Reentrancy Detection in the Age of LLMs
Ca’ Foscari University of Venice(威尼斯卡福斯卡里大学);University of Camerino(卡梅里诺大学)
本文通过构建两个基准测试,评估了12种形式化方法工具、10种机器学习模型和9种大语言模型在检测Solidity 0.8+中的重入漏洞方面的性能,结果显示大语言模型在重入检测中表现优于传统工具。
2026-03-27 cs.CR cs.SE
SmartML: Towards a Modeling Language for Smart Contracts
本文提出SmartML,一种平台无关且易理解的智能合约建模语言,详细阐述其形式语义与类型系统,并通过案例研究展示其防范重入攻击、增强合约安全可靠性的有效性。
2024-06-28 cs.SE
CONTRACTFIX: A Framework for Automatically Fixing Vulnerabilities in Smart Contracts
针对智能合约漏洞修复人工成本高的问题,提出通用框架ContractFix,通过多工具集成识别漏洞、模板化生成补丁并验证,可修复94%的已检测漏洞且保留合约预期行为。
2023-07-22 cs.SE
Metamorphic Testing for Smart Contract Vulnerabilities Detection
尽管智能合约快速增长,但由于缺乏可靠的开发和测试,它们正遭受许多安全漏洞。在本文中,我们应用变形测试技术来检测智能合约漏洞。基于我们在易受攻击的智能合约中观察到的异常,我们定义了五种变形关系来检测目标智能合约的异常气体消耗和账户交互不一致性。通过动态执行交易并检查变形关系的最终违反,我们确定智能合约是否易受攻击。我们在67个手动注释的智能合约的基准上评估了我们的方法。实验结果表明,我们的方法实现了更高的检测率(TPR,真阳性率)与更低的误报率(FDR,错误发现率)比其他三个国家的最先进的工具。这些结果进一步表明,变形测试是检测智能合约漏洞的一种很有前途的方法。
2023-03-06 cs.SE
Identifying Vulnerabilities in Smart Contracts using Interval Analysis
本文报告了利用区间分析增强智能合约漏洞检测的研究进展,通过在 Slither 上实现区间分析,成功识别出其他现有工具无法检测的漏洞。
2023-09-25 cs.SE
EOSFuzzer: Fuzzing EOSIO Smart Contracts for Vulnerability Detection
EOSIO是一个典型的公共区块链平台。它在交易速度方面具有可扩展性,并且拥有支持智能合约和分散应用程序的不断增长的生态系统。然而,EOSIO智能合约中的漏洞导致了严重的攻击,给最终用户造成了严重的经济损失。在本文中,我们系统地分析了三个典型的EOSIO智能合约漏洞及其相关攻击。然后,我们介绍了EOSFuzzer,这是一个通用的黑盒模糊框架,用于检测EOSIO智能合约中的漏洞。特别是,EOSFuzzer为EOSIO智能合约模糊化提出了有效的攻击场景和测试神谕。我们在3963个EOSIO智能合约上进行的模糊实验表明,EOSFuzzer能够有效且高效地检测EOSIO智能合约漏洞,并具有较高的准确性。
2020-08-06 cs.SE
Understanding Inconsistent State Update Vulnerabilities in Smart Contracts
Shandong University(山东大学)
本文首次系统研究智能合约中的不一致状态更新漏洞,揭示其根本原因及修复方法,并开发检查器验证发现。
2025-12-14 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
Vulseye: Detect Smart Contract Vulnerabilities via Stateful Directed Graybox Fuzzing
针对现有智能合约模糊测试工具状态反馈不足、测试资源浪费的问题,提出以漏洞为导向的有向状态灰盒模糊测试工具Vulseye,通过代码与状态双目标引导及新型适应度度量提升测试的有效性与效率。
2024-08-19 cs.SE
Smart Contract Vulnerabilities, Tools, and Benchmarks: an Updated Systematic Literature Review
University of Salerno(萨莱诺大学)
本文通过系统性文献综述探讨了以太坊智能合约的漏洞,分析了自动化检测工具和基准评估方法,总结了192种漏洞分类、219种检测工具及133个基准测试案例。
