Malicious Code Detection in Smart Contracts via Opcode Vectorization
School of Cyberspace Security, Hainan University（海南大学网络空间安全学院）
本文提出基于指令码向量化的智能合约恶意代码检测方法，通过特征提取和机器学习模型训练提升检测效果。
2026-01-31 cs.CR
DeFiTail: DeFi Protocol Inspection through Cross-Contract Execution Analysis
针对DeFi协议恶意事件频发、检测方法不足的问题，本文提出首个基于深度学习的DeFiTail框架，通过跨合约执行路径统一与符号执行栈验证数据路径，实现访问控制与闪电贷攻击的高准确率检测。
2024-05-17 cs.CR
Evaluating the Vulnerability Landscape of LLM-Generated Smart Contracts
Deakin University（迪肯大学）
本研究评估了LLM生成的智能合约的安全性，发现其存在严重漏洞，提出缓解措施和开发指南以提高区块链安全。
2026-02-03 cs.CR
Formal Analysis of Composable DeFi Protocols
去中心化金融（DeFi）已经成为区块链和智能合约最成功的应用之一。DeFi生态系统支持广泛的加密金融活动，而底层的智能合约通常包含漏洞，其中许多漏洞来自于将DeFi协议组合在一起的不可预见的后果。在本文中，我们提出了一个正式的过程代数技术，模型DeFi协议的组合方式，允许有效的属性验证。我们还进行了一个案例研究，以证明所提出的方法在分析两个相互作用的DeFi协议，即曲线和化合物的组成。最后，我们讨论了如何提出的建模和验证方法可以用来分析金融和安全属性的利益。
2021-04-19 cs.CR
Designing Secure Ethereum Smart Contracts: A Finite State Machine Based Approach
基于区块链的分布式计算平台的采用正在快速增长。其中一些平台，如以太坊，为实施智能合约提供支持，这些智能合约预计将在包括金融和物联网在内的广泛领域中具有新颖的应用。然而，在实践中部署的大量智能合约存在安全漏洞，使恶意用户能够从合约中窃取资产或造成损害。漏洞是一个严重的问题，因为合同可能处理价值可观的金融资产，而合同漏洞在设计上是不可修复的。为了帮助开发人员创建更安全的智能合约，我们引入了FSolidM，这是一个基于严格语义的框架，用于将合约设计为有限状态机（FSM）。我们提供了一个工具，用于在易于使用的图形界面上创建FSM，并自动生成以太坊合约。此外，我们引入了一组设计模式，我们将其实现为插件，开发人员可以轻松地将其添加到他们的合同中，以增强安全性和功能。
2017-11-26 cs.CR cs.FL cs.SE
Architectural Design for Secure Smart Contract Development
本文分析了区块链智能合约常见漏洞与攻击，详细阐述开发过程，并提出一个旨在增强未来系统安全标准、促进用户信任的架构设计模型。
2024-01-03 cs.CR
Do you still need a manual smart contract audit?
