效地帮助开发人员提供更可靠的智能合约。
2021-05-08 cs.SE
Towards Understanding the Bugs in Solidity Compiler
本文首次系统性研究了533个Solidity编译器缺陷,分析其特征与触发用例,得出七条结论,并通过基准评估三个模糊测试工具,揭示其因忽视缺陷诱导特征、编译选项和测试预言而检测效率低下的问题。
2024-08-09 cs.SE
Profiling Gas Consumption in Solidity Smart Contracts
University of Sannio(桑尼奥大学)
如今,越来越多的应用程序被开发用于在分布式账本技术上运行,即dApps。dApps的业务逻辑通常在通过Solidity开发的智能合约中实现,Solidity是一种用于在不同区块链平台上编写智能合约的程序设计语言,包括流行的以太坊。在以太坊中,智能合约在矿工的机器上运行,gas对应于补偿这些计算资源的执行费用。然而,智能合约的部署和执行成本取决于开发人员的实现选择。不适当的设计选择可能导致比必要的更高的气体消耗。在本文中,我们(i)确定了一组影响智能合约部署和交易成本的19种Solidity代码气味,以及(ii)通过涉及34名参与者的调查评估这些气味的相关性。在这些气味之上,我们提出了GasMet,这是一套从气体消耗角度静态评估智能合约代码质量的指标。一项涉及2,186个智能合约的实验表明,所提出的指标与部署成本有直接关联。我们套件中的指标可用于更轻松地识别需要优化的源代码段。
2021-12-15 cs.CL cs.CR cs.SE
Automated Vulnerability Injection in Solidity Smart Contracts: A Mutation-Based Approach for Benchmark Development
本研究提出基于突变注入的MuSe工具,自动向Solidity智能合约注入六种漏洞以生成基准,并用Slither验证,发现注入率因漏洞而异且静态分析工具检测不全,凸显了改进检测评估的需求。
2025-04-22 cs.SE
Testing Smart Contracts Gets Smarter
智能合约是不可变的,可验证的,自治的代码片段,可以在以太坊等区块链网络上部署和运行。由于区块链的不变性,已部署的智能合约或已验证的交易不可能发生变化。另一方面,以太坊区块链中的智能合约携带了数百万美元,因此,一个错误的智能合约可能会导致巨大的金钱损失。因此,对于智能合约开发人员来说,在将其部署到区块链上之前,充分测试和检查其代码的正确性非常重要。在本文中,我们提出了一种基于突变测试的Solidity语言智能合约测试机制。我们分析了Solidity智能合约中已知错误的全面列表,并设计了10类受真实错误启发的变异算子。我们的实验结果表明,我们提出的变异算子可以重新生成15个著名的错误智能合约中的10个,这些智能合约导致了数百万美元的损失。结果表明,我们提出的变异算子在检测Solidity智能合约中的实际故障方面是有效的。我们还使用我们的突变操作符扩展了{ \em Universal Mutator }工具,以便它可以自动为Solidity编写的智能合约生成突变体。
2019-12-24 cs.SE
Solsmith: Solidity Random Program Generator for Compiler Testing
本文提出并实现Solidity编译器测试程序生成器Solsmith,通过独特程序生成策略和差分测试验证其有效性,发现四个已确认编译器缺陷。
2025-06-04 cs.SE
Solidity Meets LLMs: A Transformer-Based Approach to Smart Contract Vulnerability Detection
University of Oum El Bouaghi(乌姆布阿格大学);Laval University(拉瓦尔大学)
本文提出基于 Transformer 的智能合约漏洞检测方法,利用预训练 LLM 微调 BERT 模型,在 Solidity 代码片段上实现 92% 的 F1 分数,有效增强合约安全性。
2026-09-24 cs.CR cs.SE
SmartEmbed: A Tool for Clone and Bug Detection in Smart Contracts through Structural Code Embedding