2026-01-14 cs.SE
WANA: Symbolic Execution of Wasm Bytecode for Cross-Platform Smart Contract Vulnerability Detection
许多流行的区块链平台都支持智能合约来构建分散的应用程序。然而,智能合约中的漏洞给最终用户带来了严重的经济损失。对于EOSIO区块链平台,有效的漏洞检测器仍然有限。此外,现有的漏洞检测工具只能支持一个区块链平台。在这项工作中,我们提出了WANA,一个基于WebAssembly字节码符号执行的跨平台智能合约漏洞检测工具。此外,WANA提出了一组测试预言机,以检测基于WebAssembly字节码分析的EOSIO和以太坊智能合约中的漏洞。我们的实验分析表明,WANA可以高效地检测EOSIO和以太坊智能合约中的漏洞。
2020-08-05 cs.SE
PrAIoritize: Automated Early Prediction and Prioritization of Vulnerabilities in Smart Contracts
本研究提出PrAIoritize方法,结合LLM与NLP技术,利用智能合约缺陷领域词典及DistilBERT模型,实现以太坊智能合约代码审查中缺陷的自动化预测与优先级排序,性能显著优于现有模型,可降低人工分诊成本。
2024-05-15 cs.SE
SmartAxe: Detecting Cross-Chain Vulnerabilities in Bridge Smart Contracts via Fine-Grained Static Analysis
针对跨链桥智能合约的跨链漏洞检测难题,提出SmartAxe框架,通过概率模式推理和跨链流图检测访问控制缺陷与语义不一致,在真实数据集上取得较高准确率与召回率,并发现大量未知漏洞。
2024-06-23 cs.SE
Bug Searching in Smart Contract
随着以太坊平台上智能合约的疯狂发展,其市值也节节攀升。2016年,人们对DAO重入攻击造成的近5000万美元的加密货币损失感到震惊。由于智能合约中流动的大量资金,其安全性引起了研究人员的广泛关注。在本文中,我们研究了几个常见的智能合约漏洞,并分析了它们可能的场景以及它们可能被利用的方式。此外,我们还调查了近年来以太坊平台的智能合约漏洞检测工具。我们发现这些工具在软件漏洞检测技术上有相似的原型。此外,针对以太坊等公共分发系统的特点,提出了这些软件漏洞检测技术面临的新挑战。
2019-05-02 cs.CR cs.SE
When ChatGPT Meets Smart Contract Vulnerability Detection: How Far Are We?
本文实证研究了ChatGPT在智能合约漏洞检测中的表现,发现其召回率高但精度有限,并与现有工具对比揭示了其在不同漏洞类型上的优劣势及鲁棒性局限。
2024-08-21 cs.SE
Bridging the Gap: A Comparative Study of Academic and Developer Approaches to Smart Contract Vulnerabilities
本文通过比较学术与开发者在修复智能合约漏洞策略上的差异,揭示了实际开发中存在与学术文献不一致的漏洞处理方法,并识别出27种新型修复策略。
2026-01-12 cs.SE
WakeMint: Detecting Sleepminting Vulnerabilities in NFT Smart Contracts
针对NFT智能合约中的sleepminting漏洞,本文分类了四种类型,并提出基于符号执行的检测工具WakeMint,在11,161个真实合约中实现87.8%的精确度。
2025-02-26 cs.SE
Fixing Smart Contract Vulnerabilities: A Comparative Analysis of Literature and Developer's Practices
本研究针对智能合约漏洞修复中开发者对文献指南遵循度不明的问题,通过分析Solidity GitHub仓库中DASP TOP 10漏洞修复提交,对比文献方案与开发者实践,挖掘新型修复技术并评估其有效性。
2024-03-12 cs.SE
Trace: Securing Smart Contract Repository Against Access Control Vulnerability
School of Software Engineering, Sun Yat-sen University(中山大学软件学院);Kashi Institute of Electronics and Information Industry(喀什电子信息产业研究院)