本研究探索利用大型语言模型优化智能合约安全审计，通过52个DeFi合约基准和变异测试，发现GPT-4和Claude在漏洞识别上准确率约40%，最佳真阳性率达78.7%，虽需人工复核，但为更高效经济的审计方法奠定基础。
2023-06-22 cs.CR
TaintSentinel: Path-Level Randomness Vulnerability Detection for Ethereum Smart Contracts
针对以太坊智能合约随机数漏洞，本文提出路径敏感的 TaintSentinel，通过规则污点分析、双流神经网络及 PathGNN/GlobalGCN 提升检测精度。
2025-10-21 cs.CR
Semantic Sleuth: Identifying Ponzi Contracts via Large Language Models
提出PonziSleuth，首个无需标注数据的LLM驱动庞氏合约检测方法，通过两步零样本思维链提示分析源码，在基准和真实数据上表现优异，识别出15个新庞氏骗局。
2024-12-18 cs.CR
LookAhead: Preventing DeFi Attacks via Unveiling Adversarial Contracts
提出LookAhead框架，利用对抗性合约的代码语义和攻击模式训练机器学习分类器，以高F1分数和低误报率检测DeFi攻击。
2025-04-20 cs.CR
SciviK: A Versatile Framework for Specifying and Verifying Smart Contracts
区块链上越来越多地采用智能合约带来了新的安全风险，可能导致重大的金钱损失，而现有的方法要么不为智能合约提供（或部分）安全保证，要么需要大量的证明工作。为了应对这一挑战，我们提出了SciviK，这是一个用于指定和验证工业级智能合约的通用框架。SciviK的多功能方法扩展了以前的工作，有三个关键贡献：（i）一个表达性注释系统，支持内置指令进行漏洞模式检查、基于神经的循环不变推理以及验证现实世界智能合约的丰富属性（ii）以太坊虚拟机的细粒度模型（EVM）提供低级执行语义，（iii）集成SMT求解器和Coq证明助手的IR级验证框架。我们使用SciviK来指定和验证12个基准合约和一个真实世界的去中心化金融（DeFi）智能合约的安全属性。在所有158个指定的安全属性（六种类型）中，151个属性可以在2秒内自动验证，5个属性可以在适度修改后自动验证，两个属性需要大约200行Coq代码手动验证。
2021-03-03 cs.CR cs.PL
DeFi-ning DeFi: Challenges & Pathway
加密货币和区块链技术的去中心化和不信任性质导致了数字世界的转变。在以太坊等加密货币上执行小程序（称为智能合约）的可能性为无数新应用程序打开了大门。一个特别令人兴奋的用例是去中心化金融（DeFi），它旨在通过在去中心化基础设施上建立传统金融服务来彻底改变传统金融服务。我们通过分析DeFi与传统金融相比的优势，展示了DeFi的潜力。此外，我们还调查了DeFi产品的最新技术水平，并对现有服务进行了分类。由于DeFi仍处于起步阶段，大规模采用还有无数障碍。我们讨论了最突出的挑战，并指出了可能的解决方案。最后，我们分析了DeFi产品背后的经济学。通过仔细分析最先进的技术和讨论当前的挑战，我们给出了DeFi空间在不久的将来可能如何发展的观点。
2021-01-14 cs.CR
SoK: Decentralized Finance (DeFi) Attacks
本文提出了一个系统评估和比较DeFi事件的通用参考框架，通过分析181起真实事件揭示学术界与业界的认知差距，并探讨了非原子执行、字节码分析和信息泄露等潜在防御措施。
2023-04-07 cs.CR
Secure compilation of rich smart contracts on poor UTXO blockchains
本文提出ILLUM，一种面向UTXO区块链的中间级语言，支持丰富智能合约表达，并设计安全编译器，证明编译不引入新漏洞，且可作为高级语言的编译目标。
2024-04-22 cs.CR
Vision-Based Learning for Cyberattack Detection in Blockchain Smart Contracts and Transactions
VNU Information Technology Institute（越南国立大学信息技术研究所）；VNU University of Engineering and Technology（越南国立大学工程技术大学）；School of Electrical Engineering, Computing and Mathematical Sciences, Curtin University（科廷大学电气、计算和数学科学学院）；University of Canberra（堪培拉大学）；Posts and Telecommunications Institute of Technology（邮电技术学院）
本文提出了一种基于视觉学习的区块链网络攻击检测框架，利用NLP和ViT技术提升智能合约和交易的安全性。
