Evaluation of ChatGPT's Smart Contract Auditing Capabilities Based on Chain of Thought
Salus Security(萨勒斯安全公司)
本研究基于CoT提示评估GPT-4在智能合约安全审计中的表现,发现其漏洞检测召回率较低,但在代码解析和PoC编写方面展现出作为辅助工具的显著潜力。
2024-02-19 cs.AI cs.CR
Extorsionware: Exploiting Smart Contract Vulnerabilities for Fun and Profit
公开部署在区块链上的智能合约(SC)已被证明包含多个漏洞,这些漏洞可能被用户恶意利用。在本文中,我们提出了勒索软件,一种新的攻击,利用脆弱的SC的公共性质,以控制受害者的SC资产。由于获得了对SC的控制权,攻击者迫使受害者付出代价以重新获得对SC的独占控制权。
2022-04-08 cs.CR
A Survey of Security Vulnerabilities in Ethereum Smart Contracts
基于区块链技术(BT)的以太坊智能合约使区块链网络上的同行之间的货币交易独立于中央授权机构。以太坊智能合约是部署为去中心化应用程序的程序,具有区块链共识协议的构建块。这使消费者能够在透明和无冲突的环境中达成协议。然而,这些智能合约中存在一些安全漏洞,对应用程序及其消费者构成潜在威胁,并在过去造成了巨大的经济损失。在这项研究中,我们回顾了现有的文献和广泛的BT应用程序进行分类。由于以太坊智能合约主要应用于电子商务应用程序,我们认为这些应用程序更容易受到攻击。在这些智能合约中,我们主要关注识别智能合约的程序员和用户必须避免的漏洞。本文旨在通过分析这些安全漏洞过去的利用案例场景,解释八个特定于BT应用级别的漏洞。我们还审查了一些可用的工具和应用程序,检测这些漏洞的方法和有效性。我们还调查了用于识别这些安全漏洞的检测工具的可用性,以及用于识别其中一些漏洞的检测工具的缺乏情况
2021-05-14 cs.CR
ScrawlD: A Dataset of Real World Ethereum Smart Contracts Labelled with Vulnerabilities
以太坊上的智能合约处理数百万美元和其他金融资产。过去,攻击者利用智能合约窃取这些资产。以太坊社区已经开发了大量工具来检测易受攻击的智能合约。然而,没有标准化的数据集来评估这些现有的工具,或任何新开发的工具。有必要为现实世界的以太坊智能合约制定一个公正的标准基准。我们创建了ScrawlD:一个来自以太坊网络的真实智能合约的注释数据集。该数据集使用5种工具进行标记,这些工具使用多数投票来检测智能合约中的各种漏洞。
2022-02-25 cs.CR
Mining Characteristics of Vulnerable Smart Contracts Across Lifecycle Stages
School of Cyberspace Security, Hainan University(海南大学网络空间安全学院)
本文首次对智能合约整个生命周期(部署、执行、升级、销毁)进行实证研究,提出七个特征,并用五个机器学习模型识别各阶段漏洞,发现漏洞合约在不同阶段具有不同交易特征和网络属性。
2025-04-21 cs.AI cs.CR
A Survey on Vulnerabilities of Ethereum Smart Contracts
智能合约(SC)是区块链技术的延伸。以太坊区块链是第一个将SC纳入其中的区块链,从而开启了加密货币和电子交易的新时代。坚固性有助于对SC进行编程。尽管如此,在2014年Solidity出现后不久,基于Solidity的SC遭受了许多攻击,剥夺了SC账户持有人的宝贵资金。这些攻击的主要原因是存在的SC漏洞。本文讨论了SC漏洞,并根据领域知识的错误操作进行分类。这种分类提醒开发人员和软件工程师,为了SC的安全性,每个SC都需要使用有效的工具进行适当的测试,以捕获这些类的漏洞。
2020-12-28 cs.CR
Logic Meets Magic: LLMs Cracking Smart Contract Vulnerabilities
UNSW Sydney(新南威尔士大学);CSIRO Data61(联邦科学与工业研究组织Data61)
针对现有基于大语言模型的智能合约漏洞检测误报率高的问题,本文基于Solidity v0.8版本和五款最新LLM开展评估,发现合理提示词可降60%以上误报率,同时揭示了新版本部分漏洞召回率骤降的原因。
2025-01-13 cs.AI cs.CR
AutoMESC: Automatic Framework for Mining and Classifying Ethereum Smart Contract Vulnerabilities and Their Fixes
