論文の概要: Beyond Detection: Agentic Attack Synthesis and Simulation for Smart Contracts
- arxiv url: http://arxiv.org/abs/2607.15673v1
- Date: Fri, 17 Jul 2026 06:31:49 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-07-20 17:56:52.773697
- Title: Beyond Detection: Agentic Attack Synthesis and Simulation for Smart Contracts
- Title（参考訳）: Beyond Detection: スマートコントラクトのためのエージェント攻撃合成とシミュレーション
- Abstract要約: KASS(Knowledge-Augmented Attack Synthesis and Simulation)は、スマートコントラクトの検証が可能なマルチエージェントフレームワークである。
自動エクスプロイト生成を計画、生成、テストステージに分解する。
エクスプロイトフローの文書化、潜在的な資産損失の定量化、静的解析ツールのセマンティック偽陽性フィルタとして機能する構造化された攻撃計画を生成する。
- 参考スコア（独自算出の注目度）: 9.850249387268157
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Smart contract vulnerabilities pose severe financial risks, yet existing security tools largely stop at vulnerability detection, offering limited support for explaining whether reported flaws are exploitable, how attacks unfold, and what concrete damage they cause. To bridge this gap, we propose KASS (Knowledge-Augmented Attack Synthesis and Simulation), a multi-agent framework for executable smart contract exploit verification. KASS decomposes automated exploit generation into planning, generation, and testing stages, and integrates three complementary mechanisms: retrieval-augmented planning over real-world audit knowledge, formal generation and validation constraints that bind attack plans to executable proof-of-concept tests, and a hierarchical dual-loop refinement process that repairs code-level errors while triggering strategy-level replanning when attack assumptions fail. We evaluate KASS on 104 SmartBugs-Curated contracts across four vulnerability categories. Experimental results show that KASS successfully generates executable exploits for 94.23% of tested contracts; this rate is higher than previously reported results for REX and AdvSCanner on comparable SmartBugs-Curated subsets, and higher than our reproduced Claude Code baseline under the same evaluation protocol. On 11 real-world CVE-tagged contracts, KASS successfully validates 9 cases. Beyond exploit generation, KASS produces structured attack plans that document exploitation flows, quantify potential asset losses, and serve as semantic false positive filters for static analysis tools.
- Abstract（参考訳）: スマートコントラクトの脆弱性は深刻な金融リスクを引き起こすが、既存のセキュリティツールは、報告された欠陥が悪用されるかどうか、攻撃の展開方法、それらが引き起こす具体的なダメージについて、限定的なサポートを提供する。
このギャップを埋めるために、我々は、実行可能なスマートコントラクトエクスプロイト検証のためのマルチエージェントフレームワークであるKASS(Knowledge-Augmented Attack Synthesis and Simulation)を提案する。
KASSは、自動エクスプロイト生成を計画、生成、テスト段階に分解し、実際の監査知識に対する検索強化計画、攻撃計画を実行可能な概念実証テストにバインドする形式生成と検証の制約、攻撃想定が失敗した時に戦略レベルの再計画をトリガーしながらコードレベルのエラーを修復する階層的なデュアルループ改善プロセスの3つの補完メカニズムを統合する。
104 SmartBugs-Curated ContractsのKASSを4つの脆弱性カテゴリで評価した。
実験の結果, KASSはテスト済み契約の94.23%に対して, 実行可能エクスプロイトの生成に成功し, 同等のSmartBugs-Curatedサブセット上でのREXとAdvSCannerの報告結果よりも高い値を示し, 同一評価プロトコル下での再現コードベースラインよりも高い値を示した。
11の現実世界のCVEタグ付き契約で、KASSは9つのケースの検証に成功した。
エクスプロイト生成以外にも、KASSは、エクスプロイトフローの文書化、潜在的な資産損失の定量化、静的解析ツールのセマンティック偽陽性フィルタとして機能する構造化された攻撃計画を生成する。
関連論文リスト
- Automated Vulnerability Injection in Smart Contracts Using Large Language Models [4.32664921452851]