2025-12-12 cs.CR
ScamDetect: Towards a Robust, Agnostic Framework to Uncover Threats in Smart Contracts
本文提出 ScamDetect 框架，旨在通过图神经网络分析控制流图以应对字节码混淆，并泛化至 WASM 等新兴运行时，实现平台无关的智能合约恶意软件主动检测。
2025-08-12 cs.CR
Bastet: A Fine-Grained Expert-Labeled Dataset for DeFi Smart Contract Vulnerability Detection
AIFT（亚洲创新与技术学院）
针对现有数据集存在的过时Solidity版本、自动标注噪声和粗粒度标签问题，提出基于真实审计报告和专家共识标注的细粒度两层分类法（46个标签和77个子标签）的DeFi智能合约漏洞数据集Bastet。
2026-06-02 cs.CR
Formalising Decentralised Exchanges in Coq
导致加密资产重大损失的攻击和事故数量正在增加。根据Chainalysis的数据，到2021年，大约由于各种事件，已经损失了140亿美元，而这个数字主要是分散式金融（DeFi）应用程序。为了解决这些问题，可以使用从审计到正式方法的一系列工具。我们使用形式化验证，并在捕获合同交互的基础证明助手中提供DeFi合同的第一次形式化。我们专注于Dexter2，这是一个去中心化的，非托管的Tezos网络交换，类似于以太坊上的Uniswap。Dexter的实现由几个智能合约组成。由于复杂的合同互动，这对正式化提出了独特的挑战。我们的形式化包括证明功能的正确性方面的一个非正式规范德克斯特的实施所涉及的合同。此外，我们的形式化是第一个证明去中心化交易所的交互智能合约的安全属性的特征。我们已经将合约从Coq提取到CameLIGO代码中，因此它可以部署在Tezos区块链上。Uniswap和Dexter是一系列类似合同的典范。因此，我们的方法使我们能够实现和验证具有类似交互模式的DeFi应用程序。
2022-03-11 cs.CR cs.LO
Understanding Blockchain Governance: Analyzing Decentralized Voting to Amend DeFi Smart Contracts
本文实证研究 Compound 和 Uniswap 两大 DeFi DAO 的治理协议，发现投票权高度中心化且策略性投票扭曲结果，揭示当前 DAO 治理实践与去中心化理想存在差距。
2025-07-21 cs.CR
CLOAK: A Framework For Development of Confidential Blockchain Smart Contracts
近年来，随着区块链的采用已经在广泛的领域中扩展，例如，数字资产、供应链金融等，智能合约的保密性现在是实际应用的基本需求。然而，尽管新的隐私保护技术不断涌现，但现有技术如何最好地适应开发环境却很少有人研究。由于在编程接口方面受到有限的架构支持，最先进的解决方案很难达到一般开发人员。在本文中，我们提出了用于开发机密智能合约的CLOAK框架。CLOAK的关键功能是允许开发人员实现和部署多方事务（MPT）问题的实用解决方案，即，通过简单地指定它来处理不同方拥有的秘密输入和状态。为此，CLOAK引入了一种特定于域的注释语言，用于声明隐私规范，并进一步自动生成机密智能合约，以在区块链上的可信执行环境（TEE）中部署。在我们对简单和真实世界应用程序的评估中，开发人员通过仅开发规模不到已部署智能合约30%的CLOAK智能合约，以简洁的方式在区块链上部署业务服务。
2021-06-25 cs.CR cs.SE
LLM-BSCVM: An LLM-Based Blockchain Smart Contract Vulnerability Management Framework
提出LLM-BSCVM框架，结合检索增强生成与多智能体协作，实现智能合约漏洞的端到端检测、分析、修复与评估，检测准确率和F1超过91%，误报率降至5.1%。
2025-05-23 cs.CR
Penetrating the Hostile: Detecting DeFi Protocol Exploits through Cross-Contract Analysis
Hainan University（海南大学）；Jinan University（暨南大学）；University of Chinese Academy of Sciences（中国科学院大学）
针对DeFi协议攻击频发且现有仅关注受害者的检测方法难以覆盖攻击者意图的问题，提出首个利用深度学习进行跨合约静态数据流分析的漏洞检测框架DeFiTail，通过统一执行路径和符号执行栈验证，在访问控制、闪电贷漏洞及CVE数据集上均实现高准确率。
2025-11-01 cs.CR
Dissimilar Redundancy in DeFi
