論文の概要: PSR2: A Phase-based Semantic Reasoning Framework for Atomicity Violation Detection via Contract Refinement
- arxiv url: http://arxiv.org/abs/2604.06975v1
- Date: Wed, 08 Apr 2026 11:46:01 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-04-09 17:30:51.50096
- Title: PSR2: A Phase-based Semantic Reasoning Framework for Atomicity Violation Detection via Contract Refinement
- Title（参考訳）: PSR2:契約リファインメントによる原子性振動検出のための相ベースセマンティック推論フレームワーク
- Abstract要約: PSRtextsuperscript2は、構造経路探索と決定論的意味推論を統合する新しい静的解析フレームワークである。
1,600のコントラクトサンプルの実験では、PSRtextsuperscript2がパターンマッチングベースラインを著しく上回っている。
我々の融合論理は、単一モジュール解析と比較して、偽陽性率を半減する。
- 参考スコア（独自算出の注目度）: 9.36682660657815
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: With the rapid advancement of decentralized applications, smart contract security faces severe challenges, particularly regarding atomicity violations in complex logic such as Oracle and NFT contracts. Rigid rule sets often limit traditional static analyzers and lack deep contextual awareness, leading to high false-positive and false-negative rates when identifying vulnerabilities that depend on intermediate state inconsistencies. To address these limitations, this paper proposes PSR\textsuperscript{2}, a novel collaborative static analysis framework that integrates structural path searching with deterministic semantic reasoning. PSR\textsuperscript{2} utilizes a Graph Structure Analysis Module (GSAM) to identify suspicious execution sequences in control flow graphs and a Semantic Context Analysis Module (SCAM) to extract data dependencies and state facts from abstract syntax trees. A Fusion Decision Module (FDM) then performs formal cross validation to confirm vulnerabilities based on a unified atomicity inconsistency model. Experimental results on 1,600 contract samples demonstrate that PSR\textsuperscript{2} significantly outperforms pattern-matching baselines, achieving an F1-score of 94.69\% in complex ERC-721 scenarios compared to 51.86\% for existing tools. Ablation studies further confirm that our fusion logic effectively reduces the false-positive rate by nearly half compared to single module analysis.
- Abstract（参考訳）: 分散アプリケーションの急速な進歩により、スマートコントラクトセキュリティは、特にOracleやNFTといった複雑なロジックにおけるアトミック性違反に関して、深刻な課題に直面している。
厳格なルールセットは、しばしば伝統的な静的アナライザを制限し、深い文脈認識を欠いているため、中間状態の不整合に依存する脆弱性を特定する際に、高い偽陽性と偽陰性率をもたらす。
これらの制約に対処するために, 構造経路探索と決定論的意味推論を統合した新しい静的解析フレームワークである PSR\textsuperscript{2} を提案する。
PSR\textsuperscript{2}は、制御フローグラフにおける不審な実行シーケンスを特定するグラフ構造解析モジュール(GSAM)と、セマンティックコンテキスト解析モジュール(SCAM)を使用して、抽象構文木からデータ依存関係と状態事実を抽出する。
次に、FDM(Fusion Decision Module)が正式なクロス検証を行い、統一された原子性不整合モデルに基づいて脆弱性を確認する。
1,600の契約サンプル実験の結果、PSR\textsuperscript{2} はパターンマッチングベースラインを著しく上回り、複雑なERC-721シナリオでは F1スコアが 94.69 % となり、既存のツールでは 51.86 % であった。
アブレーション研究により, 融合論理は単一モジュール解析と比較して, 偽陽性率を半減することが明らかとなった。
関連論文リスト
- Neuro-symbolic PRM: Enhancing Scientific Reasoning via Structured Traces and Symbolic Verification [10.892972402027494]
中間的推論ステップは構文的によく形成され、数学的に実行可能であり、単体一貫性があるが、文脈的には非基底的である。
現在のアプローチでは、意味的意図を評価できない形式的検証や、算術と論理の両方をチェックするという2つのタスクを伴うプロセス・リワード・モデル(Process Reward Models, PRM)に頼っている。
仮説を2つの形式的次元(記号的妥当性(V$)と意味的基底性(G$)にきれいに分解するニューロシンボリックフレームワークを提案する。
論文 参考訳（メタデータ） (2026-08-26T19:10:12Z) - A Temporal Reasoning Benchmarking Framework for LRMs via Difficulty-controlled and Dynamic Test Generation [11.290047096794082]
本稿では,時間的推論を制約満足度問題としてモデル化するテストフレームワークTRACEを紹介する。
TRACE は LRM の真の時間的推論能力をベンチマークするための堅牢で自動化されたプラットフォームを提供する。
