論文の概要: Smart Contract Security Beyond Detection

• arxiv url: http://arxiv.org/abs/2605.09124v2
• Date: Sat, 16 May 2026 19:49:41 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-19 23:51:08.229437
• Title: Smart Contract Security Beyond Detection
• Title（参考訳）: 検出を超えたスマートコントラクトセキュリティ
• Authors: Tamer Abdelaziz,
• Abstract要約: 本論文は,4方向を中心に,キャップストーンを指向した研究談話を開発する。 これらの方向には、セマンティック推論、自動修復、敵の堅牢性、リアルタイムなエクスプロイト検出が含まれる。 このフレームワークは、学生が技術的基盤を持ち、実証的に測定可能で、現代のスマートコントラクトセキュリティ研究と整合したプロジェクトを定式化することを目的としている。
• 参考スコア（独自算出の注目度）: 1.4213973379473657
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Smart contract security has progressed from vulnerability detection toward a broader research agenda that includes semantic reasoning, automated repair, adversarial robustness, and real-time exploit detection. This paper develops a capstone-oriented research narrative around four directions: foundation-model-based smart contract semantics and vulnerability reasoning [1], automated smart contract repair with formal guarantees [2], adversarial learning for robust malicious contract and transaction detection [3], and real-time transaction-level exploit detection at blockchain scale [4]. We connect these directions to two recent studies that characterize the current frontier: a diagnostic analysis of where smart contract security analyzers fall short [5] and a scalable real-time system for malicious Ethereum transaction detection [6]. The resulting framework is intended to help students formulate capstone projects that are technically grounded, empirically measurable, and aligned with contemporary smart contract security research.
• Abstract（参考訳）: スマートコントラクトのセキュリティは、脆弱性検出から、セマンティック推論、自動修復、対向ロバスト性、リアルタイムなエクスプロイト検出を含む広範な研究課題へと進歩した。 本稿では, 基礎モデルに基づくスマートコントラクトのセマンティクスと脆弱性推論[1], 形式保証付き自動スマートコントラクト修復[2], 堅牢な悪意のあるコントラクトとトランザクション検出のための対角学習[3], ブロックチェーンスケールでのリアルタイムトランザクションレベルのエクスプロイト検出[4]の4つの方向を中心に, キャップストーン指向の研究物語を論じる。 スマートコントラクトセキュリティアナライザが不足している場所の診断分析 [5] と、悪意のあるEthereumトランザクション検出のためのスケーラブルなリアルタイムシステム [6]。 その結果生まれたフレームワークは、技術的に根拠があり、実証的に測定可能で、現代のスマートコントラクトセキュリティ研究と整合するキャップストーンプロジェクトを定式化することを目的としている。

関連論文リスト

• KindHML: formal verification of smart contracts based on Hennessy-Milner logic [1.8594711725515678]
  現実世界の攻撃は、スマートコントラクトのビジネスロジックの欠陥を悪用することが多い。 スマートコントラクトの形式的検証に対する自動的なアプローチを提案する。 提案手法は,スマートコントラクトの非自明な時間特性を効果的に検証できることを示す。
  論文  参考訳（メタデータ） (2026-04-15T16:18:44Z)
• Making LLMs Reliable When It Matters Most: A Five-Layer Architecture for High-Stakes Decisions [51.56484100374058]
  現在の大規模言語モデル(LLM)は、実行前にアウトプットをチェックできるが、不確実な結果を伴う高い戦略決定には信頼性が低い検証可能な領域で優れている。 このギャップは、人間と人工知能(AI)システムの相互認知バイアスによって引き起こされ、そのセクターにおける評価と投資の持続可能性の保証を脅かす。 本報告では、7つのフロンティアグレードLDMと3つの市場向けベンチャーヴィグネットの時間的圧力下での系統的質的評価から生まれた枠組みについて述べる。
  論文  参考訳（メタデータ） (2025-11-10T22:24:21Z)
• EthCluster: An Unsupervised Static Analysis Method for Ethereum Smart Contract [1.1923665587866032]
  スマートコントラクトのSolidityソースコードの脆弱性を特定するために、教師なし学習を使用してモデルをトレーニングする。 実世界のスマートコントラクトに関連する課題に対処するため、トレーニングデータは実際の脆弱性サンプルから導出します。
  論文  参考訳（メタデータ） (2025-04-14T08:36:21Z)
• Lie Detector: Unified Backdoor Detection via Cross-Examination Framework [68.45399098884364]
  半正直な設定で一貫したバックドア検出フレームワークを提案する。 本手法は,SoTAベースラインよりも5.4%,1.6%,11.9%の精度で検出性能が向上する。 特に、マルチモーダルな大規模言語モデルにおいて、バックドアを効果的に検出するのは、これが初めてである。
  論文  参考訳（メタデータ） (2025-03-21T06:12:06Z)
• ContractTrace: Retracing Smart Contract Versions for Security Analyses [4.126275271359132]
  ContractTraceは、スマートコントラクトのバージョンを正確に識別し、コヒーレントなラインにリンクする自動化インフラストラクチャです。 この機能は、脆弱性の伝播パターンを理解し、ブロックチェーン環境におけるセキュリティパッチの有効性を評価するために不可欠である。
  論文  参考訳（メタデータ） (2024-12-30T11:10:22Z)
• Survey on Quality Assurance of Smart Contracts [14.34073444030935]
  スマートコントラクトの採用の増加に伴い、セキュリティの確保が重要な問題となっている。 スマートコントラクトの品質保証について,脆弱性,攻撃,防御,ツールサポートについて,系統的に概説する。 スマートコントラクトを効果的に保護するために、さまざまな脆弱性検出ツールを評価し、その有効性を比較するためにラベル付きデータセットを作成しました。
  論文  参考訳（メタデータ） (2023-11-01T03:36:24Z)
• Enhancing Smart Contract Security Analysis with Execution Property Graphs [48.31617821205042]
  ランタイム仮想マシン用に特別に設計された動的解析フレームワークであるClueを紹介する。 Clueは契約実行中に重要な情報をキャプチャし、新しいグラフベースの表現であるExecution Property Graphを使用する。 評価結果から, クリューの真正率, 偽正率の低い優れた性能が, 最先端のツールよりも優れていた。
  論文  参考訳（メタデータ） (2023-05-23T13:16:42Z)
• Exploring Robustness of Unsupervised Domain Adaptation in Semantic Segmentation [74.05906222376608]
  クリーンな画像とそれらの逆の例との一致を、出力空間における対照的な損失によって最大化する、逆向きの自己スーパービジョンUDA(ASSUDA)を提案する。 i) セマンティックセグメンテーションにおけるUDA手法のロバスト性は未解明のままであり, (ii) 一般的に自己スーパービジョン(回転やジグソーなど) は分類や認識などのイメージタスクに有効であるが, セグメンテーションタスクの識別的表現を学習する重要な監視信号の提供には失敗している。
  論文  参考訳（メタデータ） (2021-05-23T01:50:44Z)
• ESCORT: Ethereum Smart COntRacTs Vulnerability Detection using Deep Neural Network and Transfer Learning [80.85273827468063]
  既存の機械学習ベースの脆弱性検出方法は制限され、スマートコントラクトが脆弱かどうかのみ検査される。 スマートコントラクトのための初のDeep Neural Network(DNN)ベースの脆弱性検出フレームワークであるESCORTを提案する。 ESCORTは6種類の脆弱性に対して平均95%のF1スコアを達成し,検出時間は契約あたり0.02秒であることを示す。
  論文  参考訳（メタデータ） (2021-03-23T15:04:44Z)

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。