去中心化金融（DeFi）的迅速崛起伴随着对其协议的频繁且通常具有经济破坏性的攻击，已经有70多个DeFi协议被利用，损失的资金总额约为15亿美元。在本文中，我们介绍了一种新的方法来最大限度地减少此类攻击的频率和严重性：智能合约的不同冗余。简而言之，其思想是多次实现程序逻辑，理想情况下使用不同的程序设计语言。然后，对于每个实现，在允许区块链的状态改变之前，结果应该匹配。这是受到航空电子领域的启发，并与航空电子领域有着明显的相似之处，由于安全关键的环境，飞行控制系统通常具有多个冗余实现。我们认为，DeFi协议中的高财务风险值得采用概念上类似的方法，并且我们提供了一种新的算法来实现智能合约的不同冗余。
2022-01-29 cs.CR
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
Gas Gauge: A Security Analysis Tool for Smart Contract Out-of-Gas Vulnerabilities
本文提出 Gas Gauge 工具，通过静态分析、白盒模糊测试和运行时验证三个阶段，检测、识别并修复以太坊智能合约中由无界循环导致的 Out-of-Gas DoS 漏洞，并在 1,000 个真实合约上验证其优于现有工具。
2022-07-09 cs.CR
Disentangling Decentralized Finance (DeFi) Compositions
我们提出了一项关于去中心化金融协议组成的测量研究，旨在破坏传统金融并在分布式账本（如以太坊）上提供服务。DeFi组合可能会影响生态系统互操作性的发展，越来越多地与Web技术集成，并可能通过复杂性引入风险。从23个标记的DeFi协议和10，663，881个相关以太坊账户的数据集开始，我们研究了协议和相关智能合约的交互。从网络的角度来看，我们发现，分散的交流和贷款协议具有高度和中心性的价值，协议节点之间的相互作用主要发生在一个强连接的组件，和已知的社区发现方法不能解开DeFi协议。因此，我们提出了一种算法，将协议调用分解为一组嵌套的构建块，这些构建块可能是其他DeFi协议的一部分。通过我们收集的地面实况数据集，我们可以通过发现交换是最常用的构建块来证明算法的能力。由于构建块可以嵌套，即，包含在彼此中，我们提供了组合树的可视化，以进行更深入的检查。我们还通过提取和扁平化跨多个DeFi协议的整个嵌套构建块结构来呈现DeFi组合物的全貌。最后，为了证明我们方法的实用性，我们提出了一个案例研究，该案例研究的灵感来自于最近Terra生态系统中UST稳定币的崩溃。在稳定币USD Tether将经历类似命运的假设下，我们研究了哪些构建块以及DeFi协议将受到影响。总的来说，我们的研究结果和方法有助于更好地了解一个新的家庭的金融产品。
2022-09-30 cs.CR cs.CY
HyMo: Vulnerability Detection in Smart Contracts using a Novel Multi-Modal Hybrid Model
Urmia University of Technology（乌尔米耶技术大学）
针对智能合约漏洞检测依赖专家规则且复杂合约检测耗时的问题，提出融合多模态输入、FastText 嵌入与 BiGRU 的混合深度学习模型 HyMo，并在 ScrawlD 上验证其检测性能优于现有方法。
2023-04-25 cs.AI cs.CR
Automated Attack Synthesis for Constant Product Market Makers
本文提出CPMMX工具，通过形式化CPMM可组合性缺陷并采用“先浅后深搜索”方法，在整条区块链上自动检测并合成可获利的攻击，实验表明其检测数量、速度和F1分数均优于基线，并在以太坊和币安网络中发现26个新漏洞。
2025-04-10 cs.CR cs.SE
Frontrunner Jones and the Raiders of the Dark Forest: An Empirical Study of Frontrunning on the Ethereum Blockchain
以太坊繁荣了大量智能合约应用程序的诞生，从赌博游戏到去中心化金融。然而，以太坊也被认为是一个高度对抗的环境，脆弱的智能合约最终将被利用。最近，以太坊的未决交易池已经成为一个更具侵略性的环境。为了赚取一些利润，攻击者不断监视交易池，并试图通过替换或压制受害者的交易，或战略性地插入他们的交易来转移受害者的交易。这篇论文旨在揭示所谓的黑暗森林，并揭示这些捕食者的行动。我们提出了一种方法来有效地测量三种类型的领跑：位移，插入和抑制。我们对超过1100万个区块进行了大规模分析，发现了近20万次攻击，攻击者的累计利润为1841万美元，证明了领先是一个有利可图的普遍问题。
2021-06-03 cs.CR
SmartLLM: Smart Contract Auditing using Custom Generative AI
Universitas Pelita Harapan（培灵大学）
针对智能合约因编码错误和复杂攻击向量易受漏洞利用、传统检测方法存在局限的问题，提出基于微调LLaMA 3.1模型与RAG的SmartLLM方法，其性能优于静态工具和零样本LLM方法，实验召回率100%、准确率70%，推动智能合约安全发展。
2025-02-17 cs.AI cs.CR
MEV Ecosystem Evolution From Ethereum 1.0
