G-Scan: Graph Neural Networks for Line-Level Vulnerability Identification in Smart Contracts
本文提出 G-Scan，通过保留依赖与层次结构的代码图和图神经网络实现智能合约重入漏洞的端到端行级定位，并在真实标注数据集上取得高 F1 分数与毫秒级检测效率。
2023-07-17 cs.CR
DEPOSafe: Demystifying the Fake Deposit Vulnerability in Ethereum Smart Contracts
近年来，由于区块链技术及其经济生态系统的发展，加密货币出现了爆炸性增长。除了比特币，数以千计的加密货币已经在区块链上分发，而数百个加密货币交易所正在出现，以促进数字资产的交易。同时，也吸引了攻击者的注意。假押金作为与交易所和代币相关的最具代表性的攻击（漏洞）之一，在区块链生态系统中经常被观察到，造成了大量的资金损失。然而，除了一些安全报告外，我们的社区缺乏对该漏洞的了解，例如其规模和影响。在本文中，我们采取了第一步，以揭开假存款漏洞。基于我们总结的基本模式，我们实现了DEPOSafe，这是一个自动化工具，用于检测和验证（利用）ERC-20智能合约中的虚假存款漏洞。DEPOSafe集成了基于符号执行的静态分析和基于行为建模的动态验证等关键技术。通过将DEPOSafe应用于176，000个ERC-20智能合约，我们发现了7，000多个可能遭受两种类型攻击的易受攻击合约。我们的研究结果表明，识别和预防假存款漏洞的紧迫性。
2020-06-11 cs.CR
Prompt Engineering vs. Fine-Tuning for LLM-Based Vulnerability Detection in Solana and Algorand Smart Contracts
University of Salerno（萨莱诺大学）
针对Solana与Algorand非EVM智能合约漏洞检测场景，本文构建专属标注数据集，对比提示工程、微调及混合方案的LLM检测性能，验证了整合领域数据的LLM方案的可行性。
2025-11-14 cs.CR
Toward a Mathematical Vulnerability Propagation and Defense Model in Smart Grid Networks
为了减少互联网络中的威胁传播，必须最佳地分配防御投资。大多数电力公司的资源有限，但如何考虑成本，而设计的威胁减少技术还没有很好地理解。因此，在这项工作中，脆弱性传播和防御模型的基础上提出的流行病模型。然后通过两节点和N节点情况下传播参数对最优投资的敏感性来验证新的防御机制。此外，该模型的有效性进行评估与实施中的一个通信网络的网络物理电力系统。拓扑结构对最优节点投资的影响也被强调。最优投资的邻居度较小，被发现是高度敏感的脆弱性可利用概率的波动。
2022-08-29 cs.CR
Precise Attack Synthesis for Smart Contracts
智能合约是在区块链平台上运行的程序。它们通过定义良好的接口相互交互，在没有可信第三方的分布式系统中执行金融交易。但这些接口也为攻击者提供了有利的环境，他们可以利用智能合约中的安全漏洞来获取经济利益。本文介绍了SmartScopy，这是一个自动合成对抗性合同的系统，可以识别和利用受害者智能合同中的漏洞。我们的工具基于以太坊生态系统中受害者智能合约的应用程序二进制接口（ABI）规范探索了\emph{attack programs}的空间。为了使合成易于处理，我们引入了\emph{summary-based symbolic evaluation}，这大大减少了我们的合成器需要象征性地评估的指令的数量，而不影响漏洞查询的精度。在基于摘要的符号评估的基础上，SmartScopy进一步引入了一种新的方法，用于划分合成搜索空间进行并行探索，以及一种轻量级的演绎技术，可以更早地修剪不可行的候选人。我们在我们的查询语言中编码了智能合约的常见漏洞，并使用$>$ 25K智能合约对来自etherscan的整个数据集进行了SmartScopy评估。我们的实验证明了基于摘要的符号评估的好处，并表明SmartScopy在运行时间，精度和可靠性方面优于两个最先进的智能合约分析器Oyente和Contractfuzz。此外，在最近流行的智能合约上运行，SmartScopy发现了20个易受攻击的智能合约，这些智能合…
2019-02-16 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
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
A Revisit on Blockchain-based Smart Contract Technology
