論文の概要: Smart Contract Invariants Protect Against Cybercriminals

• arxiv url: http://arxiv.org/abs/2608.13191v1
• Date: Thu, 13 Aug 2026 12:58:36 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-14 18:29:38.523889
• Title: Smart Contract Invariants Protect Against Cybercriminals
• Title（参考訳）: スマートコントラクトの不変性はサイバー犯罪から保護される
• Abstract要約: INIANTEVALにおけるすべてのサイバー犯罪攻撃を、スマートコントラクト不変がブロックしていることを示す。 スマートコントラクト不変量の正確性と健全性を証明するために,トランザクションを再実行するリプレイフレームワークであるPONDEREPLAYで,すべての不変性を検証した。 我々の大規模な実験は、スマートコントラクトの不変性がサイバー犯罪から保護されていることを明らかに示しています。
• 参考スコア（独自算出の注目度）: 4.837987507203078
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Blockchains are among the most adversarial environments in computing. Billions are stolen by cybercriminals who exploit vulnerabilities. This is an open problem and no concept or technique has proven to really make a difference. In this paper, we claim that the classical notion of program invariant is perhaps the most powerful solution to the problem. We devise anoriginal experimental protocol to 1) study how invariants would have protected against past real-world attacks and 2) whether state-of-the-art automated tools can find them. The experimental toolchain is sophisticated. It is based on INVARIANTEVAL, a benchmark of 28 real Ethereum exploits, each paired with a human-authored invariant that blocks the attack. We validate every invariant with PONDEREPLAY, a replay framework that re-executes transactions in order to prove the correctness and soundness of smart contract invariants. We demonstrate that smart contract invariants block all the cybercriminal attacks in INVARIANTEVAL, fully validated by replaying 108,637 historical transactions. Our large-scale experiments clearly demonstrate that smart contract invariants protect against cybercriminals.
• Abstract（参考訳）: ブロックチェーンは、コンピューティングにおける最も敵対的な環境のひとつだ。 脆弱性を悪用するサイバー犯罪者によって数十億ドルが盗まれた。 これはオープンな問題であり、概念やテクニックが本当に違いを生んでいることが証明されていない。 本稿では、プログラム不変量という古典的な概念が、おそらくこの問題に対する最も強力な解であると主張する。 オリジナルな実験プロトコルを考案する 1)過去の現実世界の攻撃に対して不変物がどのように保護されたか、そして 2) 最先端の自動化ツールがそれらを見つけることができるかどうか。 実験用ツールチェーンは洗練されています。 これは28の実際のEthereumエクスプロイトのベンチマークであるINVARIANTEVALに基づいている。 スマートコントラクト不変量の正確性と健全性を証明するために,トランザクションを再実行するリプレイフレームワークであるPONDEREPLAYで,すべての不変性を検証した。 InVARIANTEVALにおけるすべてのサイバー犯罪攻撃を、スマートコントラクト不変量によってブロックし、108,637の歴史的トランザクションを再生することで、完全に検証できることを実証する。 我々の大規模な実験は、スマートコントラクトの不変性がサイバー犯罪から保護されていることを明らかに示しています。