本综述梳理了DeFi中MEV的获利潜力、其对区块链性能及核心原则的威胁，回顾了过往社区解决方案的问题，并总结了当前旨在构建公平DeFi市场的研究进展。
2024-06-19 cs.CR
Scam Detection for Ethereum Smart Contracts: Leveraging Graph Representation Learning for Secure Blockchain
针对以太坊智能合约攻击频发、现有反欺诈检测技术存在不足的问题，提出将交易数据转为图结构、用图表示学习检测诈骗合约，经SMOTE-ENN处理不平衡样本后测试发现MLP效果优于GCN，为以太坊生态安全提供新可能。
2025-03-19 cs.AI cs.CR cs.DC
Prompt to Pwn: Automated Exploit Generation for Smart Contracts
UNSW Sydney（新南威尔士大学）；CSIRO Data61, Australia（澳大利亚CSIRO数据61研究院）
研究提出ReX框架，通过链接LLM生成漏洞利用与Foundry栈实现端到端生成、编译、执行和验证。评估五种LLM在八种漏洞类型中的表现，发现当前模型在单合约漏洞生成有效，但跨合约攻击仍弱，揭示了LLM驱动AEG的边界条件。
2026-04-21 cs.AI cs.CR cs.ET
IT Strategic alignment in the decentralized finance (DeFi): CBDC and digital currencies
本文通过系统文献综述梳理DeFi中的常见IT要素，探究其与DeFi IT战略对齐的关联，发现现有研究存在相关空白，提出了研究局限与未来方向。
2024-05-17 cs.CR cs.CY
Theorem-Carrying Transactions: Runtime Verification to Ensure Interface Specifications for Smart Contract Safety
针对智能合约安全，提出定理携带交易（TCT）技术，结合具体执行与符号证明，在运行时验证交易符合接口规范，开销极低，成功应用于代币合约和Uniswap。
2025-08-06 cs.CR cs.PL
Maximal Extractable Value in Decentralized Finance: Taxonomy, Detection, and Mitigation
本文系统综述DeFi中的最大可提取价值（MEV），提出新颖分类法，比较检测方法，评估缓解策略，为构建更安全高效的DeFi生态提供洞见。
2025-02-28 cs.CE cs.CR cs.CY
A Lifecycle-Oriented Detection and Defense Framework for Price Manipulation Attacks in DeFi
Hainan University（海南大学）
该研究针对DeFi价格操纵攻击，基于预言机生命周期构建三层攻击树，结合Fuzzy-AHP与VaR量化风险，开发基于Slither的自动检测工具，提出多层防御策略，有效降低价格偏差且检测性能优于现有工具。
2026-08-18 cs.CR
JANUS: A Difference-Oriented Analyzer For Financial Centralization Risks in Smart Contracts
School of Computer Science and Technology, Anhui University（安徽大学计算机科学与技术学院）；School of Computer Science and Technology, University of Science and Technology of China（中国科学技术大学计算机科学与技术学院）
JANUS通过分析智能合约中特权账户与普通账户状态差异，检测金融集中风险，提高了检测准确性并发现未知模式的风险。
2026-01-18 cs.CR cs.LG
A formal framework for the economic security of DeFi compositions
University of Cagliari（卡利亚里大学）；University of Trento（特伦托大学）
针对DeFi组合中的经济安全风险，提出MEV无干扰形式化安全概念，并定义局部MEV度量，通过有界/无界财富对手模型及充分条件实现模块化安全推理，应用于多种DeFi组合以区分安全与脆弱设计。
2026-06-03 cs.CR cs.SE
Strengthening DeFi Security: A Static Analysis Approach to Flash Loan Vulnerabilities
针对DeFi中闪电贷价格操纵攻击难检测的问题，提出增强型静态污点分析框架FlashDeFier，通过拓展污点范围、构建跨合约调用图提升检测率，较现有工具提升30%。
2025-02-23 cs.CR
Where Do Smart Contract Security Analyzers Fall Short?