基于区块链的智能合约已经成为区块链技术中一个不断发展的领域。曾经用于解决数字交易问题的技术现在有了更广泛的用途，包括智能合约。智能合约的发展可以追溯到促进它的众多平台，但是每个平台的工作情况如何的问题还没有得到充分的探讨。智能合约的使用可以从构建在智能合约平台之上的应用程序中看出，例如将现实世界的资产标记为虚拟世界的资产。然而，智能合约包含了一些关于安全性和编码的问题，这些问题可以通过现有研究提出的各种工具来解决。本文旨在重新审视基于区块链的智能合约技术，以了解和讨论从现有研究中收集的研究空白，并为未来的研究提供指导。
2019-07-22 cs.CR
An empirical analysis of smart contracts: platforms, applications, and design patterns
智能合约是一种计算机程序，可以由相互不信任的节点网络一致地执行，而无需可信机构的仲裁。由于其对篡改的适应能力，智能合约在许多情况下都很有吸引力，特别是在那些需要转移资金以遵守某些约定规则的情况下（如在金融服务和游戏中）。在过去的几年里，已经提出了许多智能合约平台，其中一些已经实际实施和使用。我们研究了智能合约的概念如何在其中一些平台中解释。重点关注两个最广泛的，比特币和以太坊，我们量化了智能合约在其应用领域的使用。我们还分析了以太坊中最常见的编程模式，其中提供了智能合约的源代码。
2017-03-18 cs.CR
zkHawk: Practical Private Smart Contracts from MPC-based Hawk
近年来，随着第一个加密货币比特币的发布，加密货币受到了大量的研究关注。随着加密货币交易的增加，对智能合约的需求也在增加。简而言之，智能合约是数字执行的合约，其中一些方执行共同的目标。当前大多数智能合约的主要问题是，无论是区块链还是其他方，对合约的一方输入都没有隐私。我们的研究建立在Hawk项目的基础上，该项目提供交易隐私以及对智能合约的支持。然而，Hawk依赖于一个被称为管理者的特殊受信任方，该管理者必须被信任不会泄露每一方对智能合约的输入。在本文中，我们提出了一种实用的私有智能合约协议，该协议用MPC协议代替管理器，使得MPC协议执行的功能相对较轻，涉及到对智能合约功能添加的很少开销，并使用实际的sigma协议和同态承诺向区块链证明智能合约的传入余额之和与传出余额之和相匹配。平衡。
2022-05-15 cs.CR
Introduction to Decentralization and Smart Contracts
这项工作的目的是研究区块链网络上去中心化和智能合约的使用。我们研究了智能合约在比特币、以太坊和Hyperledger Fabric平台上的实现和使用。此外，我们还研究了共识算法及其各自的用途，并在必要时提到了它们的优点和缺点。最后，有一个例子合同，这意味着是一个接近直接翻译的一般法律房屋租赁合同，以显示如何翻译一个法律合同。
2019-03-12 cs.CR
Blockchain-based Smart Contracts: A Systematic Mapping Study
区块链技术的一个吸引人的特点是智能合约。智能合约是在区块链之上运行的可执行代码，用于在不受信任的第三方参与的情况下促进、执行和强制执行不受信任的各方之间的协议。在本文中，我们进行了一个系统的映射研究，从技术角度收集了所有与智能合约相关的研究。这样做的目的是确定当前的研究主题和未来智能合约研究面临的挑战。我们从不同的科学数据库中提取了24篇论文。结果显示，大约三分之二的论文集中在识别和解决智能合约问题上。确定了四个关键问题，即编纂、安全、隐私和性能问题。其余的论文重点关注智能合约应用或其他智能合约相关主题。需要在未来的研究中解决的研究差距。
2017-10-17 cs.CR
ContractShield: Bridging Semantic-Structural Gaps via Hierarchical Cross-Modal Fusion for Multi-Label Vulnerability Detection in Obfuscated Smart Contracts
University of Information Technology（信息技术大学）；Vietnam National University Ho Chi Minh City（越南国家大学胡志明市分校）；VNU-HCM Information Security Center（胡志明市越南国家大学信息安全中心）；Singapore Institute of Technology（新加坡理工学院）
ContractShield通过三级融合机制有效关联多互补特征，提升智能合约漏洞检测鲁棒性，实现89%的Hamming得分和五种主要漏洞类型的91%F1-score。
2026-04-03 cs.CR
SmartCert: Redesigning Digital Certificates with Smart Contracts
传输层安全（TLS）协议及其公钥基础设施（PKI）被广泛应用于Internet中以实现安全通信。由受信任的证书颁发机构（CA）验证域所有权是颁发数字证书的关键步骤，但不幸的是，此过程提供的安全级别很差。在这项工作中，我们提出了SmartCert，这是一种基于智能合约来改进数字证书的新方法。SmartCert中的证书传达有关其验证状态的详细信息，该状态不断变化，但仅针对指定的智能合约代码和单个域策略。颁发和更新证书的CA承担责任，其行为是透明的，并受到代码的监控。我们提出了SmartCert的实施和评估，并讨论其部署。