以太坊已经成为一个广泛使用的平台,可以实现安全的、基于区块链的金融和商业交易。然而,以太坊的一个主要问题是其智能合约的安全性。智能合约中发现的许多错误和漏洞不仅给区块链的维护带来了挑战,而且还导致了严重的财务损失。有一个显着的需要,以更好地帮助开发人员检查智能合约,并确保其可靠性。在本文中,我们提出了一个Web服务工具,名为SmartEmbed,它可以帮助Solidity开发人员找到重复的合同代码和克隆相关的智能合约中的错误。我们的工具是基于代码嵌入和相似性检查技术。通过比较以太坊区块链中现有solidity代码的代码嵌入向量与已知bug之间的相似性,我们能够有效地识别用户给出的任何solidity代码的代码克隆和克隆相关bug,这有助于提高用户对其代码可靠性的信心。除了个人开发者的使用外,SmartEmbed还可以应用于大规模的智能合约研究。当应用于从以太坊区块链收集的超过22K个solidity合约时,我们发现solidity代码的克隆率接近90%,远高于传统软件,并且基于我们的小bug数据库可以高效准确地识别出194个克隆相关的bug,精度为96%。SmartEmbed可通过\url{http://www.smartembed.net}访问。SmartEmbed的演示视频位于\url{https://youtu.be/o9ylyOpYFq8}
2019-08-22 cs.SE
IDOL: Improved Different Optimization Levels Testing for Solidity Compilers
本文提出 IDOL 方法,通过逆向优化转换生成语义等价的智能合约变体来测试 Solidity 编译器,并在初步评估中发现 3 个已确认的优化缺陷。
2025-06-15 cs.SE
An Empirical Study of Impact of Solidity Compiler Updates on Vulnerabilities in Ethereum Smart Contracts
本文收集 503,572 个以太坊合约开展实证研究,分析 Solidity 编译器版本对三类高危漏洞的影响,发现重大更新可降低漏洞出现率,并指出移除代码克隆可进一步减少 Unchecked Call。
2023-06-07 cs.CR cs.SE
An empirical analysis of vulnerability detection tools for solidity smart contracts
本文通过实证评估分析了针对Solidity智能合约的自动化漏洞分析工具,利用SmartBugs 2.0框架和手动标注的2182个实例数据集,评估了不同工具在检测各类漏洞上的有效性,并展示了结合多种检测方法能提高漏洞识别的准确性。
2026-05-18 cs.SE
SolEval: Benchmarking Large Language Models for Repository-level Solidity Code Generation
针对现有基准忽视Solidity的问题,构建首个仓库级基准SolEval(含1507个样本)评估LLMs的Solidity生成能力,发现最佳LLM仅26.29%Pass@10,且微调Qwen-7B可显著提升性能。
2025-08-26 cs.SE
Inheritance software metrics on smart contracts
区块链系统最近获得了巨大的吸引力,部分原因是分散的不可变的经济活动调解的潜力。以太坊是一个突出的例子,它提供了执行被称为智能合约的有状态计算脚本。这些智能合约类似于传统程序,但不变性是核心区别因素。考虑到它们的不变性和潜在的高货币价值,开发高质量的智能合约势在必行。软件度量传统上是确定编程质量的重要工具。考虑到智能合约(用Solidity for Ethereum编写)和面向对象(OO)编程之间的相似性,OO指标似乎是适用的。在本文中,我们实证评估了应用于智能合约的基于继承的指标。我们之所以关注这一点,是因为传统上,继承与更复杂的代码库相关联,而我们认为基于Solidity的智能合约并非如此。在这项工作中,我们评估了一个假设,即由于智能合约和OO程序的背景不同,使用相同的基于继承的指标进行评估可能是不合适的。
2020-07-16 cs.PL cs.SE
Securing Smart Contract Languages with a Unified Agentic Framework for Vulnerability Repair in Solidity and Move
University Of Houston(德克萨斯大学休斯敦分校);Kent State University(肯特州立大学)
本文提出Smartify,一种利用多代理框架和LLMs自动检测并修复Solidity和Move智能合约漏洞的方法,展现其在提升安全性和可靠性方面的显著成效。
2025-11-20 cs.AI cs.CR cs.MA
Vulnerability anti-patterns in Solidity: Increasing smart contracts security by reducing false alarms
本文提出基于开发者视角的Solidity轻量级静态检查方法,用于验证其他工具输出并标记误报,在三种前十漏洞上将误报减少92%至100%。
2024-10-22 cs.CE cs.CR cs.SE
Finding and Understanding Miscompilation Bugs in the Solidity Compiler
