論文の概要: When Verified Source Becomes Attack Input: Defending Smart Contracts Against LLM-Based Vulnerability Scanning

• arxiv url: http://arxiv.org/abs/2608.28400v1
• Date: Fri, 28 Aug 2026 14:55:10 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-31 17:16:04.37053
• Title: When Verified Source Becomes Attack Input: Defending Smart Contracts Against LLM-Based Vulnerability Scanning
• Title（参考訳）: 検証されたソースがアタックインプットになるとき - LLMベースの脆弱性スキャンに対するスマートコントラクトの回避
• Abstract要約: 悪意のある脆弱性スキャンを防御するスマートコントラクトデプロイメントフレームワークであるDeLLMGuardを提案する。 DeLLMGuardは、実際のブロックチェーン環境において、公開ソースコードをランタイム実行から複数のコントラクトアドレスを通じて分離することができる。 ビルトインの検証レイヤは、デプロイメントの関係、ランタイムバイトコード、ソースコード、状態変更をチェックし、変換が元のビジネス実装を保存することを保証する。
• 参考スコア（独自算出の注目度）: 5.45816577237541
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Smart contracts are financial programs deployed on blockchains to manage digital assets. To build trust with users and investors, smart contract projects typically publish their source code on blockchain explorers and verify it against the deployed bytecode, making the on-chain program accessible through a human-readable implementation. However, LLM agents are changing the threat model of this disclosure mechanism. By leveraging publicly disclosed source code, recent agent workflows make it increasingly practical to scan contract vulnerabilities for exploits at large scale. In this paper, we propose DeLLMGuard, a smart contract deployment framework that defends against malicious LLM-based vulnerability scanning while preserving public source disclosure and authorized auditing. DeLLMGuard can separate disclosed source code from runtime execution through multiple contract addresses in a real-world blockchain environment. LLM agents must therefore recover additional proxy, delegate, and factory relations before vulnerability analysis. A built-in Verification Layer checks deployment relations, runtime bytecode, source code, and state changes to ensure that the transformation preserves the original business implementation. We evaluate DeLLMGuard on 387 real-world vulnerable contracts with three LLM agents in an environment derived from SCONE-bench. DeLLMGuard reduces overall root-cause correctness from 23.5% to 6.6% and outperforms the closed-source bytecode baseline on the primary non-proxy set. Trace and ablation analyses further show that agents often recover downstream contracts but still fail to identify the vulnerability, indicating that cross-contract recovery remains a major challenge for automated LLM scanning.
• Abstract（参考訳）: スマートコントラクトは、デジタル資産を管理するためにブロックチェーン上にデプロイされる金融プログラムである。 ユーザや投資家との信頼を構築するために、スマートコントラクトプロジェクトは一般的に、ブロックチェーンエクスプローラーにソースコードを公開し、デプロイされたバイトコードに対して検証する。 しかし、LLMエージェントはこの開示機構の脅威モデルを変更している。 公開されているソースコードを活用することで、最近のエージェントワークフローにより、大規模なエクスプロイトのコントラクト脆弱性をスキャンすることがより現実的になる。 本稿では,DLLMGuardを提案する。DLLMGuardは,悪質なLCMベースの脆弱性スキャンに対して,公開公開情報と承認監査を守りながら防御するスマートコントラクトデプロイメントフレームワークである。 DeLLMGuardは、実際のブロックチェーン環境において、公開ソースコードをランタイム実行から複数のコントラクトアドレスを通じて分離することができる。 したがって、LLMエージェントは脆弱性分析の前に、追加のプロキシ、デリゲート、ファクトリの関係を回復する必要がある。 ビルトインの検証レイヤは、デプロイメントの関係、ランタイムバイトコード、ソースコード、状態変更をチェックし、変換が元のビジネス実装を保存することを保証する。 SCONE-bench から派生した環境下で, 3 個の LLM エージェントによる 387 個の実世界の脆弱な契約に対する DeLLMGuard の評価を行った。 DeLLMGuardは、全体的なルート原因の正しさを23.5%から6.6%に減らし、プライマリな非プロキシセットでクローズドソースのバイトコードベースラインを上回っている。 トレースとアブレーション分析により、エージェントは下流の契約を回復することが多いが、脆弱性の特定に失敗していることが示された。