针对现有智能合约漏洞检测工具无法处理不可编译仓库的问题,提出结合大语言模型补全代码、基于调用图与控制流图检测访问控制漏洞的TRACE工具,在多类数据集上精度均显著优于现有方案。
2025-10-22 cs.SE
Smart Contract Vulnerability Detection based on Static Analysis and Multi-Objective Search
本文提出一种结合静态分析与多目标优化的智能合约漏洞检测方法,针对重入、调用栈溢出、整数溢出和时间戳依赖四类漏洞,在6,693个合约上验证其覆盖率、精度和效率优于现有工具。
2024-09-30 cs.SE
To Healthier Ethereum: A Comprehensive and Iterative Smart Contract Weakness Enumeration
针对 SWC 自 2020 年停更的问题,论文基于 86 篇文献和 273 条漏洞描述构建 SWE,归纳 40 类合约弱点并设计持续更新机制。
2023-08-20 cs.SE
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
SCPatcher: Automated Smart Contract Code Repair via Retrieval-Augmented Generation and Knowledge Graph
Hainan University(海南大学)
本文提出SCPatcher框架,结合检索增强生成与知识图谱实现智能合约漏洞自动修复,通过构建5000个验证过的以太坊合约知识图谱,提升大语言模型推理能力,实现高修复率和编译通过率。
2026-04-01 cs.SE
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
EVMFuzz: Differential Fuzz Testing of Ethereum Virtual Machine
以太坊虚拟机(EVM)是智能合约的运行环境,其漏洞可能会导致以太坊生态的严重问题。随着许多智能合约验证技术的开发,EVM的安全问题还没有得到很好的研究。在本文中,我们提出EVMFuzz,旨在检测EVMs与差分模糊测试的漏洞。EVMFuzz的核心思想是不断为不同的EVM的执行生成种子合约,从而尽可能多地发现执行结果之间的不一致,最终通过输出交叉引用发现漏洞。首先,我们提出了内部不一致性指标的评估指标,如执行的操作码序列和使用的气体。然后,我们通过一组预定义的变异器构建种子合同,并采用动态优先级调度算法来指导种子合同的选择和最大化的不一致性。最后,我们利用不同的EVM作为交叉引用的预言机,以避免手动检查执行输出。为了进行评估,我们对36,295个真实世界的智能合约进行了大规模突变,并生成了253,153个智能合约。其中,66.2%表现出差异性,包括1,596个变体合约触发了EVM之间的不一致输出。在人工分析的基础上,我们在四个广泛使用的EVM中发现了5个以前未知的安全漏洞,并且所有这些漏洞都已被纳入通用漏洞和暴露(CVE)数据库。
2019-04-08 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
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
Detecting State Manipulation Vulnerabilities in Smart Contracts Using LLM and Static Analysis
针对 DeFi 智能合约中的价格状态操纵攻击,本文提出结合 LLM 与静态分析的 PriceSleuth,通过核心逻辑识别、后向依赖和变量传播分析实现主动检测。
2025-06-11 cs.SE
xFuzz: Machine Learning Guided Cross-Contract Fuzzing
智能合约交易越来越多地被交叉合约调用所交织。虽然已经开发了许多工具来识别一组常见的漏洞,但现有工具忽略了跨合同漏洞。跨合约漏洞是指存在两个以上交互合约时出现的可利用漏洞。然而,现有的方法仅限于同时分析最多两个合同。检测跨合约漏洞是非常重要的。多个交互合约的搜索空间比单个合约的搜索空间大得多。为了解决这个问题,我们提出了xFuzz,一个机器学习引导的智能合约模糊框架。机器学习模型用新特征(例如,字向量和指令),并用于过滤可能的良性程序路径。与现有的静态工具相比,机器学习模型具有更强的鲁棒性,避免了在特定工具中直接采用人工定义的规则。我们将xFuzz与三种最先进的工具在7,391份合同上进行了比较。xFuzz检测到18个可利用的跨合约漏洞,其中15个漏洞为首次曝光。此外,我们的方法被证明在检测非交叉合同漏洞方面也很有效-使用不到20%的时间作为其他模糊工具,xFuzz检测到两倍的漏洞。