Ethereum Foundation(以太坊基金会)
研究旨在提高Solidity编译器质量,创建SolSmith工具。通过生成有效测试程序使编译器测试更严格,发现25个错误编译漏洞。还对这些漏洞进行定性和定量分析,揭示优化编译器的陷阱,为智能合约及用户减少潜在风险。
2026-07-09 cs.CR cs.PL cs.SE
Towards LLM-assisted High-Quality Property Generation for Solidity Smart Contracts
FAST-NUCES;Truscova GmbH(Truscova有限公司);United Arab Emirates University(阿联酋大学)
研究利用大语言模型为Solidity智能合约生成高质量属性,通过变异测试衡量属性质量,评估多种提示技术,发现Gemini Pro 1.5结合提示链平均变异得分高,个别合约表现突出,显示大语言模型在属性生成上有潜力达专家水平。
2026-07-28 cs.SE
A Preference-Driven Methodology for High-Quality Solidity Code Generation
The State Key Laboratory of Blockchain and Data Security, Zhejiang University(浙江大学区块链与数据安全国家重点实验室);China University of Petroleum (Beijing)(中国石油大学(北京))
针对 LLM 生成 Solidity 合约难以兼顾正确性、gas 与安全的问题,提出 PrefGen 框架,将区块链量化指标纳入 DPO 多目标偏好优化,并以四项指标验证其显著提升。
2025-09-30 cs.SE
Can Advanced Type Systems Be Usable? An Empirical Study of Ownership, Assets, and Typestate in Obsidian
一些区块链程序(智能合约)包含严重的安全漏洞。Obsidian是一种新的面向类型状态的程序设计语言,它使用强类型系统来排除其中的一些漏洞。虽然Obsidian的设计是为了提高可用性,使编写程序尽可能容易,但强类型系统可能会导致语言难以使用。特别是Obsidian用来提供安全保证的所有权、类型状态和资产,还没有在流行语言中得到广泛采用,这导致了重大的可用性挑战。我们对20名参与者进行了一项实证研究,将Obsidian与Solidity进行了比较,Solidity是当今最常用的智能合约编写语言。我们观察到Obsidian参与者能够成功完成比Solidity参与者更多的编程任务。我们还发现,Solidity的参与者通常会插入与资产相关的bug,Obsidian会在编译时检测到这些bug。
2020-10-16 cs.PL cs.SE
ADF-GA: Data Flow Criterion Based Test Case Generation for Ethereum Smart Contracts
测试是提高以太坊智能合约程序质量的重要技术。然而,目前对智能合约的测试工作只关注智能合约程序的静态问题。针对智能合约程序的动态测试,目前还缺少一种面向数据流的测试用例生成方法。为了解决这个问题,本文提出了一种新的测试用例生成方法,称为ADF-GA(使用遗传算法的基于所有使用数据流标准的测试用例生成),用于基于Solidity的以太坊智能合约程序。ADF-GA的目标是通过三个阶段有效地生成一组有效的测试用例。首先,从源代码构造相应的程序控制流图。然后对生成的控制流图进行分析,获取Solidity程序中的变量信息,定位request语句,并得到待测试的定义-使用对。最后,采用遗传算法生成测试用例,并提出了一种改进的适应度函数来计算每个测试用例的定义-使用对覆盖率。对几个有代表性的Solidity程序进行了实验研究。结果表明,ADF-GA能有效地生成测试用例,达到更好的覆盖率,并减少了遗传算法的迭代次数。
2020-02-29 cs.SE
All Your Tokens are Belong to Us: Demystifying Address Verification Vulnerabilities in Solidity Smart Contracts
本文针对以太坊智能合约中未充分研究的地址验证漏洞,设计并实现了基于静态EVM操作码模拟的轻量级污点分析器AVVERIFIER,实现了高精确率与召回率,并发现了大量未披露的漏洞合约。
2024-05-31 cs.CR cs.SE
Identifying and Characterizing Semantic Clones of Solidity Functions
University of Sannio(桑尼奥大学);University of Molise(莫利塞大学);University of Foggia(福贾大学)