2020-03-30 cs.CR
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
Abusing the Ethereum Smart Contract Verification Services for Fun and Profit
本文首次全面分析了以太坊智能合约验证服务的安全性，发现了8类共19个可被滥用以传播恶意合约的漏洞，呼吁社区紧急应对此类威胁。
2023-07-02 cs.CR
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
A formal model of Algorand smart contracts
我们开发了Algorand无状态智能合约的正式模型（无状态ASC1）。我们利用我们的模型来证明Algorand区块链的基本属性，并建立一些原型智能合约的安全性。在这样做的同时，我们强调了Algorand支持的各种设计模式。我们进行实验来验证我们的正式模型的一致性的实际执行。
2021-01-26 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
Smart Contract Security Beyond Detection
本文探讨智能合约安全研究的新方向，包括语义推理、自动修复、对抗鲁棒性和实时漏洞检测，提出四个研究方向并连接最新研究成果，帮助学生制定技术扎实、可测量的毕业设计。
2026-05-16 cs.CR
Hunting for Re-Entrancy Attacks in Ethereum Smart Contracts via Static Analysis
以太坊智能合约是在由点对点网络管理的基于共识的区块链中部署和执行的程序。近年来，已经发现了几种旨在窃取以太坊中使用的加密货币Ether的重入攻击，这些加密货币存储在部署的智能合约中。这种攻击的对策是基于执行智能合约本身的动态分析，但它需要花费以太币和提前分析攻击模式的知识。在本文中，我们提出了一个名为\textit{RA (Re-entrancy Analyzer)}的静态分析工具，它结合了符号执行和等价性检查，通过可满足性模理论求解器来分析智能合约对重入攻击的脆弱性。与现有工具相比，RA支持仅使用目标智能合约的以太坊虚拟机字节码来分析合约间行为，即，即使事先不知道攻击模式，也不消耗以太币。此外，RA可以在不执行智能合约的情况下验证是否存在重入攻击漏洞，并且不会提供误报和漏报。我们还提出了一个RA的实现，以评估其在分析部署的智能合约对重入攻击的脆弱性方面的性能，并表明RA可以精确地确定哪些智能合约是脆弱的。
2020-07-02 cs.CR
VOLCANO: Detecting Vulnerabilities of Ethereum Smart Contracts Using Code Clone Analysis
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。本文提出了一个框架和实证分析，使用代码克隆检测技术来识别智能合约中的漏洞及其变化。我们的实证分析是使用Nicad代码克隆检测工具在大约5万个以太坊智能合约的数据集上进行的。我们在两个数据集上评估了VOLCANO，一个数据集具有已确认的漏洞，另一个数据集具有从Etherscan收集的大约50k个随机智能合约。与两种公开可用的静态分析器检测智能合约中的漏洞相比，我们的方法在覆盖率和效率方面都有所改进。据我们所知，这是第一项使用克隆检测技术来识别以太坊智能合约中的漏洞及其演变的研究。
2022-03-01 cs.CR
SAEFUZZ: Smart Contract Vulnerability Detection through Statically Guided Evolutionary Fuzzing
Hainan University（海南大学）
SAEFUZZ是一种基于静态引导进化模糊测试的智能合约漏洞检测方法，通过构建以太坊虚拟机控制流图等技术，在带标签合约检测中获98.50%准确率等指标，各关键组件均对性能有贡献。
2026-08-18 cs.CR
Ethereum NFT Smart Contracts: Knowledge-Guided Vulnerability Detection with LLM and Code Slicing
Hainan University（海南大学）
研究以太坊NFT智能合约漏洞检测，结合漏洞聚焦代码切片、ERC-721知识库及受限DeepSeek分析，正则表达式定位候选语句，提取代码切片分析，结果显示聚焦代码上下文和领域约束影响检测器输出，提升阳性标签率。
2026-07-27 cs.CR
How Do Smart Contracts Benefit Security Protocols?
