論文の概要: Chiral Analysis of Smart Contracts: Detecting Vulnerabilities from Relational Inconsistencies Across Business Paths
- arxiv url: http://arxiv.org/abs/2607.17987v1
- Date: Mon, 20 Jul 2026 14:17:00 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-07-21 18:48:37.658067
- Title: Chiral Analysis of Smart Contracts: Detecting Vulnerabilities from Relational Inconsistencies Across Business Paths
- Title（参考訳）: スマートコントラクトのカイラル分析:ビジネスパス間の関係不整合から脆弱性を検出する
- Abstract要約: 本稿では、ペア化されたビジネスパスを暗黙の仕様として扱う関係モデルであるカイラル分析を紹介する。
このアイデアは、ビジネスパスを抽出するSolidityプロトタイプであるChiralDetectorに実装しています。
ChiralDetectorは3,217の静的なランク付けパスペアを1,643のセマンティックな候補に減らし、101の非重複な発見グループを生成し、44の厳格なバリケータ陽性を保持し、手動で13のユニークな問題に崩壊した。
- 参考スコア（独自算出の注目度）: 1.5217170480235822
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Smart-contract vulnerabilities often arise from inconsistencies between business paths that should correspond to one another, such as single and batch entry points, direct and adapter-based flows, quote and execution paths, or inverse operations such as buy and sell. Existing analyzers are effective for many local syntactic and data-flow patterns, but they provide limited support for bugs whose oracle is relational: whether two semantically paired paths preserve compatible guards, state transitions, value flows, and failure behavior. This paper introduces chiral analysis, a relational model that treats paired business paths as implicit specifications for each other. We formalize chiral relations as static analogues of metamorphic relations, derive obligations over guards, actors, state, value, ordering, failure behavior, and external interactions, and report a vulnerability when a violated obligation has security impact. We implement this idea in ChiralDetector, a Solidity prototype that extracts business paths, ranks candidate pairs with static facts, applies LLM-based semantic filtering and detection, and validates and deduplicates findings. In a preliminary evaluation on the Phi protocol, ChiralDetector reduced 3,217 statically ranked path pairs to 1,643 semantic candidates, produced 101 deduplicated finding groups, and retained 44 strict-validator positives that manually collapsed to 13 effective unique issues. These include cross-art Merkle proof reuse, fee unit mismatches, public state-tracking helpers, and refund propagation gaps. The results suggest that chiral analysis can expose business-logic bug classes that are difficult to express as single-function rules while providing a structured way to control LLM cost and validator precision.
- Abstract（参考訳）: スマートコントラクトの脆弱性は、シングルとバッチのエントリポイント、ダイレクトとアダプタベースのフロー、引用と実行のパス、購入と販売のような逆操作など、相互に対応すべきビジネスパス間の矛盾から生じることが多い。
既存のアナライザは、多くのローカルな構文およびデータフローパターンに有効であるが、それらは、二つのセマンティックなペアリングパスが互換性のあるガード、状態遷移、バリューフロー、障害動作を保持するかどうかという、オラクルがリレーショナルであるバグに対する限定的なサポートを提供する。
本稿では、ペア化されたビジネスパスを暗黙の仕様として扱う関係モデルであるカイラル分析を紹介する。