由于智能合约中的漏洞所带来的风险,其安全性近年来受到了极大的关注。然而,缺乏关于智能合约漏洞及其修复的开放数据集,从而可以进行数据驱动的研究。为此,我们提出了一种自动化方法,用于从GitHub和国家漏洞数据库中的常见漏洞和暴露(CVE)记录中挖掘和分类以太坊的智能合约漏洞及其相应的修复。我们在一个完全自动化的框架中实现了所提出的方法,我们称之为AutoMESC。AutoMESC使用七种最知名的智能合约安全工具,根据漏洞类型对收集到的漏洞进行分类和标记。此外,它还收集可用于数据密集型智能合约安全研究的元数据(例如,漏洞检测、漏洞分类、严重性预测和自动修复)。我们使用AutoMESC构建了一个样本数据集,并将其公开。目前,该数据集包含6700个以Solidity编写的智能合约的可行性修复对。我们从准确性、来源和相关性方面评估了构建数据集的质量,并将其与现有数据集进行比较。AutoMESC旨在持续收集数据,并通过GitHub和CVE记录中新发现的智能合约漏洞及其修复程序来更新相应的数据集。
2022-12-20 cs.CR cs.SE
Unveiling the Landscape of Smart Contract Vulnerabilities: A Detailed Examination and Codification of Vulnerabilities in Prominent Blockchains
本文针对主流区块链中智能合约漏洞缺乏系统整理与标准化命名的问题,提出了最完整的漏洞清单和新的编码化系统,以促进开发者和研究人员的沟通并指导未来研究。
2023-12-01 cs.CR cs.DC
Vulnerabilities of smart contracts and mitigation schemes: A Comprehensive Survey
本文通过文献综述与实验测试相结合的方式,系统梳理智能合约常见漏洞及缓解方案,特别关注NFT碎片化带来的新风险,并对社区主流工具进行实测评估,最终给出安全智能合约开发综合指南。
2024-04-08 cs.CR
Soley: Identification and Automated Detection of Logic Vulnerabilities in Ethereum Smart Contracts Using Large Language Models
本研究针对以太坊智能合约逻辑漏洞问题,提出基于大语言模型的Soley自动化检测方法,识别出9种新型漏洞及对应缓解策略,检测性能优于现有基线方法。
2024-06-24 cs.CR cs.ET
A Fly in the Ointment: An Empirical Study on the Characteristics of Ethereum Smart Contracts Code Weaknesses and Vulnerabilities
背景:智能合约是在区块链上自动执行的计算机程序。其实施中的漏洞导致了加密货币的严重损失。智能合约在部署到以太坊区块链时变得不可变。因此,必须了解以太坊智能合约中漏洞的性质,以便在未来防止它们。现有的分类是存在的,但在几个方面受到限制。目标:我们的目标是描述用Solidity编写的以太坊智能合约中的漏洞,并统一现有的分类方案。方法:我们从公共编码平台和流行的漏洞数据库中提取了2143个漏洞,并使用卡片排序方法对其进行分类。我们在本文中针对以太坊区块链,因为它是第一个也是最受欢迎的支持智能合约部署的区块链,而Solidity是实现智能合约最广泛使用的语言。我们根据错误来源和影响设计了智能合约漏洞的分类方案。然后,我们将现有的分类方案映射到我们的分类。结果如下:由此产生的分类包括描述脆弱性误差来源的11个类别和描述潜在影响的13个类别。我们的研究结果表明,语言特定的编码和结构的数据流类别是占主导地位的类别,但发生的频率之间的数据源有很大的不同。结论:我们的研究结果使研究人员能够通过定义问题的各个维度来更好地理解智能合约漏洞,并通过基于文献的分类和定义类别的频率分布来支持我们的分类。
2022-03-28 cs.CR cs.SE
SmartGraphical: A Human-in-the-Loop Framework for Detecting Smart Contract Logical Vulnerabilities via Pattern-Driven Static Analysis and Visual Abstraction
Universiti Kebangsaan Malaysia(马来西亚国立大学);CoinFa Blockchain Research Lab(CoinFa区块链研究实验室)
本文提出SmartGraphical框架,结合自动化静态分析与可视化结构,通过人机协作检测智能合约逻辑漏洞,经实证研究证明其在识别复杂安全威胁方面优于现有方法。
2026-03-27 cs.CR