智能合约最近被许多安全协议采用。然而，现有的研究缺乏令人满意的理论支持，合同如何有利于安全协议。本文旨在对基于智能合约（SC）的安全协议进行系统分析，以弥补参数和声明不明确的缺陷。本文首先研究了\textit{state of the art studies}，并在定义了语法和假设的基础上建立了智能合约协议的形式化模型。然后，我们将我们的形式化框架应用于两个具体的指令，以探索相应的优点和理想的属性。通过我们的分析，我们抽象出三个通用属性（\textit{non-repudiation, non-equivocation, and non-frameability}），并相应地识别出两种模式。(1)智能合约可以作为一个自治的用户来协助可信第三方（TTP）;（2）智能合约可以取代传统的TTP。据我们所知，这是第一个研究提供了深入的讨论SC为基础的安全协议从严格的理论角度。
2022-04-20 cs.CR
HCC: A Language-Independent Hardening Contract Compiler for Smart Contracts
本文提出语言无关的编译器 HCC，利用代码属性图在源码层自动插入安全检查，可防御六类常见智能合约漏洞，并在大规模真实合约上验证其实用性与防护效果。
2024-12-05 cs.CR
SmartLLMSentry: A Comprehensive LLM Based Smart Contract Vulnerability Detection Framework
Mohammed V University in Rabat（拉巴特穆罕默德五世大学）
针对传统规则框架难高效整合新规则的问题，提出基于LLM（如ChatGPT上下文训练）的SmartLLMSentry框架，用含5类漏洞的专用数据集训练评估，数据充足时精确匹配准确率达91.1%，提升检测速度与准确率。
2024-11-28 cs.AI cs.CR
Towards Safer Smart Contracts: A Sequence Learning Approach to Detecting Security Threats
对智能合约中安全漏洞的符号分析已被证明对于分析预定义的漏洞属性很有价值。虽然一些符号工具执行复杂的分析步骤，但它们需要预定的调用深度来搜索易受攻击的执行路径，并且搜索时间随着深度而增加。自2015年12月以来，以太坊等区块链上的合约数量增加了176倍。如果这些符号工具不能及时分析越来越多的合同，整个类别的漏洞可能会造成不可挽回的损失。在本文中，我们的目标是拥有更安全的智能合约来应对新出现的威胁。我们提出了使用机器学习（长短期记忆（LSTM））顺序学习智能合约弱点的方法，这使我们能够相对快速地检测新的攻击趋势，从而产生更安全的智能合约。我们对620，000个智能合约的实验研究证明，我们的模型可以轻松扩展以分析大量合约;也就是说，随着合约复杂性的增加，LSTM保持接近恒定的分析时间。此外，我们的方法实现了$99\%$测试的准确性，并正确地分析合同的假阳性（FP）错误的符号工具。
2019-06-07 cs.CR
Empirical Vulnerability Analysis of Automated Smart Contracts Security Testing on Blockchains
新兴的区块链技术支持去中心化计算范式的转变，并且是一种快速接近的现象。虽然区块链主要被认为是比特币的基础，但由于智能合约的引入，其应用已经远远超出了加密货币。智能合约是一种自我执行的软件，它驻留并运行在托管区块链上。使用基于区块链的智能合约进行安全和透明的管理，以管理互联网环境（主要是物联网）中的交互（身份验证、连接和交易），是研究和实践的一个利基领域。然而，由于底层特定领域语言的复杂语义及其可测试性，编写值得信赖和安全的智能合约可能具有巨大的挑战性。有一些引人注目的事件表明，区块链智能合约可能包含各种代码安全漏洞，从而引发财务损害。当涉及到智能合约的安全性时，拥有编写合约能力的开发人员应该能够在将其部署到区块链上的不可变环境之前测试其代码，以诊断安全漏洞。然而，只有少数智能合约的安全测试工具。这意味着现有的自动智能合约安全测试研究还不够充分，仍处于起步阶段。为了更容易地实现区块链智能合约在安全和隐私方面的应用，我们应该在广泛实施之前首先了解它们的漏洞。因此，本文的目标是对当前静态智能合约安全测试工具进行一次影响深远的实验性评估，为目前应用最广泛的区块链、以太坊及其领域专用程序设计语言Solidity提供第一...