本稿では,Large Language Models (LLM) を用いてスマートコントラクトに脆弱性を自動的に注入する手法を提案する。
インジェクトされたコントラクトは、コンパイル、実行、ビジネスロジック、意図した脆弱性の存在をチェックするマルチステップパイプラインを通じて検証される。
論文 参考訳（メタデータ） (2026-09-02T14:03:09Z) - AI Slop and Hallucinations in Vulnerability Assessment: A Survey on Reasoning Failures and Trustworthy Mitigation [48.55515767840701]
AIスロープ(AI slop)は、アーティファクト、幻覚的脆弱性、可視だが正しくないパッチ、セマンティックに再パッケージされたバグレポートである。
本稿では,実証的証拠を調査し,統一メカニズムを特定し,信頼に値するトリアージへの道筋をたどる。
論文 参考訳（メタデータ） (2026-08-26T11:48:38Z) - TAPO: Tool-Aware Policy Optimization via Credit Transfer for Multimodal Search Agents [54.08846865906602]
ツール強化マルチモーダルサーチエージェントにおいて,クレジットミス割り当てをGRPOの系統的障害モードとして特徴付ける。
本稿では,情報取得ツールのパラメータ決定性を利用したツール・アウェア・ポリシー・オプティマイズ(TAPO)を提案する。
論文 参考訳（メタデータ） (2026-06-04T07:15:43Z) - GoAT-X: A Graph of Auditing Thoughts for Securing Token Transactions in Cross-Chain Contracts [52.51342355102833]
マルチチェーンエコシステムの重要な基盤であるクロスチェーンブリッジは、攻撃者にとって主要なターゲットとなっている。
バイトコードレベルの静的解析のような既存の防御は、チェーン間の相互作用のセマンティックな複雑さを扱うには不十分である。
パターンマッチングから体系的な第一原理検証へ自動的なクロスチェーンスマートコントラクト監査を移行するフレームワークであるGoAT-Xを提案する。
論文 参考訳（メタデータ） (2026-04-27T11:34:21Z) - 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) - V2E: Validating Smart Contract Vulnerabilities through Profit-driven Exploit Generation and Execution [52.57923394143007]
V2Eは、報告された脆弱性が本当に悪用されているかどうかを検証するための新しいフレームワークである。
V2EはProof-of-Concept(PoC)を自動的に生成し、脆弱性がトリガー可能かどうかを評価し、損失を発生させる。
264のラベル付き契約の評価は、V2Eがベースラインアプローチより優れていることを示している。
論文 参考訳（メタデータ） (2026-04-15T08:24:24Z) - Benchmarking Zero-Shot Reasoning Approaches for Error Detection in Solidity Smart Contracts [0.0]
本稿では,400契約のバランスデータセットを用いて,Solidityスマートコントラクト分析の最先端LCMについて検討する。
モデルは、ゼロショット、ゼロショット・オブ・ソート(CoT)、ゼロショット・オブ・ソート(ToT)を含むゼロショット・プロンプト戦略を用いて評価される。
論文 参考訳（メタデータ） (2026-02-17T18:08:56Z) - PoCo: Agentic Proof-of-Concept Exploit Generation for Smart Contracts [4.837987507203078]
本稿では,概念実証を自動生成するエージェントフレームワークPOCOを紹介する。
PoCOは、Reason-Act-Observeループ内の一連のコード実行ツールと対話することで、エージェント的な方法でエクスプロイトを生成する。
実世界の脆弱性報告23件のデータセットを用いてPOCOを評価した。
論文 参考訳（メタデータ） (2025-11-04T18:03:12Z) - Automated Vulnerability Injection in Solidity Smart Contracts: A Mutation-Based Approach for Benchmark Development [2.0074256613821033]
この研究は、突然変異シードが脆弱性をSolidityベースのスマートコントラクトに効果的に注入できるかどうかを評価する。
パターンベースの突然変異演算子を利用して、脆弱なスマートコントラクトを生成するツールであるMuSeを提案する。
静的解析ツールであるSlitherを用いて、これらの脆弱なスマートコントラクトを分析し、それらを特定し、妥当性を評価する能力について検討した。
論文 参考訳（メタデータ） (2025-04-22T14:46:18Z) - SeCodePLT: A Unified Platform for Evaluating the Security of Code GenAI [58.29510889419971]
コード生成大型言語モデル(LLM)のセキュリティリスクと能力を評価するための既存のベンチマークは、いくつかの重要な制限に直面している。
手動で検証し、高品質なシード例から始める、汎用的でスケーラブルなベンチマーク構築フレームワークを導入し、ターゲット突然変異を通じて拡張する。
このフレームワークをPython、C/C++、Javaに適用すると、44のCWEベースのリスクカテゴリと3つのセキュリティ機能にまたがる5.9k以上のサンプルデータセットであるSeCodePLTが構築されます。
論文 参考訳（メタデータ） (2024-10-14T21:17:22Z) - Jailbreaking as a Reward Misspecification Problem [80.52431374743998]
本稿では,この脆弱性をアライメントプロセス中に不特定性に対処する新たな視点を提案する。
本稿では,報酬の相違の程度を定量化し,その有効性を実証する指標ReGapを紹介する。
ReMissは、報酬ミスの空間で敵のプロンプトを生成する自動レッドチームリングシステムである。
論文 参考訳（メタデータ） (2024-06-20T15:12:27Z)
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。