Sep, 2023

双层方法修复智能合约

HTML
PDF
TL;DR通过使用两层结构的新颖框架，结合Slither漏洞报告、源代码和预训练的随机森林分类器以及大型语言模型，通过分类和修复提出的漏洞，该研究论文展示了经过微调和提前生成工作的大型语言模型的有效性，其由预训练的GPT-3.5-Turbo和微调的Llama-2-7B模型构建，对智能合约中的漏洞数量进行了96.7%至97.5%的减少。对修复后的合约进行的手动检查显示其保留了功能性，表明该方法适用于智能合约漏洞的自动批量分类和修复。
发现论文，激发创造
  • 智能合约漏洞检测：从纯神经网络到可解释的图形特征和专家模式融合

    本文将深度学习和专家模式相结合，从源代码中提取专家模式，将代码转换成语义图，提取深度图特征，然后将全局图特征和本地专家模式融合以有效检测智能合约安全漏洞，实验证明该系统显著优于现有最先进的方法。

    Jun, 2021

  • 将图神经网络与专家知识相结合，用于智能合约漏洞检测

    使用图神经网络和专家知识探索智能合约漏洞检测，通过将源代码的控制和数据流语义转换为合同图，然后结合深度神经网络和专家模式检测三种漏洞（再入、时间戳依赖和无限循环漏洞），在以太坊和 VNT Chain 平台上取得了显着的精度提高。

    Jul, 2021

  • HyMo: 一种新颖的多模态混合模型用于检测智能合约漏洞

    本文提出了一种深度学习多模型混合模型HyMo以及FastText词嵌入技术，并使用各种深度学习模型获取特征来检测智能合约漏洞，与其他方法相比表现更好，从而提高了智能合约漏洞的检测性能。

    Apr, 2023

  • VulnSense：基于图神经网络和语言模型的以太坊智能合约高效漏洞检测

    本文介绍了VulnSense框架，一种基于图形和自然语言处理模型的多模态学习方法，用于高效地检测以太坊智能合约中的漏洞。该框架通过整合源代码、操作码序列和字节码提取的控制流图等三种智能合约特征，运用Bidirectional Encoder Representations from Transformers (BERT)、Bidirectional Long Short-Term Memory (BiLSTM)和Graph Neural Network (GNN) 模型来提取和分析这些特征，最后使用全连接层来预测以太坊智能合约中的漏洞。通过对3个数据集（Curated、SolidiFI-Benchmark和Smartbugs Wild）组合得到的1,769个智能合约进行实验验证，与GNN、BiLSTM和BERT结构提出的各种单模态和多模态学习技术进行对比，实验证明了我们提出的方法在三类易受攻击智能合约上达到了77.96%的平均准确率，超越了现有的单特征或单模型深度学习技术在准确性和效果方面的限制。

    Sep, 2023

  • 智能合约代码的高效漏洞避免：基于漏洞约束解码的方法

    通过使用基于Transformer的大型语言模型技术，我们提出了一种新颖的脆弱性约束解码方法，通过在代码生成过程中包含脆弱性标签，来减少由这些模型生成的脆弱代码的数量。我们对GPT-J模型进行微调，并应用脆弱性约束解码来自动完成以太坊区块链智能合约，结果表明这种方法可以有效地避免自动完成代码的脆弱性。

    Sep, 2023

  • 基于大型语言模型的智能合约漏洞检测：新视角

    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

  • 以双视角为基础的以太坊智能合约漏洞检测

    我们提出了一种名为DVDet的双视图感知智能合约漏洞检测框架，通过将智能合约的源代码和字节码转化为加权图和控制流序列，从两个视角捕获潜在的风险特征并进行集成分析，从而实现了有效的合约漏洞检测，实验结果表明该方法在检测漏洞方面优于其他方法。

    Jun, 2024

  • 智能合约中的漏洞检测：综合调查

    通过对机器学习技术和智能合约的交叉研究，本文填补了现有文献中的重要空白，揭示了机器学习技术在智能合约安全漏洞检测和缓解中的潜力，并提供了当前方法的综合和探索方向的洞见。

    Jul, 2024

  • 以机器学习研究以太坊中的恶意交易

    本研究解决了以太坊智能合约中代码漏洞导致的恶意交易问题。提出了两种检测恶意合约的新方法，一种基于Opcode并依赖GPT2，另一种基于Solidity源代码并使用经过LORA微调的CodeLlama。此外，建立了一个结合燃气属性和十六进制签名的XGBOOST模型，旨在通过不寻常的合约功能使用情况和交易意图来识别恶意交易。研究成果有助于提高以太坊交易的安全性。

    Aug, 2024

  • 简化检测：大型语言模型在Solidity漏洞中的潜力

    本研究解决了Solidity智能合约中日益严重的安全漏洞问题，通过引入VulSmart数据集并开发SmartVD框架，评估大型语言模型在检测OWASP前十漏洞中的效果。研究发现，SmartVD在检测漏洞的准确性、类型识别和严重性评估方面优于其他开源和闭源模型，特别是在使用“思维链”提示策略时展现最佳性能。

    Sep, 2024