論文の概要: Ethereum NFT Smart Contracts: Knowledge-Guided Vulnerability Detection with LLM and Code Slicing
- arxiv url: http://arxiv.org/abs/2607.21983v1
- Date: Fri, 24 Jul 2026 05:10:26 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-07-27 20:58:57.05149
- Title: Ethereum NFT Smart Contracts: Knowledge-Guided Vulnerability Detection with LLM and Code Slicing
- Title（参考訳）: Ethereum NFT Smart Contracts: LLMとコードスライシングによる知識ガイドによる脆弱性検出
- Authors: Deyu Yang, Rundong Wei, Xiaoqi Li,
- Abstract要約: 本稿では,脆弱性に着目したコードスライシング,ERC-721指向の知識ベース,制約付きDeepSeek解析を組み合わせた脆弱性検出手法を提案する。
450 NFTの契約サンプルでは、完全な構成で437の正のラベルが作られ、97.1%の正のラベルが報告された。
外部知識ベースを取り除き87.11%まで削減し、知識ベースを使わずに完全な契約を分析することで73.78%まで削減した。
- 参考スコア（独自算出の注目度）: 2.0706429677946563
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Ethereum non-fungible tokens (NFTs) implement ownership, transfer, authorization, and metadata operations through smart contracts, making contract vulnerabilities a direct risk to digital assets. Existing static analyzers provide efficient rule-based screening but can struggle with application-specific logic, whereas unconstrained large language model analysis may be distracted by irrelevant code or produce inconsistent outputs. We present a vulnerability-detection method that combines vulnerability-focused code slicing, an ERC-721-oriented knowledge base, and constrained DeepSeek analysis. Regular-expression patterns locate candidate statements for reentrancy, integer overflow or underflow, and timestamp dependence. A structure-aware context-window algorithm then extracts line-numbered code slices. DeepSeek analyzes each slice using explicit decision rules and a fixed output schema, and the resulting records support automated batch processing. On 450 NFT contract samples, the full configuration produced 437 positive labels, corresponding to a reported positive-label rate of 97.1%. Removing the external knowledge base reduced this rate to 87.11%, while analyzing complete contracts without the knowledge base reduced it to 73.78%. These results indicate that focused code context and domain constraints materially affect the detector's reported output.
- Abstract（参考訳）: Ethereum non-fungible tokens (NFT)は、スマートコントラクトによるオーナシップ、転送、承認、メタデータ操作を実装し、コントラクトの脆弱性をデジタル資産に直接的なリスクを与える。
既存の静的アナライザは効率的なルールベースのスクリーニングを提供するが、アプリケーション固有のロジックに苦労する可能性がある。
本稿では,脆弱性に着目したコードスライシング,ERC-721指向の知識ベース,制約付きDeepSeek解析を組み合わせた脆弱性検出手法を提案する。
正規表現パターンは、再帰性、整数オーバーフローまたはアンダーフロー、タイムスタンプ依存の候補ステートメントを特定する。
構造対応コンテキストウィンドウアルゴリズムが行数コードスライスを抽出する。
DeepSeekは明示的な決定ルールと固定出力スキーマを使用して各スライスを分析し、その結果のレコードは自動バッチ処理をサポートする。
450 NFTの契約サンプルでは、完全な構成で437の正のラベルが作られ、97.1%の正のラベルが報告された。
外部知識ベースを取り除き87.11%まで削減し、知識ベースを使わずに完全な契約を分析することで73.78%まで削減した。
これらの結果は、集中したコードコンテキストとドメインの制約が検出者の報告した出力に重大な影響を及ぼすことを示している。