NYU Abu Dhabi（纽约大学阿布扎比分校）
研究评估了六种智能合约安全分析工具在真实合约中的表现，发现准确性差异大、假阳性率高且运行时间长，揭示了工具在实际应用中的不足。
2026-03-01 cs.CR cs.SE
TxT: Real-time Transaction Encapsulation for Ethereum Smart Contracts
以太坊是一个无需许可的区块链生态系统，支持智能合约的执行，是去中心化金融（DeFi）和不可替代代币（NFT）的关键推动者。然而，以太坊智能合约的表现力是一把双刃剑：虽然它实现了区块链的可编程性，但它也引入了安全漏洞，即，合同代码的预期行为和实际行为之间的可利用差异。为了解决这些差异并增加漏洞覆盖率，我们提出了一种新的智能合约安全测试方法，称为交易封装。其核心思想在于在完全同步但隔离的以太坊节点上本地执行交易，这会在区块链的当前状态下创建交易序列结果的预览。这种方法提出了一个关键的技术挑战--众所周知的检查时间/使用时间（TOCTRIO）问题，即，确保最终事务将呈现与封装的测试事务相同的执行路径。在这项工作中，我们确定了测试交易的保证执行路径可复制性的确切条件，并实现了一个交易测试工具TxT，它揭示了以太坊交易的实际结果。为了确保测试的正确性，TxT确定性地验证给定的事务序列是否在区块链的当前状态上具有相同的执行路径。我们分析了超过13亿笔以太坊交易，并确定其中96.5%可以通过TxT进行验证。我们进一步表明，TxT成功地揭示了智能合约弱点分类（SWC）注册表中37个漏洞中的31个（83.8%覆盖率）相关的可疑行为。相比之下，所有现有防御方法的漏洞覆盖率仅为40.5%。
2023-01-20 cs.CR cs.DC
Empirical Review of Smart Contract and DeFi Security: Vulnerability Detection and Automated Repair
本文实证综述了智能合约与DeFi安全领域，将攻击归纳为六类，评估了42种漏洞检测技术和8种自动修复工具，并指出了未来需解决的开放问题。
2023-09-06 cs.CR cs.SE
Retrieval Augmented Generation Integrated Large Language Models in Smart Contract Vulnerability Detection
San Francisco State University（旧金山州立大学）
本研究将检索增强生成与大语言模型结合，构建RAG-LLM流水线用于智能合约漏洞检测，在引导和盲审设置下分别取得62.7%和60.71%的成功率，为低成本审计提供概念验证。
2024-07-20 cs.AI cs.CR
A formal model for ledger management systems based on contracts and temporal logic
Sapienza University of Rome（罗马第一大学）；University of Molise（莫利塞大学）
针对当前智能合约易有漏洞、语义偏离法律合约的问题，提出基于有限状态自动机的合约形式化模型，并以时态逻辑构建适配账本历史属性的抽象查询语言，提升账本系统可靠性。
2021-09-30 cs.CL cs.CR cs.LO
Protecting DeFi Platforms against Non-Price Flash Loan Attacks
本文提出 FlashGuard，一种针对非价格闪电贷攻击的运行时检测与缓解方法，通过在内存池短暂时机内发送隐蔽微尘交易破坏攻击原子性，实现超 99.93% 准确率的实时检测，并验证其可挽回超 4.05 亿美元损失。
2025-03-03 cs.CR
Smart Contract and DeFi Security Tools: Do They Meet the Needs of Practitioners?