BugSweeper: Function-Level Detection of Smart Contract Vulnerabilities Using Graph Neural Networks
BugSweeper通过图神经网络实现智能合约漏洞的自动检测,无需人工规则,提升检测效率和适应性。
2025-12-12 cs.AI cs.CR cs.LG
ContractFuzzer: Fuzzing Smart Contracts for Vulnerability Detection
去中心化的加密货币的特点是使用区块链在没有中央机构的网络上的同行之间转移价值。智能合约是在区块链共识协议之上运行的程序,使人们能够在最小化信任的同时达成协议。数以百万计的智能合约已经部署在各种分散的应用程序中。这些智能合约中的安全漏洞对其应用程序构成了重大威胁。事实上,以太坊平台上智能合约中的许多关键安全漏洞已经给用户造成了巨大的经济损失。在这项工作中,我们提出了ContractFuzzer,一种新颖的模糊器,用于测试以太坊智能合约的安全漏洞。ContractFuzzer基于智能合约的ABI规范生成模糊输入,定义测试预言机来检测安全漏洞,仪表EVM记录智能合约运行时行为,并分析这些日志以报告安全漏洞。我们对6991份智能合约进行了模糊处理,高精度地标记了超过459个漏洞。特别是,我们的fuzzing工具成功地检测到了导致6000万美元损失的DAO合约漏洞,以及导致3000万美元损失和价值1.5亿美元的以太币冻结的Parity Wallet漏洞。
2018-08-03 cs.CR cs.SE
MultiCFV: Detecting Control Flow Vulnerabilities in Smart Contracts Leveraging Multimodal Deep Learning
Hainan University(海南大学)
MultiCFV通过融合多模态特征提升智能合约控制流漏洞检测与代码克隆识别的准确性
2026-01-15 cs.CR
Exploring Vulnerabilities and Concerns in Solana Smart Contracts
Hainan University(海南大学)
本文系统梳理 Solana 智能合约漏洞与安全分析工具原理,并与以太坊对比及实测,揭示其安全现状与差异。
2026-10-12 cs.CR
Cyber-Physical Security Vulnerabilities Identification and Classification in Smart Manufacturing -- A Defense-in-Depth Driven Framework and Taxonomy
本文针对智能制造中传统漏洞定义忽视物理与人员维度的问题,提出基于漏洞与防御二元性的制造专用纵深防御模型,并据此建立首个智能制造网络物理漏洞分类法,为系统与过程层面的漏洞治理提供结构化框架。
2025-06-04 cs.CR
A Survey on Smartphones Security: Software Vulnerabilities, Malware, and Attacks
如今,智能手机及其应用程序的使用在人们的日常生活中已经变得越来越流行。在过去的十年中,移动支付系统和应用程序市场等移动货币服务的可用性显着增加,这是由于移动设备提供的不同形式的应用程序和连接,如3G,4G,GPRS和Wi-Fi等。因此,智能手机已成为恶意程序员的理想目标设备。随着安全漏洞和攻击数量的增加,研究人员提出的安全对策也相应上升。由于这些原因,支付系统的安全性是移动支付系统中最重要的问题之一。在本次调查中,我们的目标是为智能手机设备的安全解决方案的研究提供一个全面和结构化的概述。该调查回顾了2011年至2017年期间安全解决方案、威胁和漏洞的最新技术水平,重点关注软件攻击,例如针对智能手机应用程序的攻击。我们概述了一些对策,旨在保护智能手机免受这些群体的攻击,基于检测规则,数据汇集和操作系统,特别是专注于开源应用程序。通过这种分类,我们希望为用户和研究人员提供一个简单的理解,以提高他们对智能手机安全和隐私的了解。
2020-01-26 cs.CR
Security Vulnerabilities in Ethereum Smart Contracts: A Systematic Analysis
Hainan University(海南大学)
本文通过分析以太坊智能合约的安全漏洞,探讨了整数溢出、重入等攻击原理及防范措施,旨在为避免更多漏洞提供基础。
2026-01-16 cs.CR
Large Language Model-Powered Smart Contract Vulnerability Detection: New Perspectives
Georgia Institute of Technology(佐治亚理工学院)
本文提出GPTLens框架,通过将智能合约漏洞检测分为生成与判别两阶段,利用大语言模型的双重角色,在提高漏洞检出率的同时减少误报,显著优于传统方法。