2018-09-07 cs.CR
Detecting Standard Violation Errors in Smart Contracts
SOLAR是一种自动检测以太坊智能合约中违反标准错误的分析工具。给定智能合约的以太坊虚拟机（EVM）字节码和用户指定的来自ERC-20等技术标准的约束或不变量，SOLAR象征性地执行合约，探索所有可能的执行路径，并检查是否可能发起一系列恶意事务以违反指定的约束或不变式。我们的实验结果突出了太阳能在智能合同中发现新的错误的有效性。在评估的779份ERC-20和310份ERC-721智能合约中，SOLAR在197份易受攻击的合约中发现了255个标准违规错误，其中只有3个误报。我们的研究结果对操纵公开交易数字资产的关键智能合约中普遍存在的标准违规错误发出了警告
2019-02-18 cs.CR
Securify: Practical Security Analysis of Smart Contracts
无许可区块链允许执行任意程序（称为智能合约），使相互不信任的实体能够在不依赖可信第三方的情况下进行交互。尽管有潜力，但反复出现的安全问题动摇了人们对智能合约处理数十亿美元的信任。为了解决这个问题，我们提出了Securify，一个以太坊智能合约的安全分析器，它是可扩展的，完全自动化的，并且能够证明合约行为对于给定的属性是安全/不安全的。Securify的分析包括两个步骤。首先，它象征性地分析合同的依赖图，从代码中提取精确的语义信息。然后，它检查合规性和违规模式，这些模式捕获了证明属性是否成立的充分条件。为了启用可扩展性，所有模式都用指定的特定于域的语言指定。Securify是公开发布的，它已经分析了用户提交的超过18000个合同，并定期被专家用于进行安全审计。我们在现实世界的以太坊智能合约上对Securify进行了广泛的评估，并证明它可以有效地证明智能合约的正确性并发现关键违规行为。
2018-08-24 cs.CR
Interaction-Aware Vulnerability Detection in Smart Contract Bytecodes
针对以太坊多数智能合约不开源、现有字节码漏洞检测忽略函数接口的问题，提出整合语义上下文与函数接口的COBRA框架及SRIF签名推断方法，在不同场景下均取得优异检测效果。
2025-09-03 cs.CR
Bridging Immutability with Flexibility: A Scheme for Secure and Efficient Smart Contract Upgrades
针对智能合约不可篡改性导致升级难、现有升级机制成本高且安全性不足的问题，提出FlexiContracts+方案，可在以太坊上实现安全原地升级并保留历史数据，平衡了不可篡改性与灵活性，提升了智能合约系统能力。
2025-04-13 cs.CR
HoRStify: Sound Security Analysis of Smart Contracts
加密货币以太坊是智能合约使用最广泛的执行平台。智能合约是分布式应用程序，可以管理金融资产，因此可以实现先进的金融工具，如去中心化交易所或自治组织（DAO）。它们的金融性质使智能合约成为一个有吸引力的攻击目标，正如对流行合约的大量利用所证明的那样，这些利用导致了数百万美元的经济损失。这种无处不在的攻击危险激发了对健全的静态分析工具的需求，这些工具可以帮助智能合约开发人员在部署之前消除合约漏洞。对EVM合约进行合理且有见地的漏洞评估是一项艰巨的挑战，因为合约在一个基本未知且可能充满敌意的执行环境中执行低级字节码。到目前为止，还没有可证明的可靠的自动分析器，允许基于程序依赖性验证安全属性，即使流行的攻击类属于这一类。在这项工作中，我们提出了HoRstify，这是第一个基于声音静态分析的以太坊智能合约依赖属性的自动分析器。HoRStify的理由，其合理性证明的静态程序切片，我们实例化的EVM字节码的语义的正式证明框架。我们证明了HoRStify足够灵活，可以充分验证不存在著名的攻击类，如时间戳依赖，同时，性能足以分析现实世界的智能合约。
2023-01-31 cs.CR
The Art of The Scam: Demystifying Honeypots in Ethereum Smart Contracts