本文提出了一种可扩展的方法,通过分析代码和注释识别语义等价的Solidity函数,通过手动验证和实验验证了其有效性,并探讨了LLM在文档生成中的应用,为Solidity克隆检测提供了新基准。
2026-04-29 cs.SE
How to Save My Gas Fees: Understanding and Detecting Real-world Gas Issues in Solidity Programs
本文实证研究 Solidity 智能合约中的 gas wastes,开发静态检测工具 PeCatch 并审查编译器实现,提出 11 项洞见和四条建议,修复缺陷每日可节省 76 万美元。
2025-07-27 cs.SE
Towards Automated Smart Contract Generation: Evaluation, Benchmarking, and Retrieval-Augmented Repair
The Hong Kong Polytechnic University(香港理工大学);Sun Yat-sen University(中山大学)
本文提出SolBench和RAR框架,通过基于执行的基准测试和检索增强修复方法,提升Solidity智能合约生成的准确性和效率。
2026-01-27 cs.AI cs.CL cs.SE
Obsidian: Typestate and Assets for Safer Blockchain Programming
区块链平台正在广泛用于处理尚未建立相互信任的参与者之间的关键交易。许多区块链都是可编程的,支持智能合约,智能合约维护持久状态并支持转换状态的交易。不幸的是,许多智能合约中的漏洞已经被黑客利用。Obsidian是一种新颖的程序设计语言,它的类型系统可以静态检测当今智能合约中常见的错误。黑曜石是基于一个核心演算,二氧化硅,我们证明了类型的可靠性。Obsidian使用typestate来检测不适当的状态操纵,使用线性类型来检测资产滥用。我们描述了两个案例研究,评估黑曜石的适用性的领域的参数保险和供应链管理,发现黑曜石的类型系统有利于推理高层次的国家和所有权的资源。我们将我们的Obsidian实现与Solidity实现进行了比较,观察到Solidity实现需要大量的样板检查和状态跟踪,而Obsidian静态地完成这项工作。
2019-09-08 cs.PL cs.SE
Comparing Smart Contract Paradigms: A Preliminary Study of Security and Developer Experience
University of Cagliari(卡利亚里大学);University College London(伦敦大学学院)
本文通过对比Solidity和Move两种智能合约语言,发现Move在安全性和代码规模方面有显著优势,但开发者学习曲线较陡,研究为语言选择提供了初步依据。
2026-05-20 cs.PL cs.SE
Towards Source Mapping for Zero-Knowledge Smart Contracts: Design and Preliminary Evaluation
由于zkSolc等编译器中缺乏源映射,因此对零知识兼容的智能合约进行验证和审计仍然是一个重大挑战。在这项工作中,我们提出了一个初步的源代码映射框架,在zkSolc编译管道中建立Solidity源代码,LLVM IR和zkEVM字节码之间的可追溯性。我们的方法解决了零知识编译中非线性转换和证明友好优化所带来的可追溯性挑战。为了提高映射的可靠性,我们结合了轻量级的一致性检查的基础上静态分析和结构验证。我们在50个基准合约和500个真实zkSync合约的数据集上评估了该框架,观察到标准Solidity结构的映射准确率约为97.2%。在复杂的情况下,如内联程序集和深层继承层次结构,会出现预期的限制。测得的编译开销保持适度,约为8.6%。我们的初步结果表明,在零知识编译管道中的源映射支持是可行的,可以有利于调试,审计和开发工作流。我们希望这项工作可以作为进一步研究和工具开发的基础,旨在改善zk-Rollup环境中的开发人员体验。
2025-05-02 cs.SE
SmartState: Detecting State-Reverting Vulnerabilities in Smart Contracts via Fine-Grained State-Dependency Analysis
针对智能合约状态回退漏洞检测难题,提出基于细粒度状态依赖分析的SmartState框架,结合字节码与交易数据提取依赖、建模漏洞模式,在实测中取得较高准确率与召回率,还发现大量新漏洞及对应资产风险。
2024-06-23 cs.SE
Slither: A Static Analysis Framework For Smart Contracts