2023-10-16 cs.AI cs.CR
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
OpenSCV: An Open Hierarchical Taxonomy for Smart Contract Vulnerabilities
本文提出OpenSCV,一种开放、分层且面向社区贡献的智能合约漏洞分类法,基于现有研究构建,覆盖当前检测工具能力,支持未来演进,为漏洞研究提供实用资源。
2023-04-07 cs.CR cs.SE
CKG-LLM: LLM-Assisted Detection of Smart Contract Access Control Vulnerabilities Based on Knowledge Graphs
Hainan University(海南大学)
本文提出CKG-LLM框架,利用大语言模型能力将自然语言漏洞模式转化为知识图谱查询,提升智能合约访问控制漏洞检测性能。
2026-04-14 cs.CR
FakeWake: Understanding and Mitigating Fake Wake-up Words of Voice Assistants
Zhejiang University(浙江大学);Technical University of Darmstadt(达姆施塔特工业大学)
在物联网(IoT)领域,语音助手已成为操作智能扬声器、智能手机甚至汽车的重要接口。为了节省电力和保护用户隐私,语音助手只有在检测到一小部分预先注册的唤醒词时才会向云端发送命令。然而,语音助手被证明容易受到FakeWake现象的影响,即它们无意中被听起来无辜的模糊单词触发。在本文中,我们提出了一个系统的调查FakeWake现象从三个方面。首先,我们设计了第一个模糊词生成器,自动和有效地产生模糊词,而不是通过一群音频材料搜索。我们设法生成965个模糊词,涵盖8个最流行的英语和中文智能扬声器。为了解释FakeWake现象背后的原因,我们构建了一个可解释的基于树的决策模型,该模型揭示了唤醒词检测器错误接受模糊词的语音特征。最后,我们提出了缓解FakeWake影响的补救措施。结果表明,增强后的模型不仅对模糊词有很好的适应性,而且在原始训练数据集上的整体性能也有所提高。
2021-09-21 cs.CR cs.LG
Smart Contract Vulnerabilities: Vulnerable Does Not Imply Exploited
近年来,我们看到了学术界和实践界对智能合约漏洞的极大兴趣,特别是那些为以太坊区块链开发的智能合约。虽然大多数工作都集中在检测 * 脆弱 * 合同,但在本文中,我们重点关注这些脆弱合同中有多少实际上被 * 利用 *。我们调查了最近六个学术项目报告的23,327个易受攻击的合同,发现尽管涉及的金额很大,但自部署以来,只有1.98%的合同被利用。这相当于最多8,487 ETH(约170万美元),或仅占300万ETH(6亿美元)的0.27%。我们解释这些结果表明,资金非常集中在少数合同是 * 不可利用 * 在实践中。
2020-10-17 cs.CR
Vulnerabilities and Open Issues of Smart Contracts: A Systematic Mapping
智能合约(SC)是存储在区块链中的程序,用于确保两方或多方之间的协议。由于区块链的不可改变的本质,SC中的故障或错误一旦发布就成为永久性的。供应链的可靠性对于避免经济损失至关重要。因此,必须检查SC以确保没有错误。因此,许多研究提出了新的方法和工具,零缺陷软件在SC。本文进行了一个系统的文献映射识别的倡议和工具来分析供应链和如何处理已识别的漏洞。此外,这项工作确定了可能导致未来工作的研究课题的差距。
2021-05-26 cs.CR cs.SE
An Automated Vulnerability Detection Framework for Smart Contracts
The University of Texas at Dallas(德克萨斯大学达拉斯分校)
随着区块链技术在为各种问题提供去中心化解决方案方面的应用越来越多,智能合约变得越来越受欢迎,目前每天通过这种技术交换数十亿美元。与此同时,智能合约中的各种漏洞被攻击者利用,窃取了价值数百万美元的加密货币。因此,智能合约漏洞的自动检测是一个重要的研究问题。这个问题的现有解决方案特别依赖于人类专家来定义特征或不同的规则来检测漏洞。然而,这往往会导致许多漏洞被忽略,并且它们在检测新漏洞时效率低下。在这项研究中,为了克服这些挑战,我们提出了一个框架来自动检测区块链上智能合约中的漏洞。更具体地说,首先,我们从智能合约的字节码中利用新的特征向量生成技术,因为智能合约的源代码很少公开。接下来,将收集到的向量输入到我们新的基于度量学习的深度神经网络(DNN)中,以获得检测结果。我们在大规模的基准测试上进行了全面的实验,定量的结果证明了我们的方法的有效性和效率。