2022-06-30 cs.CR cs.SE
Enhancing Reliability of Symbolic Execution Tools for Smart Contract Analysis through Rule-Based False Positive Reduction
Lakehead University(拉科德湖大学);United Arab Emirates University(阿联酋大学);German Research Center for Artificial Intelligence(德国人工智能研究中心);National University of Computer and Emerging Sciences(巴基斯坦国立计算机与新兴科学大学)
本文针对智能合约分析工具Mythril的误报问题,设计基于规则的误报减少方法,在不降低真实漏洞检测能力的前提下显著减少误报,提升了工具可靠性。
2026-08-12 cs.SE
Satellite: Detecting and Analyzing Smart Contract Vulnerabilities caused by Subcontract Misuse
本文提出字节码级静态分析框架 Satellite,通过迁移学习恢复继承方法、方法级特征比对和 SMV 指标识别子合约误用漏洞,并在真实合约中发现未知漏洞。
2025-09-28 cs.SE
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
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
Static Application Security Testing (SAST) Tools for Smart Contracts: How Far Are We?
本文提出包含45种漏洞类型的细粒度智能合约漏洞分类体系,并构建覆盖40种类型、含788个文件和10,394个漏洞的基准,评估8种SAST工具后发现其漏报约50%、精确率不足10%,同时揭示多工具组合可降低漏报但增加误报,为工具改进与选择提供指导。
2024-06-29 cs.SE
Combining GPT and Code-Based Similarity Checking for Effective Smart Contract Vulnerability Detection
本文提出智能合约漏洞检测工具 SimilarGPT,结合 GPT 模型与基于代码的相似性检查,利用拓扑排序优化检测序列并建立参考代码库,有效减少了漏报与误报。
2024-12-24 cs.SE
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
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
ContractTinker: LLM-Empowered Vulnerability Repair for Real-World Smart Contracts
针对现有智能合约漏洞修复工具语义理解不足、难以处理真实漏洞的问题,提出结合思维链拆解与静态分析引导的LLM赋能修复工具ContractTinker,在48个高危漏洞上实现48%的有效修复率与21%的微改可用率。
2024-09-15 cs.CR 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
Chiral Analysis of Smart Contracts: Detecting Vulnerabilities from Relational Inconsistencies Across Business Paths
研究智能合约因业务路径关系不一致产生的漏洞,提出手性分析,将配对路径视为隐式规范,形式化关系并推导义务。通过ChiralDetector实现,经初步评估能减少候选对、产生去重结果,揭示难用单功能规则表达的漏洞类并控制成本与精度。
2026-07-21 cs.SE
A Comprehensive Study of Exploitable Patterns in Smart Contracts: From Vulnerability to Defense
Hainan University(海南大学)
本文全面分析了以太坊智能合约的关键安全风险,重点研究重入和整数溢出两种漏洞的底层机制、攻击复现及有效防御对策。
2025-04-30 cs.AI cs.CR cs.SE