論文 参考訳（メタデータ） (2026-07-06T08:14:53Z) - LiveFMBench: Unveiling the Power and Limits of Agentic Workflows in Specification Generation [75.05397479715576]
大規模言語モデル(LLM)とエージェントは有望な進歩を示しているが、その真の能力と失敗モードは未だ不明である。
CプログラムのためのLCMおよびエージェントベースの形式仕様生成に関する、最初の体系的および汚染に配慮した研究を提案する。
論文 参考訳（メタデータ） (2026-05-02T11:31:33Z) - Auto-ART: Structured Literature Synthesis and Automated Adversarial Robustness Testing [0.0]
我々は7つの補完プロトコルを用いて9つのピアレビューコーパスソースを分析した。
特定ギャップを運用するオープンソースのフレームワークであるAuto-ARTを紹介します。
RobustBenchの実証検証では、Auto-ARTの事前スクリーニングでは、フラグ付きケースの92%で勾配マスキングが特定されている。
論文 参考訳（メタデータ） (2026-04-22T15:46:11Z) - Dynamic analysis enhances issue resolution [53.50448142467294]
DAIRA(Dynamic Analysis-enhanced Issue Resolution Agent)は、エージェントの推論サイクルに動的解析を組み込む自動修復フレームワークである。
テストトレース駆動の方法論によって駆動されるDAIRAは、軽量モニタを使用して重要なランタイムデータを抽出する。
Gemini 3 Flash Previewを使用すると、DAIRAは新たな最先端(SOTA)パフォーマンスを確立し、SWE-bench Verifiedデータセットで79.4%の解像度を達成する。
論文 参考訳（メタデータ） (2026-03-23T14:48:54Z) - Sharp Convergence Rates for Masked Diffusion Models [53.117058231393834]
制約を克服するオイラー法に対する全変分に基づく解析法を開発した。
その結果、スコア推定の仮定を緩和し、パラメータ依存性を改善し、収束保証を確立する。
全体としては,CTMC軌道に沿った直接テレビによる誤り分解と,FHSのためのデカップリングに基づく経路解析を導入している。
論文 参考訳（メタデータ） (2026-02-26T00:47:51Z) - Diagnosing Structural Failures in LLM-Based Evidence Extraction for Meta-Analysis [0.8193467416247519]
レビューとメタ分析は、物語を構造化され、数値化された研究記録に変換することに頼っている。
大規模言語モデル(LLM)の急速な進歩にもかかわらず、このプロセスの構造的要件を満たすことができるかどうかは不明だ。
本稿では,LLMに基づくエビデンス抽出をスキーマ制約クエリの進行として評価する構造的診断フレームワークを提案する。
論文 参考訳（メタデータ） (2026-02-11T14:09:43Z) - CoG: Controllable Graph Reasoning via Relational Blueprints and Failure-Aware Refinement over Knowledge Graphs [53.199517625701475]
CoGはDual-Process Theoryにインスパイアされたトレーニング不要のフレームワークで、直観と熟考の相互作用を模倣している。
CoGは精度と効率の両方において最先端のアプローチを著しく上回っている。
論文 参考訳（メタデータ） (2026-01-16T07:27:40Z) - Cracking IoT Security: Can LLMs Outsmart Static Analysis Tools? [1.8549313085249322]
本研究は,多カテゴリー間相互作用脅威分類におけるLarge Language Models (LLMs) の総合評価を初めて行った。
Llama 3.1 8B, Llama 70B, GPT-4o, Gemini-2.5-Pro, DeepSeek-R1を0, 1, 2ショット設定でベンチマークする。
以上の結果から, LLMは有望な意味理解を示すが, 相互構造的推論を必要とする脅威に対して, 精度は著しく低下することがわかった。
論文 参考訳（メタデータ） (2026-01-02T04:17:36Z) - KBQA-R1: Reinforcing Large Language Models for Knowledge Base Question Answering [64.62317305868264]
テキスト模倣から強化学習によるインタラクション最適化へパラダイムをシフトするフレームワークである textbfKBQA-R1 を提案する。
KBQAを多ターン決定プロセスとして扱うことで,行動のリストを用いて知識ベースをナビゲートすることを学ぶ。
WebQSP、GrailQA、GraphQuestionsの実験では、KBQA-R1が最先端のパフォーマンスを実現している。
論文 参考訳（メタデータ） (2025-12-10T17:45:42Z) - Hierarchical Evaluation of Software Design Capabilities of Large Language Models of Code [7.897548449569687]
大規模言語モデル(LLM)は、ソフトウェアエンジニアリング領域でますます採用されているが、コア設計概念に対する彼らの理解の堅牢性は、まだ不明である。
さまざまなレベルのガイダンスの下で、設計の不十分なソフトウェアフラグメントを生成します。
結合に関する推論は脆く、ノイズの多いオープンエンドのシナリオでパフォーマンスが崩壊する。
Reasoning-Trace分析はこれらの障害モードを確認し、結合のためのテキスト認識的ショートカットと結合のためのより徹底的な(まだ失敗している)分析を明らかにする。
論文 参考訳（メタデータ） (2025-11-25T23:50:00Z) - From Harm to Help: Turning Reasoning In-Context Demos into Assets for Reasoning LMs [58.02809208460186]
デモとしてDeepSeek-R1の高品質なトレースを使って、このパラドックスを再検討する。
デモが最適であっても、より多くの例を加えることで、常に精度が低下することがわかった。
デモを明示的で再利用可能な洞察に変換するシーケンシャルなテストタイム手順であるInsight-to-solve(I2S)を紹介します。
論文 参考訳（メタデータ） (2025-09-27T08:59:31Z) - VulAgent: Hypothesis-Validation based Multi-Agent Vulnerability Detection [55.957275374847484]
VulAgentは仮説検証に基づくマルチエージェント脆弱性検出フレームワークである。
セマンティクスに敏感なマルチビュー検出パイプラインを実装しており、それぞれが特定の分析の観点から一致している。
平均して、VulAgentは全体的な精度を6.6%改善し、脆弱性のある固定されたコードペアの正確な識別率を最大450%向上させ、偽陽性率を約36%削減する。
論文 参考訳（メタデータ） (2025-09-15T02:25:38Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。