通过实验结果表明，尽管 GPT-4 在智能合约漏洞检测方面表现不佳，但其在合约代码解析和实例证明编写方面表现出重要的潜力，可以作为辅助工具增强智能合约安全审计的效率和效果。

Feb, 2024

通过我们进行的持续研究，本文对利用 LLMs 挖掘智能合约中的漏洞的机遇、挑战和潜在解决方案进行了系统分析。我们提出了一种对抗性框架 GPTLens，通过将传统的一阶段检测分为两个协同的阶段 —— 生成和判别，以实现渐进检测和微调。GPTLens 是直观的、策略性的，完全依靠 LLM 驱动，展示了其方法的普遍性和发现广泛漏洞的潜力。

Oct, 2023

基于大型语言模型，本文提出了一种名为 AuditGPT 的工具，用于自动全面地验证智能合约是否符合 ERC 规则，通过对四个流行 ERC 中的 222 个规则进行实证研究，设计了适用于每种 ERC 规则类型的优化提示，评估结果显示 AuditGPT 在效果、准确性和成本方面超越了专家提供的审计服务，从而展示了其在智能合约审计方面的先进性。

Apr, 2024

本文探索了 ChatGPT 在涉及完整漏洞管理过程的六项任务中的能力，并使用包含 78,445 个样本的大规模数据集对其进行了比较。结果表明 ChatGPT 在辅助漏洞管理方面具有巨大的潜力，但同时也揭示了它所遇到的困难，并为未来的研究方向提供了启示。

Nov, 2023

通过评估 OpenAI 的 GPT-4 等大型语言模型与传统的静态代码分析器（如 Snyk 和 Fortify）在检测软件漏洞方面的能力，我们发现 GPT-4 能够识别出大约四倍于其他模型的漏洞，并提供可行的修复方案，同时显示出较低的误报率。未来研究应当探索系统级漏洞，并整合多个静态代码分析器，以获得对大型语言模型潜力的全面视角。

Aug, 2023

利用大型语言模型，本研究提出了 PropertyGPT 系统，该系统可以通过生成可编译、适当且可验证的自定义属性来检测代码缺陷和安全漏洞，实验结果显示其能够生成高质量的属性，相较于真实情况，其召回率达到 80％。

May, 2024

该研究论文探索了 GPT 商店的漏洞和抄袭问题，发现了大规模监控和分析商店以及提取 GPT 内部的有效工具，并揭示了 GPT 内部保护失效导致的广泛抄袭问题。

Feb, 2024

使用 ChatGPT 进行 Python 源代码的漏洞检测的可行性研究，结果表明 ChatGPT 可以降低误报和漏报率，并具有潜力用于 Python 源代码的漏洞检测。

Aug, 2023

本研究探讨了传统网络安全意识培训计划的局限性，并提出了一种创新解决方案，使用生成型预训练转换器 (GPT) 来解决这些问题。该研究将 GPT 模型与自然语言处理能力相结合，根据个体培训者的个人资料个性化定制培训模块，从而提供高度个性化和动态的网络安全学习体验。通过使用 GPT 模型提供实时和自适应的网络安全意识培训内容，实验证明了与传统计划相比，在引发兴趣、动态性和相关性等方面都取得了显著改善。GPT 强化的网络安全意识培训计划为提升网络安全意识提供了可扩展且有效的解决方案，为个体在组织内的特定角色中更好地应对网络安全风险提供了个性化的培训内容。

May, 2024

对 ChatGPT 在软件工程中的应用进行了研究，发现 ChatGPT 在代码的语法理解方面具有较高的能力，但在代码的语义理解方面，特别是动态语义方面存在困难，容易产生虚假输出。这表明在软件工程中使用 ChatGPT 时需要进一步探索验证其输出正确性的方法，以确保其可靠性。

May, 2023