Building Executable Secure Design Models for Smart Contracts with Formal Methods
智能合约之所以有吸引力,是因为它们是各方之间的自动执行的商业协议,具有预定义和不可变的义务和权利。然而,与所有软件一样,智能合约可能因设计缺陷而包含漏洞,其中一方可能会利用这些漏洞来欺骗其他方。在本文中,我们展示了一种使用形式化方法为智能合约构建安全设计模型的系统方法。为了构建安全模型,我们首先将参与方的行为建模为状态机,然后,我们对预定义的合同义务和权利进行建模,这些合同规定了状态机之间的交互以实现业务目标。在此之后,我们在TLA+(动作的时间逻辑)中说明了可执行的安全模型设计模式,以在设计层面上针对状态机和义务和权利方面的众所周知的智能合约漏洞。这些漏洞存在于以太坊合约中,包括Call to the unknown、Gasless send、Reentrancy、Lost in the transfer和Unpredictable state。由此产生的TLA+规范称为安全模型。我们说明了我们的方法来检测在设计层面上使用房地产合同的例子的漏洞。
2019-12-09 cs.SC cs.SE
CARE: A Responsibility-Oriented Architecture for Domain-Scoped Resolution in Modular and Upgradeable Smart Contracts
Department of Computer Engineering, SR.C, Islamic Azad University, Tehran, Iran(德黑兰伊斯兰阿扎德大学计算机工程系)
CARE提出面向责任的架构,通过领域限定能力解析分离协调与授权,经TLA+验证及实证评估,以固定7.7k-gas开销实现局部演进,优于EIP-2535。
2026-09-17 cs.SE
How Effective are Smart Contract Analysis Tools? Evaluating Smart Contract Static Analysis Tools Using Bug Injection
针对智能合约的安全攻击一直在上升,这导致了财务损失和信任的侵蚀。因此,让开发人员在部署之前发现智能合约中的安全漏洞非常重要。已经开发了许多静态分析工具来查找智能合约中的安全漏洞。然而,尽管有许多错误发现工具,但没有系统的方法来评估所提出的工具并衡量其有效性。本文提出了SolidiFI,这是一种用于评估智能合约静态分析工具的自动化和系统化方法。SolidiFI基于注入错误(即,代码缺陷)到智能合约中的所有潜在位置,以引入有针对性的安全漏洞。然后,SolidiFI使用静态分析工具检查生成的错误合约,并识别工具无法检测到的错误(假阴性)以及报告为假阳性的错误。SolidiFI被用来评估六个广泛使用的静态分析工具,即Oyente,Securify,Mythril,SmartCheck,Manticore和Slither,使用一组由9369个不同的错误注入的50个合同。它发现了几个被评估的工具没有检测到的bug实例,尽管它们声称能够检测到这样的bug,并且所有的工具都报告了许多误报
2020-05-23 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
Identifying Smart Contract Security Issues in Code Snippets from Stack Overflow
针对Stack Overflow代码片段易含漏洞且现有工具难以分析不完整代码的问题,提出SOChecker工具,结合微调Llama2模型与符号执行检测漏洞,F1分数达68.2%,显著优于GPT-3.5和GPT-4。
2024-07-23 cs.SE
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
Assessing Smart Contracts Security Technical Debts
智能合约是一种自我执行的协议,用于在未经可信第三方批准的情况下交换资产。这一功能鼓励各个部门在交易时使用智能合约。经验表明,许多已部署的合同由于设计不佳而容易受到攻击,攻击者可以从相关方窃取宝贵的资产。因此,需要一种评估方法,使开发人员能够认识到部署易受攻击的合同的后果。在本文中,我们提出了一种债务感知方法来评估智能合约中的安全设计漏洞。我们的评估方法包括两个主要步骤:(i)使用安全分析技术识别设计漏洞,以及(ii)利用技术债务隐喻,其本金和利息估计所识别漏洞的后果。我们使用易受攻击的合同的例子来证明我们的方法的适用性。结果表明,我们的评估方法增加了安全设计问题的可见性。它还允许开发人员通过技术债务影响分析和优先级来集中精力解决智能合约漏洞。开发人员可以使用我们的方法来设计更安全的合同,并减少由于缺乏安全问题意识而造成的无意债务。