现代区块链，如以太坊，可以执行所谓的智能合约-在分散的节点网络上执行的程序。随着智能合约变得越来越受欢迎并带来更多价值，它们成为攻击者更感兴趣的目标。在过去的几年里，一些智能合约被攻击者利用。然而，一种更积极主动的方法似乎正在兴起，攻击者不再搜索易受攻击的合同。相反，他们试图通过部署包含隐藏陷阱的看似脆弱的合同来引诱受害者进入陷阱。这种新型的合同通常被称为蜜罐。在本文中，我们通过调查蜜罐智能合约的流行程度、行为和对以太坊区块链的影响，首次对蜜罐智能合约进行了系统分析。我们开发了一个分类的蜜罐技术，并使用它来构建HoneyBadger -一个工具，采用符号执行和定义良好的算法来暴露蜜罐。我们对200多万份智能合约进行了大规模分析，结果表明，我们的工具不仅精度高，而且效率高。我们识别了690个蜜罐智能合约以及240个野生受害者，蜜罐创建者的累计利润超过90，000美元。我们的人工验证表明，87%的报告合同确实是蜜罐。
2019-05-29 cs.CR
SmartSync: Cross-Blockchain Smart Contract Interaction and Synchronization
由于区块链网络的碎片化和可扩展性解决方案（如侧链和分片）的增加，跨区块链通信已经获得了吸引力。通过SmartSync，我们提出了一个跨区块链智能合约交互的新概念，该概念可以在支持相同执行环境的任意区块链网络上创建客户端合约。客户端合约镜像原始实例的逻辑和状态，并支持无缝的链上函数执行，提供最新的状态。同步合约为目标区块链上托管的其他应用程序提供即时只读函数调用。因此，缓解了当前跨链通信的限制，并实现了新形式的合同交互。状态更新使用Merkle证明以可验证的方式传输，不需要可信的中介。为了允许轻量级同步，我们引入了转换确认，以促进可验证状态转换的应用，而无需重新执行源区块链的交易。我们通过提供一个原型实现来证明这一概念的合理性，该原型实现在兼容EVM的区块链上启用智能合约分叉、状态同步和链上验证。我们的评估证明了SmartSync对于当前用例的适用性，这些用例提供了对目标区块链上的第三方合同的最新状态的访问。执行成本与值更新的数量呈次线性关系，并取决于相应Merkle证明的深度和索引。
2022-01-21 cs.CR
Vulnerability Scanners for Ethereum Smart Contracts: A Large-Scale Study
本研究通过大规模多数据集评估17款漏洞扫描器，发现现有工具在检测以太坊智能合约漏洞方面性能普遍不佳，揭示当前技术尚不能有效解决该开放问题。
2023-12-27 cs.CR
Leveraging Large Language Models and Machine Learning for Smart Contract Vulnerability Detection
本文研究利用微调大语言模型与传统机器学习算法对智能合约漏洞进行分类检测，实验表明微调LLM准确率超过90%，优于其他模型，为区块链安全提供了更有效的可解释检测框架。
2025-01-04 cs.CR
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
Knowledge Migration Framework for Smart Contract Vulnerability Detection
Beijing Information Science and Technology University（北京信息科技大学）
本文提出AF-STip框架，通过无数据知识蒸馏、教师—学生迁移和自适应融合提升智能合约漏洞检测的泛化能力，并在四类及新型漏洞上验证其高效性。
2025-01-06 cs.CR cs.LG
Dual-view Aware Smart Contract Vulnerability Detection for Ethereum
Institute of Cyberspace Security, Zhejiang University of Technology（浙江工业大学网络空间安全研究院）；Binjiang Institute of Artificial Intelligence, ZJUT（浙江工业大学滨江人工智能研究院）
本文提出双视图感知智能合约漏洞检测框架DVDet，通过融合源代码加权图与字节码控制流序列捕获风险特征，在以太坊数据集上取得优于现有方法的漏洞检测效果。
2024-06-29 cs.CR cs.LG
ESCORT: Ethereum Smart COntRacTs Vulnerability Detection using Deep Neural Network and Transfer Learning