本文介绍了Slither,一个静态分析框架,旨在提供有关以太坊智能合约的丰富信息。它的工作原理是将Solidity智能合约转换为一个名为SlithIR的中间表示。SlithIR使用静态单分配(SSA)形式和简化的指令集来简化分析的实现,同时保留将Solidity转换为字节码时丢失的语义信息。Slither允许应用常用的程序分析技术,如恶意代码和污点跟踪。我们的框架有四个主要用例:(1)自动检测漏洞,(2)自动检测代码优化机会,(3)提高用户对合同的理解,以及(4)协助代码审查。在本文中,我们提出了一个概述的Slither,详细的设计,其中间表示,并评估其能力,在现实世界的合同。我们表明,Slither的错误检测是快速,准确的,并优于其他静态分析工具在以太坊智能合约中发现的问题,在速度,鲁棒性和平衡的检测和误报。我们使用大型智能合约数据集比较了工具,并手动审查了1000个最常用合约的结果。
2019-08-26 cs.CR cs.SE
LLMs as verification oracles for Solidity
University of Cagliari, Italy(卡利亚里大学)
本文探讨了使用LLMs评估Solidity合同属性有效性的潜力,通过实证研究展示其在智能合约验证中的应用效果。
2026-01-09 cs.AI cs.CR cs.SE
SolAgent: A Specialized Multi-Agent Framework for Solidity Code Generation
Shanghai Jiao Tong University(上海交通大学);The State Key Laboratory of Blockchain and Data Security, Zhejiang University(浙江大学区块链与数据安全全国重点实验室)
SolAgent通过双循环机制和文件系统能力,在智能合约生成中实现高正确性和安全性,Pass@1率达64.39%,减少安全漏洞39.77%。
2026-01-30 cs.SE
SCDBench: A Benchmark for LLM-Based Smart Contract Decompilers
University of Warwick(沃里克大学);UC Berkeley(伯克利大学);University College London(伦敦大学学院)
针对现有智能合约反编译评估缺乏统一基准的问题,提出SCDBench数据集与评估方法,通过四阶段累积评估(格式完整性、可编译性、ABI恢复、语义一致性)测试前沿LLM的反编译能力,发现语义一致性仍远未解决。
2026-11-09 cs.AI cs.CR cs.SE
Validating Solidity Code Defects using Symbolic and Concrete Execution powered by Large Language Models
Alexandru Ioan Cuza University of Iași(伊亚舒亚努-伊奥安·库扎大学)
本文提出一种集成Slither检测器、LLMs、Kontrol和Forge的检测流水线,通过符号与具体执行验证Solidity智能合约缺陷,有效降低误报并减少人工验证负担。
2025-09-16 cs.AI cs.SE
Formally Verifying a Real World Smart Contract
本文探索了能够形式化验证用较新版本 Solidity 编写的真实世界智能合约的工具,以应对智能合约部署后难以修改且错误代价高昂的问题。
2023-07-05 cs.SE
Checking Smart Contracts with Structural Code Embedding
智能合约越来越多地与区块链一起使用,以自动化金融和商业交易。然而,在许多合同中发现了许多错误和漏洞,这引起了人们对智能合同安全性的严重担忧,更不用说构建智能合同的区块链系统可能存在错误。因此,需要更好地维护智能合约代码并确保其高可靠性。在本文中,我们提出了一种自动化的方法来学习Solidity中智能合约的特征,这对于智能合约的克隆检测,错误检测和合约验证非常有用。我们的新方法是基于词嵌入和向量空间比较。我们将智能合约代码解析为具有代码结构信息的字流,转换代码元素(例如,语句、函数)转换为数字向量,这些数字向量应该对代码语法和语义进行编码,并比较编码代码的向量与已知错误之间的相似性,以识别潜在的问题。我们已经实现了一个原型,名为SmartEmbed的方法。实验结果表明,该工具可以有效地识别出Solidity代码中的大量重复实例,其中克隆率约为90%.代码克隆,如类型III甚至类型IV语义克隆也可以被准确地检测到。我们的工具可以识别超过1000个克隆相关的错误的基础上,我们的错误数据库有效和准确。我们的工具还可以帮助有效地验证任何给定的智能合约是否存在已知的错误,这有助于提高用户对合约可靠性的信心。匿名复制软件包可从以下网址访问:https://drive.google.com/file/d/1kauLT3y2IiHPkUlVx4FSTda-dVAyL4za/view? usp=sha…
2020-01-20 cs.SE