2021-03-17 cs.CR cs.SE
CrossInspector: A Static Analysis Approach for Cross-Contract Vulnerability Detection
本文提出 CrossInspector 框架,通过 Transformer 恢复语义信息并构建状态依赖图进行细粒度静态分析,有效检测智能合约字节码层面的跨合约漏洞,在精确率、召回率和检测时间上均优于现有工具。
2024-08-27 cs.CR cs.SE
V2E: Validating Smart Contract Vulnerabilities through Profit-driven Exploit Generation and Execution
Sun Yat-sen University(中山大学);Peng Cheng Laboratory(鹏城实验室);Harbin Institute of Technology(哈尔滨工业大学)
本文提出V2E框架,通过自动生成可执行的漏洞利用示例,验证报告漏洞是否可被利用。核心方法包括生成、验证和迭代优化漏洞利用代码,提升漏洞验证效率。
2026-04-20 cs.SE
Smart Contract Fuzzing Towards Profitable Vulnerabilities
针对智能合约可获利漏洞检测与利润最大化的问题,提出以利润为中心的模糊测试框架VERITE,通过DeFi操作变异器、异常资金流识别及梯度下降策略,在真实DeFi项目中检测和获利表现显著优于现有工具,还助力发现零日漏洞获赏金。
2025-02-12 cs.CR cs.SE
MANDO: Multi-Level Heterogeneous Graph Embeddings for Fine-Grained Detection of Smart Contract Vulnerabilities
L3S Research Center, Leibniz Universität Hannover(汉诺威莱布尼茨大学L3S研究中心);Singapore Management University(新加坡管理大学)
学习由不同类型的节点和边组成的异构图增强了同构图技术的结果。这样的图的一个有趣的例子是控制流图表示可能的软件代码执行流。由于这种图代表了代码的更多语义信息,因此开发用于这种图的技术和工具对于检测软件中的漏洞以提高其可靠性非常有益。然而,现有的异构图技术仍然不足以处理复杂的图,其中不同类型的节点和边的数量是大的和可变的。本文集中讨论以太坊智能合约,作为由异构合约图表示的软件代码样本,这些合约图构建在包含不同类型节点和链接的控制流图和调用图上。我们提出了MANDO,一个新的异构图表示学习这种异构合同图的结构。MANDO提取定制的元路径,这些元路径组成不同类型的节点及其邻居之间的关系连接。此外,它还开发了一个多元路径异构图注意力网络,用于学习不同类型节点及其元路径在异构合约图中的多级嵌入,可以更准确地捕获智能合约的代码语义,并促进细粒度行级和粗粒度合约级漏洞检测。我们对大型智能合约数据集的广泛评估表明,MANDO在粗粒度合约级别上改善了其他技术的漏洞检测结果。更重要的是,它是第一个能够在细粒度行级别识别漏洞的基于学习的方法,并将传统的基于代码分析的漏洞检测方法的F1分数提高了11.35%至70.81%。
2022-09-07 cs.LG cs.SE
HFContractFuzzer: Fuzzing Hyperledger Fabric Smart Contracts for Vulnerability Detection
区块链技术凭借其去中心化、不可变性等独特优势,近年来在各个领域得到广泛应用。运行在区块链上的智能合约也在去中心化应用场景中发挥着越来越重要的作用。因此,智能合约安全漏洞的自动检测成为区块链技术应用中亟待解决的问题。Hyperledger Fabric是一个基于企业级许可分布式账本技术的智能合约平台。然而,Hyperledger Fabric智能合约的漏洞检测技术研究仍处于起步阶段。在本文中,我们提出了HFContractFuzzer,这是一种基于Fuzzing技术来检测Hyperledger Fabric智能合约的方法,它结合了一个名为go-fuzz的golang Fuzzing工具和golang编写的智能合约。我们使用HFContractFuzzer从典型的来源中检测出五个合同中的漏洞,发现其中四个存在安全漏洞,证明了所提出的方法的有效性。
2021-06-21 cs.CR 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