我々は,準同型関係の静的な類似としてカイラル関係を定式化し,保護者,アクター,状態,価値,秩序,障害行動,外的相互作用に対する義務を導出するとともに,違反した義務がセキュリティに与える影響を報告する。
このアイデアは、ビジネスパスを抽出し、静的な事実と候補ペアをランク付けし、LLMベースのセマンティックフィルタリングと検出を適用し、結果の検証と重複を解消する、SolidityプロトタイプであるChiralDetectorに実装されている。
ChiralDetectorは、Phiプロトコルの予備評価において、3,217の静的なランク付けパスペアを1,643のセマンティックな候補に減らし、101の非重複な発見グループを生成し、44の厳格なバリケータ陽性を保持し、手動で13の独特な問題に分解した。
これらには、クロスアートなメルクル証明の再利用、料金単位のミスマッチ、公共の州追跡ヘルパー、そして、伝播ギャップの返金が含まれる。
この結果から, 単機能ルールとして表現しにくいビジネス論理的バグクラスを, LLMコストとバリデータ精度を制御できる構造的手法を提供することが示唆された。
関連論文リスト
- 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) - Beyond Shapley: An Influence-Based Data Auditing Pipeline for LLM Alignment and Evaluation [2.733105115068754]
反復モデルの再トレーニングなしにShapley値を近似する,スケーラブルで推論のみのデータアベイラビリティパイプラインを導入する。
重厚な2つのアライメントデータセットの衛生化におけるパイプラインの有効性を実証する。
論文 参考訳（メタデータ） (2026-07-24T03:31:44Z) - Semantic Drift in Bug Resolution: How Behavioral Signals Propagate from Reports to Tests and Patches [18.727291516223115]
Desc2Fixは、バグレポートのセマンティックアライメント、テストのトリガー、開発者による修正を測定するフレームワークである。
GPT-4o と DeepSeek-Chat を用いて,Defects4J と SWT-Bench の2,857 個のレポート・パッチを解析した。
論文 参考訳（メタデータ） (2026-07-20T22:32:23Z) - 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) - PSR2: A Phase-based Semantic Reasoning Framework for Atomicity Violation Detection via Contract Refinement [9.36682660657815]
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。
論文 参考訳（メタデータ） (2026-04-08T11:46:01Z) - 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) - TraceGuard: Process-Guided Firewall against Reasoning Backdoors in Large Language Models [19.148124494194317]
我々は,小規模モデルを堅牢な推論ファイアウォールに変換するプロセス誘導型セキュリティフレームワークであるTraceGuardを提案する。
提案手法は,推理トレースを信頼できないペイロードとして扱い,詳細な防衛戦略を確立する。
グレーボックス設定における適応的敵に対する堅牢性を実証し、TraceGuardを実用的で低レイテンシなセキュリティプリミティブとして確立する。
論文 参考訳（メタデータ） (2026-03-02T22:19:13Z) - The Semantic Trap: Do Fine-tuned LLMs Learn Vulnerability Root Cause or Just Functional Pattern? [14.472036099680961]
そこで我々は,脆弱性根本原因を機能パターンから切り離すための総合評価フレームワークTrapEvalを提案する。
我々は、3つのモデルファミリーにまたがる5つの最先端LCMを微調整し、それらを、CodeBLEUによって測定されたクロスデータセットテスト、セマンティック保存、および様々なセマンティックギャップの下で評価する。
従来のデータセットに対する高いベンチマークスコアは、モデルが脆弱性の真の因果論理を理解できないことを隠蔽している可能性がある。
論文 参考訳（メタデータ） (2026-01-30T07:19:17Z) - DeLeaker: Dynamic Inference-Time Reweighting For Semantic Leakage Mitigation in Text-to-Image Models [55.30555646945055]
テキスト・ツー・イメージ(T2I)モデルはセマンティック・リークに対して脆弱である。
DeLeakerは、モデルのアテンションマップに直接介入することで、漏洩を緩和する軽量なアプローチである。
SLIMはセマンティックリークに特化した最初のデータセットである。
論文 参考訳（メタデータ） (2025-10-16T17:39:21Z) - BURN: Backdoor Unlearning via Adversarial Boundary Analysis [73.14147934175604]
Backdoor Unlearningは、モデル本来の機能を保持しながら、バックドア関連の情報を削除することを目的としている。
本稿では, 偽相関疎結合, プログレッシブデータリファインメント, モデル浄化を統合した新しい防御フレームワーク, BURNによるバックドア・アンラーニングを提案する。
論文 参考訳（メタデータ） (2025-07-14T17:13:06Z) - 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)
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。