関連論文リスト
- 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) - Credential Leakage in LLM Agent Skills: A Large-Scale Empirical Study [51.717224133855886]
サードパーティのスキルはLLMエージェントを強力な能力で拡張するが、特権のある環境では機密情報を扱うことが多い。
静的解析,サンドボックステスト,手動検査を用いて17,022のスキル(SkillsMPで170,226からサンプリング)を分析した。
我々は,1,708の課題で520の脆弱なスキルを識別し,10の漏洩パターン(事故4件,反対6件)の分類を導出する。
論文 参考訳（メタデータ） (2026-04-03T14:50:16Z) - 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) - Taint-Based Code Slicing for LLMs-based Malicious NPM Package Detection [2.398400814870029]
本稿では,LLMをベースとした悪意あるパッケージ検出タスクにおいて,コードスライシング技術を活用する新しいフレームワークを提案する。
バックトラッキング機構によって強化されたnpmパッケージのためのテントベースの特殊スライシング手法を提案する。
5000以上の悪意のあるnpmパッケージのデータセットに対する評価は,我々のアプローチがセキュリティ関連コードを分離し,入力量を99%以上削減していることを示している。
論文 参考訳（メタデータ） (2025-12-13T12:56:03Z) - Trace: Securing Smart Contract Repository Against Access Control Vulnerability [58.02691083789239]
GitHubはソースコード、ドキュメント、設定ファイルを含む多数のスマートコントラクトリポジトリをホストしている。
サードパーティの開発者は、カスタム開発中にこれらのリポジトリからコードを参照、再利用、フォークすることが多い。
スマートコントラクトの脆弱性を検出する既存のツールは、複雑なリポジトリを扱う能力に制限されている。
論文 参考訳（メタデータ） (2025-10-22T05:18:28Z) - TraceLLM: Security Diagnosis Through Traces and Smart Contracts in Ethereum [23.800363904247146]
TraceLLMは、ジョイントトレースとコントラクトコード駆動セキュリティ分析のための最初のベンチマークを確立する。
TraceLLMは85.19%の精度で攻撃者および被害者のアドレスを特定し、70.37%の精度で自動レポートを生成する。
現実世界のインシデント全体で、TraceLLMは66.22%の精度でレポートを自動的に生成し、強力な一般化性を示す。
論文 参考訳（メタデータ） (2025-09-03T05:53:56Z) - NATLM: Detecting Defects in NFT Smart Contracts Leveraging LLM [0.8225825738565354]
NFTスマートコントラクトの潜在的な欠陥を検出するために,NATLMというフレームワークを提案する。
このフレームワークは、NFTスマートコントラクトの4つの一般的な脆弱性を効果的に識別する。
実験の結果、NATLMは8,672個のNFTスマートコントラクトを分析し、全体の精度は87.72%、リコールは89.58%、F1スコアは88.94%に達した。
論文 参考訳（メタデータ） (2025-08-02T12:56:27Z) - Decompiling Smart Contracts with a Large Language Model [51.49197239479266]
Etherscanの78,047,845のスマートコントラクトがデプロイされているにも関わらず(2025年5月26日現在)、わずか767,520 (1%)がオープンソースである。
この不透明さは、オンチェーンスマートコントラクトバイトコードの自動意味解析を必要とする。
バイトコードを可読でセマンティックに忠実なSolidityコードに変換する,先駆的な逆コンパイルパイプラインを導入する。
論文 参考訳（メタデータ） (2025-06-24T13:42:59Z) - SmartBugBert: BERT-Enhanced Vulnerability Detection for Smart Contract Bytecode [0.7018579932647147]
本稿では,BERTに基づくディープラーニングと制御フローグラフ(CFG)解析を組み合わせて,バイトコードから直接脆弱性を検出する新しいアプローチであるSmartBugBertを紹介する。
提案手法は,まずスマートコントラクトバイトコードを最適化されたオペコードシーケンスに分解し,TF-IDFを用いて意味的特徴を抽出し,実行ロジックをキャプチャするために制御フローグラフを構築し,ターゲット分析のために脆弱なCFGフラグメントを分離する。
論文 参考訳（メタデータ） (2025-04-07T12:30:12Z) - Can LLM Prompting Serve as a Proxy for Static Analysis in Vulnerability Detection [9.269926508651091]
大規模言語モデル(LLM)は、脆弱性検出などの安全クリティカルなコードタスクに制限があることを示している。
本稿では,脆弱性の自然言語命令を,対照的な連鎖推論と統合する戦略を提案する。
本研究は,静的アナライザの厳格な手作りルールに代えて,セキュリティ対応のプロンプト技術が有効であることを示す。
論文 参考訳（メタデータ） (2024-12-16T18:08:14Z)
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。