University of Würzburg（维尔茨堡大学）；University of California, San-Diego（加利福尼亚大学圣地亚哥分校）；Technical University of Darmstadt（达姆施塔特工业大学）；University of California, San Diego（加利福尼亚大学圣地亚哥分校）
以太坊智能合约是区块链上的自动化去中心化应用程序，描述了买卖双方之间的协议条款，减少了对可信中介和仲裁的需求。然而，智能合约的部署为加密货币系统引入了新的攻击向量。特别是，智能合约中的编程缺陷可以并且已经被利用来获得巨大的经济利润。因此，以有效的方式检测合同中不同类别的漏洞是一个新出现的关键问题。现有的基于机器学习的漏洞检测方法是有限的，并且仅检查智能合约是否易受攻击，或者针对每个特定漏洞训练单独的分类器，或者在没有可扩展性考虑的情况下演示多类漏洞检测。为了克服现有工作的可扩展性和通用性限制，我们提出了ESCORT，这是第一个基于深度神经网络（DNN）的以太坊智能合约漏洞检测框架，支持对看不见的安全漏洞进行轻量级迁移学习，因此具有可扩展性和通用性。ESCORT利用多输出NN架构，该架构由两部分组成：（i）学习输入合同语义的公共特征提取器;（ii）多个分支结构，其中每个分支基于从特征提取器获得的特征学习特定的漏洞类型。实验结果表明，ESCORT在六种漏洞类型上的平均F1分数为95%，每个合同的检测时间为0.02秒。当扩展到新的漏洞类型时，ESCORT产生的平均F1分数为93%。据我们所知，ESCORT是第一个能够在DNN模型架构和重新训练开销最小的情况下对新漏洞类型进行迁移学习的框架。
2021-03-23 cs.CR cs.LG
Graph Neural Networks Enhanced Smart Contract Vulnerability Detection of Educational Blockchain
Central China Normal University（华中师范大学）；CCNU Wollongong Joint Institute（华中师范大学伍伦贡联合研究院）；Hubei University of Technology（湖北工业大学）
随着区块链技术的发展，区块链与教育的交叉越来越受到关注，各种教育评价系统和E-learning系统都是基于区块链技术开发的。其中，以太坊智能合约因其构建教育智能交易系统和智能学习平台的“事件触发”机制而备受开发者青睐。然而，由于区块链的不变性，发布的智能合约无法修改，因此无法通过修改教育区块链中的代码来修复有问题的合约。近年来，由于智能合约漏洞导致的安全事件造成了巨大的财产损失，因此教育区块链中智能合约漏洞的检测成为一个巨大的挑战。为了解决这个问题，本文提出了一种基于图神经网络（GNN）的教育区块链智能合约漏洞检测方法。首先对字节码进行反编译得到操作码。其次，划分基本块，并根据操作码执行逻辑添加基本块之间的边。然后，建立控制流图（CFG）。最后，我们设计了一个基于GNN的漏洞检测模型。实验结果表明，该方法对智能合约的漏洞检测是有效的。与传统方法相比，该方法在减少GCN模型层数的情况下也能得到较好的检测结果，表明契约字节码和GCN模型在漏洞检测方面是有效的。
2023-03-08 cs.CR cs.LG
Smart Contract Vulnerability Detection Technique: A Survey
智能合约是区块链最成功的应用之一，正在席卷全球，在区块链生态系统中发挥着至关重要的作用。然而，频繁的智能合约安全事件不仅造成了巨大的经济损失，也破坏了基于区块链的信用体系。因此，智能合约的安全性和可靠性得到了全球研究人员的广泛关注。在本次调查中，我们首先从三个层面总结了智能合约漏洞的常见类型和典型案例，即：Solidity代码层、EVM执行层和Block依赖层。此外，我们回顾了智能合约漏洞检测的研究进展，并将现有的同行分为五类，即，形式化验证、符号执行、模糊检测、中间表示和深度学习。从经验上讲，我们以以太坊上部署的300个真实智能合约作为测试样本，并在准确性，F1分数和平均检测时间方面比较了代表性方法。最后讨论了智能合约漏洞检测领域面临的挑战，并结合深度学习技术展望了未来的研究方向。
2022-09-13 cs.CR cs.PL
Dynamic Vulnerability Detection on Smart Contracts Using Machine Learning
在这项工作中，我们提出了Dynamit，这是一个监测框架，用于检测以太坊智能合约中的可重入漏洞。我们框架的新颖之处在于它只依赖于来自区块链系统的交易元数据和余额数据;我们的方法不需要领域知识、代码插装或特殊的执行环境。Dynamit从交易数据中提取特征，并使用机器学习模型将交易分类为良性或有害。因此，我们不仅可以找到易受重入攻击的合同，而且还可以得到再现攻击的执行跟踪。
