論文の概要: TrapHunter: Exposing Covert Pathways in Trap Token Contracts

• arxiv url: http://arxiv.org/abs/2607.18753v1
• Date: Tue, 21 Jul 2026 06:20:35 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-22 19:05:05.324815
• Title: TrapHunter: Exposing Covert Pathways in Trap Token Contracts
• Title（参考訳）: TrapHunter: トリップトークン契約でカバーパスを公開
• Abstract要約: TrapHunterは,これらのトラップを特定して,意図的偏差解析を通じてコントラクト内の隠蔽経路を公開するように設計されたフレームワークである。 TrapHunterは、トラップの6つのカテゴリ全てを効果的に検出し、平均精度81.8%、リコール率85.4%を達成し、最先端のツールを著しく上回っている。
• 参考スコア（独自算出の注目度）: 15.133514310406424
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Standardized token contracts (e.g., ERC-20) form the foundation of digital assets. However, attackers increasingly abuse this standardization to disguise malicious trap tokens. Unlike obvious violations, these contracts employ a strategy of "deceptive adherence": they strictly adhere to standard protocols to evade detection while embedding covert logic to defraud users. To address this, we first systematize the trap landscape by proposing a novel taxonomy derived from the intrinsic functional lifecycle of tokens (Generation, Circulation, Persistence, and Observation). We then propose TrapHunter, a framework designed to identify these traps and expose covert pathways within these deceptive contracts via intent deviation analysis. Specifically, TrapHunter introduces a unified semantic representation combining Abstract Behavior Trees (ABTs) and Augmented Path Graphs (APGs) to normalize intra-procedural syntax and reveal hidden execution paths driven by inter-procedural state dependencies. Crucially, it bridges the semantic gap by leveraging LLMs to reason about the behavioral intent of deviations from reference implementations, followed by fork-based dynamic validation to confirm exploitability. Experimental evaluation on 269 real-world contracts with three LLMs (DeepSeek, GPT, and Gemini) demonstrates that TrapHunter effectively detects all six categories of traps, achieving an average precision of 81.8% and recall of 85.4%, significantly outperforming state-of-the-art tools.
• Abstract（参考訳）: 標準化されたトークン契約(ERC-20など)はデジタル資産の基礎を形成している。 しかし、攻撃者はこの標準化を悪用し、悪意のあるトラップトークンを偽装した。 明らかな違反とは違って、これらの契約は「認識の遵守」という戦略を採用しており、ユーザーを欺くために隠蔽ロジックを埋め込んだまま検出を避けるための標準プロトコルを厳格に守っている。 そこで我々は,トークンの内在的機能的ライフサイクル(生成,循環,持続,観察)から派生した新しい分類法を提案することにより,トラップランドスケープを体系化する。 次に、これらのトラップを識別し、意図的偏差分析を通じて、これらの偽りの契約内で隠蔽経路を公開するように設計されたフレームワークであるTrapHunterを提案する。 具体的には、TrapHunterは抽象行動木(ABT)と拡張パスグラフ(APG)を組み合わせた統一的なセマンティック表現を導入し、手続き内構文を正規化し、手続き間状態依存性によって駆動される隠れ実行パスを明らかにする。 重要なことに、LLMを活用して参照実装からの逸脱の振る舞いの意図を推論し、さらに攻撃性を確認するためにフォークベースの動的検証を行うことによって、セマンティックギャップを橋渡しする。 3つのLLM(DeepSeek, GPT, Gemini)による269の現実世界契約に関する実験的評価は、TrapHunterが6つのカテゴリのトラップをすべて効果的に検出し、平均精度81.8%、リコール85.4%を達成し、最先端のツールを著しく上回っていることを示している。