本文通过评估五个 SoTA 工具、分析127起攻击并调查49名从业者，发现现有工具仅能预防8%的 DeFi 攻击损失，亟需覆盖逻辑与协议层漏洞。
2024-01-22 cs.CR cs.SE
Knowdit: Agentic Smart Contract Vulnerability Detection with Auditing Knowledge Summarization
Nanyang Technological University（南洋理工大学）；National Superior College for Engineers, Beihang University（北京航空航天大学高等工程学院）；Bitslab；The Chinese University of Hong Kong（香港中文大学）
Knowdit利用审计知识摘要和多智能体框架，通过迭代循环检测智能合约漏洞，有效识别高和中严重性漏洞，优于现有基线方法。
2026-07-02 cs.AI cs.CR cs.SE
DeFiFusion: Combining Transaction Events with Smart Contracts to Detect Price Manipulation Attacks
Nanjing University of Aeronautics and Astronautics（南京航空航天大学）；National University of Singapore（新加坡国立大学）；Zhejiang University of Technology（浙江工业大学）；Zhejiang University（浙江大学）；Hangzhou High-Tech Zone (Binjiang) Institute of Blockchain and Data Security（杭州高新区（滨江）区块链与数据安全研究院）
DeFiFusion提出双模态融合框架，结合交易事件与智能合约语义，利用LLM提取合约逻辑和Transformer捕获循环执行结构，实现价格操纵攻击的高精度检测。
2026-09-11 cs.AI cs.CR cs.SE
Blockchain security based on cryptography: a review
Hainan University（海南大学）
从密码学角度分析区块链攻击，介绍哈希函数等技术及在区块链中的作用，基于六层架构分析各层攻击并提应对方法，剖析多种攻击原理并设计防御方案，总结核心问题与展望未来发展。
2026-07-07 cs.CR
AttackPathGNN: Cross-function vulnerability detection in smart contracts using state interference graphs and conjunction pooling
Bucharest University of Economic Studies（布加勒斯特经济学院）
提出AttackPathGNN，一种图神经网络，通过构建状态干扰图和合取池化机制，将漏洞检测转化为对显式攻击路径的推理，实现跨函数漏洞的高精度检测。
2026-06-04 cs.AI cs.CR
Defending the Peg: Real-Time Dynamic Protection and Anomaly Detection in DeFi Stablecoins
Hainan University（海南大学）
针对DeFi稳定币智能合约安全问题，本文分析真实攻击事件，提出实时动态防御架构，构建基于Bi-LSTM的异常检测模型，实现高准确率、高召回率与低延迟的检测效果。
2026-08-27 cs.CR
Reap the Harvest on Blockchain: A Survey of Yield Farming Protocols
产量农业是去中心化金融（DeFi）中非常受欢迎的资产管理活动。它涉及提供、借用或抵押加密资产，以在不同的DeFi市场上以交易费、利息或参与奖励的形式赚取收入。在这项系统性调查中，我们将产量耕作协议作为更广泛的DeFi生态系统的聚合层组成部分，与分散式交易所（DEX）和可贷款基金（PLF）协议等连续层协议进行交互。我们首先研究产量耕作智能合约中编码的操作，然后对各种产量耕作策略进行程式化的参数化模拟，从而研究产量耕作机制。我们对相关工作进行了全面的文献综述，并建立了一个产量耕作协议的框架，该框架考虑了池结构，接受的令牌类型和实施的策略。使用我们的框架，我们描述了市场上主要的收益率聚合器，包括Yearn Finance，Beefy和Badger DAO。此外，我们讨论了对产量聚合器的轶事攻击，并概括了一些与产量农业相关的风险。
2022-12-14 cs.CR cs.GT q-fin.PM
FORAY: Towards Effective Attack Synthesis against Deep Logical Vulnerabilities in DeFi Protocols
针对 DeFi 协议跨合约深层逻辑漏洞检测效率低的问题，本文提出 Foray 框架，通过领域特定语言将智能合约提升为金融操作并构建代币流图，结合高效草图生成与符号编译，实现可扩展的攻击合成。
2024-11-20 cs.CR cs.PL