2023-01-20 cs.CR cs.LG
Security Analysis of EOSIO Smart Contracts
EOSIO区块链是代表性的委托权益证明(DPoS)区块链平台之一,最近发展迅速。与此同时,也发现了一些针对顶级EOSIO DApp及其智能合约的漏洞和高调攻击,并在野外观察到,导致严重的财务损失。EOSIO的大多数智能合约都不是开源的,它们通常被编译为WebAssembly(Wasm)字节码,因此分析和检测可能存在的漏洞具有挑战性。在本文中,我们提出了EOSAFE,这是第一个可用于在字节码级别自动检测EOSIO智能合约漏洞的静态分析框架。我们的框架包括一个用于Wasm的实用符号执行引擎,一个用于EOSIO智能合约的定制库仿真器,以及四个由算法驱动的检测器,用于识别EOSIO智能合约中四个最常见的漏洞。实验结果表明,EOSAFE在检测漏洞方面取得了令人满意的结果,F1测量值为98%。我们已将EOSAFE应用于生态系统中所有活跃的53,666个智能合约(截至2019年11月15日)。我们的研究结果表明,超过25%的智能合约是脆弱的。我们进一步分析了针对这些易受攻击的智能合约的可能的利用尝试,并确定了48次野外攻击(其中25次已被DApp开发人员证实),造成至少170万美元的经济损失。
2020-07-30 cs.CR
GPTScan: Detecting Logic Vulnerabilities in Smart Contracts by Combining GPT with Program Analysis
Nanyang Technological University(南洋理工大学);MetaTrust Labs(MetaTrust实验室);East China Normal University(华东师范大学);Xi’an Jiaotong University(西安交通大学);Singapore Management University(新加坡管理大学)
本文提出GPTScan,将GPT作为代码理解工具与静态分析结合,通过场景-属性匹配和静态确认检测智能合约逻辑漏洞,在保持高精确率和召回率的同时实现快速低成本的审计。
2024-05-06 cs.AI cs.CR cs.SE
AntFuzzer: A Grey-Box Fuzzing Framework for EOSIO Smart Contracts
在过去的几年里,针对EOSIO智能合约漏洞的几次攻击给这个流行的区块链平台造成了严重的财务损失。作为一种轻量级的测试生成方法,灰盒模糊技术可以提高EOSIO智能合约的安全性。然而,从头开始为EOSIO智能合约开发一个实用的灰盒模糊器是耗时的,并且需要对EOSIO内部结构有深入的了解。在这项工作中,我们提出了AntFuzzer,这是EOSIO智能合约的第一个高度可扩展的灰盒模糊框架。AntFuzzer实现了一种新颖的方法,该方法与AFL接口,以对EOSIO智能合约进行AFL风格的灰盒模糊。与黑盒模糊工具相比,AntFuzzer可以有效地触发那些难以覆盖的分支。在我们的基准数据集中,它在37.5%的智能合约上实现了代码覆盖率的提高。AntFuzzer为用户提供了统一的接口,以便针对不断出现的漏洞轻松开发新的检测插件。我们在AntFuzzer上实现了6个检测插件,用于检测EOSIO智能合约的主要漏洞。在我们对4,616个真实智能合约进行的大规模模糊测试中,AntFuzzer成功检测到741个漏洞。实验结果证明了AntFuzzer算法和我们的检测算法的有效性和效率。
2022-11-02 cs.CR
LLM-SmartAudit: Advanced Smart Contract Vulnerability Detection
针对智能合约安全风险高、现有检测工具覆盖漏洞类型单一且精度不足的问题,提出基于多智能体协作的LLM-SmartAudit框架,实验证明其在准确率、效率上优于传统工具,还能检测被遗漏的复杂逻辑漏洞。
2024-11-04 cs.CR
SoK: Root Cause of $1 Billion Loss in Smart Contract Real-World Attacks via a Systematic Literature Review of Vulnerabilities
本研究通过系统文献综述和实证分析,揭示智能合约真实世界攻击的根因,提出四层根因框架,涵盖协议逻辑、生命周期、外部依赖和经典漏洞。
2025-09-10 cs.CR
A Systematic Classification of Vulnerabilities in MoveEVM Smart Contracts (MWC)
针对Move与EVM集成产生的混合漏洞,提出MWC分类体系,涵盖37种漏洞类型,并通过真实合约分析证明现有工具不足,为逻辑感知审计奠定基础。
2025-05-25 cs.CR