2021-02-15 cs.CR 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
Vulnerability Detection in Ethereum Smart Contracts via Machine Learning: A Qualitative Analysis
Ca' Foscari University（卡萨里大学）；University of Camerino（坎默里诺大学）；University of Udine（乌迪内大学）
本文综述并批判性评估基于机器学习的以太坊智能合约漏洞检测工具与方法，指出漏洞覆盖和数据集构建等问题，并提出改进准确性、范围与效率的实践指南。
2024-07-26 cs.CR cs.LG
Automated Vulnerability Injection in Smart Contracts Using Large Language Models
Università degli Studi di Napoli Federico II（那不勒斯费德里科二世大学）；Gran Sasso Science Institute (GSSI)（格兰萨索科学研究所）；University of Coimbra（科英布拉大学）；College of Computing and Informatics, University of North Carolina at Charlotte（北卡罗来纳大学夏洛特分校计算与信息学院）
研究针对智能合约漏洞检测数据集稀缺问题，提出用大语言模型自动注入漏洞的方法，生成32个有效漏洞合约，评估了静态分析器并验证了该方法的可行性与局限性。
2026-09-03 cs.AI cs.CR cs.SE
ETrace:Event-Driven Vulnerability Detection in Smart Contracts via LLM-Based Trace Analysis
针对传统智能合约漏洞检测多依赖源代码的局限，提出无需源码的ETrace框架，通过提取交易日志事件序列、结合LLM思维链推理与模式匹配检测漏洞，初步实验验证了其有效性。
2025-07-30 cs.CR cs.SE
Smart-LLaMA: Two-Stage Post-Training of Large Language Models for Smart Contract Vulnerability Detection and Explanation
Institute of Software, Chinese Academy of Sciences（中国科学院软件研究所）；University of Chinese Academy of Sciences（中国科学院大学）
针对智能合约漏洞检测中数据集质量差、LLM领域适应性弱和缺乏解释的问题，提出Smart-LLaMA，通过两阶段后训练实现检测与解释，F1提升6.49%。
2024-11-09 cs.AI cs.CR cs.SE
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
Vulnerability-Hunter: An Adaptive Feature Perception Attention Network for Smart Contract Vulnerabilities
针对智能合约漏洞检测中预定义规则适应性差的问题，本文提出AFPNet，通过动态权重特征感知模块自动提取关键代码片段，并结合关系感知注意力机制学习片段依赖，在多个大规模数据集上显著提升了F1-score。
2024-07-07 cs.CR cs.SE
Examining the Effectiveness of Transformer-Based Smart Contract Vulnerability Scan
Bahcesehir University（巴希谢希尔大学）
本文提出VASCOT，一种基于Transformer的智能合约漏洞扫描器，通过序列分析和滑动窗口机制评估深度学习方法在检测以太坊智能合约漏洞中的有效性，并与LSTM模型进行对比分析。
2026-01-12 cs.CR cs.SY eess.SY
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