関連論文リスト

• On Identifying Sound Conditions for Frontrunning Resistance [4.687674183016513]
  フロントラン攻撃は、主要なブロックチェーンに数百万ドルの損失をもたらした。 これまでのところ、このフィールドは、そのような攻撃に抵抗する契約についてさえ、厳格な定義を欠いている。 スマートコントラクトに対するフロントランニング脆弱性の最初の公式定義を提案する。
  論文  参考訳（メタデータ） (2026-09-10T13:35:13Z)
• Raven: Mining Defensive Patterns in Ethereum via Semantic Transaction Revert Invariants Categories [42.72175126929749]
  invariants-require(invariant>)/ assert(invariant>)/ifで返されるトランザクションをフレーム化する。 その価値にもかかわらず、これらの取引の防御パターンは未発見のままであり、セキュリティ研究では使われていない。 スマートコントラクトソースコードの逆変換を引き起こす不変量に変換されたトランザクションをアライメントするフレームワークであるRavenを提示する。
  論文  参考訳（メタデータ） (2025-12-27T14:47:38Z)
• An Explainable AI Model for the Detecting Malicious Smart Contracts Based on EVM Opcode Based Features [0.30458514384586394]
  本稿では,EVMオペコードの解析により,MLに基づく悪意あるスマートコントラクト検出機構を提案する。 実装から,提案手法は悪意のあるスマートコントラクトの99%を偽陽性率0.01で検出できることがわかった。
  論文  参考訳（メタデータ） (2025-12-09T16:34:23Z)
• 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)
• MISLEADER: Defending against Model Extraction with Ensembles of Distilled Models [56.09354775405601]
  モデル抽出攻撃は、クエリアクセスを通じてブラックボックスモデルの機能を複製することを目的としている。 既存のディフェンスでは、アタッカークエリにはオフ・オブ・ディストリビューション(OOD)サンプルがあることを前提としており、不審な入力を検出し破壊することができる。 OOD仮定に依存しない新しい防衛戦略であるMISLEADERを提案する。
  論文  参考訳（メタデータ） (2025-06-03T01:37:09Z)
• SmartInv: Multimodal Learning for Smart Contract Invariant Inference [10.468390413756863]
  We present SmartInv, a accurate and fast smart contract invariant inference framework。 私たちの重要な洞察は、スマートコントラクトの期待される振る舞いは、マルチモーダル情報に対する理解と推論に依存している、ということです。 SmartInvを実世界の契約で評価し、数百万ドルの損失をもたらしたバグを再発見しました。
  論文  参考訳（メタデータ） (2024-11-14T06:28:57Z)
• Not All Prompts Are Secure: A Switchable Backdoor Attack Against Pre-trained Vision Transformers [51.0477382050976]
  この作業でスイッチトークンと呼ばれる追加のプロンプトトークンは、バックドアモードをオンにすることができ、良心的なモデルをバックドアモードに変換することができる。 事前訓練されたモデルを攻撃するため、SWARMと呼ばれる攻撃はトリガを学習し、スイッチトークンを含むトークンをプロンプトする。 多様な視覚認識タスクの実験は、切り替え可能なバックドア攻撃の成功を確認し、95%以上の攻撃成功率を達成した。
  論文  参考訳（メタデータ） (2024-05-17T08:19:48Z)
• MuFuzz: Sequence-Aware Mutation and Seed Mask Guidance for Blockchain Smart Contract Fuzzing [19.606053533275958]
  スマートコントラクトファズリングのためのシーケンシャル・アウェア・ミュータントとシードマスク誘導戦略を開発した。 設計を MuFuzz という新しいスマートコントラクトファザに実装し,それを3つのベンチマークで広範囲に評価する。 全体として、MuFuzzは最先端のファズーよりも高いブランチカバレッジ(25%まで)を実現し、既存のバグ検知器よりも30%多くのバグを検出する。
  論文  参考訳（メタデータ） (2023-12-07T18:32:19Z)
• Backdoor Attack with Sparse and Invisible Trigger [57.41876708712008]
  ディープニューラルネットワーク(DNN)は、バックドア攻撃に対して脆弱である。 バックドアアタックは、訓練段階の脅威を脅かしている。 軽度で目に見えないバックドアアタック(SIBA)を提案する。
  論文  参考訳（メタデータ） (2023-05-11T10:05:57Z)
• An Automated Vulnerability Detection Framework for Smart Contracts [18.758795474791427]
  ブロックチェーン上のスマートコントラクトの脆弱性を自動的に検出するフレームワークを提案する。 具体的には、まず、スマートコントラクトのバイトコードから新しい特徴ベクトル生成技術を利用する。 次に、収集したベクトルを新しいメトリック学習ベースディープニューラルネットワーク(DNN)に入力し、検出結果を得る。
  論文  参考訳（メタデータ） (2023-01-20T23:16:04Z)
• 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。