Impact of Code Transformation on Detection of Smart Contract Vulnerabilities
针对智能合约漏洞检测训练数据集有限的问题,提出基于语义保持代码转换的数据集扩充方法,可生成能绕过现有检测工具的漏洞样本,使检测漏报率最高达100%,数据集规模至少扩大2.5倍。
2024-10-30 cs.CR cs.SE
EVMbench: Evaluating AI Agents on Smart Contract Security
OpenAI;Paradigm;OtterSec
EVMbench通过评估AI代理在智能合约安全领域的检测、修补和利用能力,揭示了AI在区块链安全评估中的潜力与挑战。
2026-03-05 cs.AI cs.CR cs.LG
Survey on Quality Assurance of Smart Contracts
本文系统综述了智能合约质量保障,涵盖漏洞、攻击、防御和工具支持,并构建带标签数据集以评估和比较漏洞检测工具的有效性。
2024-08-11 cs.CR cs.DC
CyberChainBench: Can AI Agents Secure Smart Contracts Against Real-World On-Chain Vulnerabilities?
The Ohio State University(俄亥俄州立大学);University of Washington(华盛顿大学)
提出CyberChainBench基准,评估基于LLM的代理在智能合约安全中的漏洞检测、利用生成和补丁合成能力,基于541个真实链上攻击事件,发现最佳配置在检测、利用和修补上的得分分别为37.5%、43.7%和23.4%。
2026-06-26 cs.AI cs.CR
Who Let the Smart Toaster Hack the House? An Investigation into the Security Vulnerabilities of Consumer IoT Devices
本研究提出了一种系统性的物联网安全攻击方法论,在测试平台上对11款商用智能家居设备进行数百次自动化实验,发现这些设备易受泛洪、端口扫描和操作系统扫描等攻击,为安全研究、设备工程师和用户提供了重要参考。
2023-07-26 cs.CR
Towards Compositional Generalization in LLMs for Smart Contract Security: A Case Study on Reentrancy Vulnerabilities
School of Artificial Intelligence, Beijing, China(人工智能学院,北京,中国);Beijing Advanced Innovation Center for Future Blockchain(未来区块链与隐私计算先进创新中心)
本文提出基于原子任务分解与融合的后训练算法,通过分解重入漏洞检测任务提升LLM在智能合约安全检测中的准确率与召回率。
2026-01-11 cs.AI cs.CR
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
AI-Based Vulnerability Analysis of NFT Smart Contracts
Hainan University(海南大学)
本研究提出基于AI的NFT智能合约漏洞检测方法,通过随机森林模型有效识别五类漏洞,提升自动化检测效率。
2026-01-17 cs.AI cs.CR
Implementing Man-in-the-Middle Attack to Investigate Network Vulnerabilities in Smart Grid Test-bed
本文构建了一个实时网络物理系统测试平台,结合电力系统与通信系统仿真器分析Modbus协议漏洞,实施中间人攻击评估其影响,并提出网络安全防护策略。
2023-05-31 cs.CR
WACANA: A Concolic Analyzer for Detecting On-chain Data Vulnerabilities in WASM Smart Contracts
本文提出 WACANA,通过细粒度模拟链上数据表与 API,并结合覆盖率引导的具体与符号执行,提升 WASM 智能合约漏洞检测的准确性和实用性。
2024-12-05 cs.CR cs.SE
Architecture and Its Vulnerabilities in Smart-Lighting Systems