関連論文リスト

• Crushing the Evidence: A Dual-Penalty Evasion Framework for Fooling White-Box Explainable AI Auditors [4.377640147713394]
  ポストホックモデルの説明器は、高感度ドメインのモデルを監査するために広くデプロイされている。 説明可能性パイプラインにおける潜在的な攻撃について、いくつかの研究がなされている。 より強力なホワイトボックス、勾配調整型回避攻撃フレームワークを導入する。
  論文  参考訳（メタデータ） (2026-08-01T10:03:14Z)
• The Illusion of Reasoning: Exposing Evasive Data Contamination in LLMs via Zero-CoT Truncation [28.17279842216215]
  大規模言語モデル(LLM)は、幅広いタスクにまたがる印象的な推論能力を示している。 データ汚染はこれらの能力の客観的評価を損なう。 現在のアプローチは、このようなステルス性の汚染を確実に検出するのに苦労している。 そこで我々はZero-CoT Probe (ZCP) を提案する。
  論文  参考訳（メタデータ） (2026-05-21T01:06:19Z)
• TwinGate: Stateful Defense against Decompositional Jailbreaks in Untraceable Traffic via Asymmetric Contrastive Learning [60.68349524623048]
  分解されたジェイルブレイクは、大きな言語モデルにとって重大な脅威となる。 我々はステートフルなデュアルエンコーダ防御フレームワークであるTwinGateを紹介する。 我々は、8600の異なる悪意のある意図にまたがる360万以上の命令の包括的なデータセットを構築した。
  論文  参考訳（メタデータ） (2026-04-30T13:44:01Z)
• Secret Stealing Attacks on Local LLM Fine-Tuning through Supply-Chain Model Code Backdoors [9.503673758168693]
  ローカルな微調整データセットは、APIキーや個人識別子、財務記録など、機密性の高いシークレットを常用する。 私たちは、実用的だが見過ごされたサプライチェーンベクターを使用します -- 標準アーキテクチャ定義としてキャモフラージュされたモデルコードです。 オンラインテンソルルールマッチングによる動的計算フローにおいてトークンレベルのシークレットにロックする決定論的フルチェーン機構を導入する。
  論文  参考訳（メタデータ） (2026-04-30T05:03:08Z)
• 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)
• Graded Symbolic Verification with a Fuzzy Dolev-Yao Attacker Model [0.0]
  Dolevの下でのシンボルプロトコル検証--Yaoはバイナリアタッカーの知識(未知/未知)を使用する 我々は、このプロセスを、グレード付きアタッカービュー、製品Tノルムリーク更新、有限グリッド明示状態実行でモデル化する。 Needham--Schroeder--Lowe (NSL) を含む対称および非対称なプロトコルの励起結果
  論文  参考訳（メタデータ） (2026-04-16T14:09:50Z)
• AEGIS: From Clues to Verdicts -- Graph-Guided Deep Vulnerability Reasoning via Dialectics and Meta-Auditing [9.271196825503417]
  大きな言語モデル(LLM)は、脆弱性検出にますます採用されているが、その推論は基本的には正しくない。 AEGISは、未解決の投機から、クローズドな事実ベース上の法医学的検証へ、検出をシフトする新しいマルチエージェントフレームワークである。 これは、主要なベースラインと比較して偽陽性率を最大54.40%削減し、1サンプルあたりの平均コストはタスク固有のトレーニングなしで0.09ドルである。
  論文  参考訳（メタデータ） (2026-03-21T04:12:04Z)
• The Trojan Knowledge: Bypassing Commercial LLM Guardrails via Harmless Prompt Weaving and Adaptive Tree Search [58.8834056209347]
  大規模言語モデル(LLM)は、有害な出力を誘導するために安全ガードレールをバイパスするジェイルブレイク攻撃に弱いままである。 CKA-Agent(Correlated Knowledge Attack Agent)は、ターゲットモデルの知識基盤の適応的木構造探索としてジェイルブレイクを再構成する動的フレームワークである。
  論文  参考訳（メタデータ） (2025-12-01T07:05:23Z)
• The 'Sure' Trap: Multi-Scale Poisoning Analysis of Stealthy Compliance-Only Backdoors in Fine-Tuned Large Language Models [10.377264470934843]
  大きな言語モデルに対するバックドア攻撃は、通常、暗黙の悪意のある出力に秘密のトリガーを伴います。 我々はコンプライアンスのみのバックドアを導入し、ほぼ良質なデータセットで教師付き微調整を行い、プロンプトの小さなサブセットを任意の単一ワードトリガでサフィックスする。 本研究は, 毒性予算, 総微調整データセットサイズ, モデルサイズにまたがる, この良性ラベル中毒行動のマルチスケール解析を行った。
  論文  参考訳（メタデータ） (2025-11-16T02:01:58Z)
• Backdoor Collapse: Eliminating Unknown Threats via Known Backdoor Aggregation in Language Models [75.29749026964154]
  Ourmethodは、複数のベンチマークで平均的な攻撃成功率を4.41%に下げる。 クリーンな精度と実用性はオリジナルのモデルの0.5%以内に保存される。 防衛はさまざまな種類のバックドアをまたいで一般化し、実際のデプロイメントシナリオにおける堅牢性を確認します。
  論文  参考訳（メタデータ） (2025-10-11T15:47:35Z)
• T2IShield: Defending Against Backdoors on Text-to-Image Diffusion Models [70.03122709795122]
  バックドア攻撃の検出, 局所化, 緩和のための総合防御手法T2IShieldを提案する。 バックドアトリガーによって引き起こされた横断アテンションマップの「アシミレーション現象」を見いだす。 バックドアサンプル検出のために、T2IShieldは計算コストの低い88.9$%のF1スコアを達成している。
  論文  参考訳（メタデータ） (2024-07-05T01:53:21Z)
• Lazy Layers to Make Fine-Tuned Diffusion Models More Traceable [70.77600345240867]
  新たな任意の任意配置(AIAO)戦略は、微調整による除去に耐性を持たせる。 拡散モデルの入力/出力空間のバックドアを設計する既存の手法とは異なり,本手法では,サンプルサブパスの特徴空間にバックドアを埋め込む方法を提案する。 MS-COCO,AFHQ,LSUN,CUB-200,DreamBoothの各データセットに関する実証研究により,AIAOの堅牢性が確認された。
  論文  参考訳（メタデータ） (2024-05-01T12:03:39Z)

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。