関連論文リスト

• LMSM: LLM Security Framework Inspired by Linux Security Modules [56.93644694627783]
  大規模言語モデル(LLM)は階層化されたディフェンスでデプロイされることが多いが、悪意のあるプロンプトはそれらをバイパスすることができる。 我々は,Language Model Security Modules (LMSM) という,Linux Security Modules (LSM) の背後にある分離を LLM サービスに適応させるセキュリティフレームワークを提案する。
  論文  参考訳（メタデータ） (2026-08-26T12:13:05Z)
• Evaluating the Vulnerability Landscape of LLM-Generated Smart Contracts [1.721876123772139]
  大規模言語モデル(LLM)は、現代のソフトウェア開発ライフサイクルにおいて広く採用されている。 ブロックチェーンの分野では、開発者はスマートコントラクトの生成とメンテナンスにLLMに依存している。 構文的正しさと機能的完全性にもかかわらず、LLM生成のスマートコントラクトは深刻なセキュリティ欠陥をしばしば示している。
  論文  参考訳（メタデータ） (2026-02-03T22:07:26Z)
• CoTDeceptor:Adversarial Code Obfuscation Against CoT-Enhanced LLM Code Agents [12.097503515854141]
  CoTDeceptorは、CoT強化LDM検出器をターゲットにした最初の逆コード難読化フレームワークである。 我々の発見は、現実世界のソフトウェアサプライチェーンの潜在的なリスクを浮き彫りにしている。
  論文  参考訳（メタデータ） (2025-12-24T15:55:42Z)
• 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)
• Generic Adversarial Smart Contract Detection with Semantics and Uncertainty-Aware LLM [18.01454017110476]
  FinDetは、汎用的な敵対的スマートコントラクト検出フレームワークである。 EVM-バイトコードの契約のみを入力として取り、高いバランスの取れた精度で敵の契約を識別する。 包括的評価の結果,FinDet の BAC は 0.9223 であり,TPR は 0.8950 であり,既存のベースラインを著しく上回っていることがわかった。
  論文  参考訳（メタデータ） (2025-09-23T12:52:05Z)
• LLMZ+: Contextual Prompt Whitelist Principles for Agentic LLMs [6.009944398165616]
  エージェントAIは、潜在的な攻撃者にとって価値のあるターゲットである。 DMZ(Demilitarized Zone)に属する典型的なソフトウェアアプリケーションとは異なり、エージェントLLMはAIの非決定的振る舞いに依存している。 この特徴は、運用セキュリティと情報セキュリティの両方に重大なセキュリティリスクをもたらす。
  論文  参考訳（メタデータ） (2025-09-23T02:30:14Z)
• 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)
• CoTGuard: Using Chain-of-Thought Triggering for Copyright Protection in Multi-Agent LLM Systems [55.57181090183713]
  我々は、Chain-of-Thought推論内でトリガーベースの検出を活用する著作権保護のための新しいフレームワークであるCoTGuardを紹介する。 具体的には、特定のCoTセグメントをアクティベートし、特定のトリガクエリをエージェントプロンプトに埋め込むことで、未許可コンテンツ再生の中間的推論ステップを監視する。 このアプローチは、協調エージェントシナリオにおける著作権侵害の微細かつ解釈可能な検出を可能にする。
  論文  参考訳（メタデータ） (2025-05-26T01:42:37Z)
• Insecurity Through Obscurity: Veiled Vulnerabilities in Closed-Source Contracts [11.609699771118116]
  本稿では、クローズドソースおよび難読化コントラクトに適した新しいバイトコード解析ツールであるSKANFを紹介する。 SKANFは、コントロールフローの難読化、シンボリック実行、そして過去のトランザクションに基づくコンコリック実行を組み合わせて、資産管理の脆弱性を特定して活用する。 実世界の最大抽出値(MEV)ボットの評価では、SKANFが1,030の契約で脆弱性を検出し、394件のエクスプロイトをうまく生成し、潜在的な損失は106万ドルであることがわかった。
  論文  参考訳（メタデータ） (2025-04-18T01:22:58Z)
• AgentHarm: A Benchmark for Measuring Harmfulness of LLM Agents [84.96249955105777]
  LLMエージェントは誤用された場合、より大きなリスクを引き起こすが、その堅牢性は未発見のままである。 我々は, LLMエージェント誤用の研究を容易にするために, AgentHarmと呼ばれる新しいベンチマークを提案する。 主要なLLMは、ジェイルブレイクなしで悪意のあるエージェント要求に驚くほど準拠している。
  論文  参考訳（メタデータ） (2024-10-11T17:39:22Z)
• GuardAgent: Safeguard LLM Agents by a Guard Agent via Knowledge-Enabled Reasoning [79.07152553060601]
  安全ガード要求を満たすか否かを動的に確認し,目標エージェントを保護する最初のガードレールエージェントであるガードアジェントを提案する。 特にGuardAgentは、まず安全ガードの要求を分析してタスクプランを生成し、それからその計画をガードレールコードにマップして実行します。 GuardAgentは、それぞれ98%と83%のガードレール精度を持つ2つのベンチマークにおいて、異なる種類のエージェントに対する違反行為を効果的に抑制することを示した。
  論文  参考訳（メタデータ） (2024-06-13T14:49:26Z)
• Watch Out for Your Agents! Investigating Backdoor Threats to LLM-Based Agents [47.219047422240145]
  我々は、LSMベースのエージェントに対して、典型的な安全脅威であるバックドアアタックの1つを調査する第一歩を踏み出した。 具体的には、ユーザ入力とモデル出力のみを操作できる従来のLDMに対するバックドア攻撃と比較して、エージェントバックドア攻撃はより多様で隠蔽的な形式を示す。
  論文  参考訳（メタデータ） (2024-02-17T06:48:45Z)
• LookAhead: Preventing DeFi Attacks via Unveiling Adversarial Contracts [15.071155232677643]
  DeFi(Decentralized Finance)は、30億ドルを超える損失を計上している。 現在の検出ツールは、攻撃活動を効果的に識別する上で重大な課題に直面している。 敵契約を公開することでDeFi攻撃を検出する新しいフレームワークであるLookAheadを提案する。
  論文  参考訳（メタデータ） (2024-01-14T11:39:33Z)
• 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。