工业4.0体现了这十年的重大技术变革之一。网络物理系统和物联网是这一变革中的两项核心技术,它们嵌入或连接传感器和执行器并与物理环境交互。然而,当构建组件并将组件互连到异构的多域\textit{Smart-*}系统架构时,这种系统的系统在努力保持可靠性和安全性方面受到额外的限制。本文提出了一种基于应用程序的,基于层的方法来进行离线安全分析,其灵感来自于设计科学,该设计科学融合了相关领域的专业知识。以智能照明系统为例,我们为用例创建了一个专用的统一分类法,并通过多个基于层的模型分析其分布式Smart-* 架构。我们从系统规范中获得潜在的攻击,在一个迭代和增量的过程中,并讨论由此产生的威胁和漏洞。最后,我们建议立即应对后者潜在的多域安全问题。
2021-09-19 cs.CR cs.SY eess.SY
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
A security framework for Ethereum smart contracts
针对智能合约漏洞分析工具异构、学习曲线陡峭的问题,提出以太坊安全分析框架ESAF,统一并简化漏洞分析,兼具持久监控与经典分析功能。
2024-02-05 cs.CR
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
BugMagnifier: TON Transaction Simulator for Revealing Smart Contract Vulnerabilities
Skolkovo Institute of Science and Technology(斯科尔科沃科学与技术学院);Moscow Institute of Physics and Technology(莫斯科物理技术学院);Positive Technologies(正数技术);Lomonosov Moscow State University(莫斯科国立罗蒙诺索夫大学);Indian Institute of Technology, Delhi(印度理工学院德里分校)
本文提出基于受控消息编排的动态评估方法,通过精确消息队列操作与差分状态分析结合,构建BugMagnifier框架,系统暴露异步智能合约中的执行缺陷,验证其在异步区块链环境中的有效性。
2026-05-01 cs.CR cs.DC
Pre-deployment Analysis of Smart Contracts -- A Survey
本文系统综述智能合约部署前分析方法,通过属性关联漏洞与方法,对静态分析、动态分析及机器学习算法进行分类,揭示不同方法的优势模式。
2023-06-30 cs.CR cs.SE
LogicScan: An LLM-driven Framework for Detecting Business Logic Vulnerabilities in Smart Contracts
Beijing Institute of Technology(北京理工大学);Nanyang Technological University(南洋理工大学);Nankai University(南开大学)
LogicScan利用大语言模型和业务规范语言,通过挖掘链上协议的业务不变量,实现对智能合约业务逻辑漏洞的高效检测。
2026-02-03 cs.CR
A Smart Home is No Castle: Privacy Vulnerabilities of Encrypted IoT Traffic
被称为物联网(IoT)的专用互联网连接设备和电器的日益普及,带来了新的便利和新的隐私问题。与传统的Web浏览器不同,许多物联网设备都有始终在线的传感器,可以不断监控用户物理环境的细粒度细节,并影响设备的网络通信。被动网络观察者,如互联网服务提供商,可能会分析物联网网络流量,以推断有关用户的敏感细节。在这里,我们检查了四个物联网灵巧家庭设备(Sense睡眠监视器,Nest Cam室内安全摄像头,WeMo交换机和Amazon Echo),发现它们的网络流量率可以揭示潜在的敏感用户交互,即使流量被加密。这些结果表明,需要一种技术解决方案来保护物联网设备所有者的隐私,并且在围绕ISP数据汇集和使用的持续政策辩论中必须考虑物联网特定的问题。
2017-05-18 cs.CR
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
Attack-Centric by Design: A Program-Structure Taxonomy of Smart Contract Vulnerabilities
Computer Engineering Department, Faculty of Engineering, Ferdowsi University of Mashhad (FUM)(马什哈德费尔多西大学工程学院计算机工程系)
针对现有智能合约漏洞分类法零散、围绕症状而非结构原因的问题,本文提出以攻击为中心的程序结构分类法,统一Solidity漏洞为八大根本原因家族,提供示例、缓解措施及检测信号关联,助力更有效的漏洞检测与安全实践。
2025-11-12 cs.CR cs.DC