論文の概要: IntentFuzz: A Protocol-Aware Fuzzer for Automated Invariant Violation Detection in Intent-Based Cross-Chain Bridges
- arxiv url: http://arxiv.org/abs/2609.13004v1
- Date: Fri, 11 Sep 2026 16:03:54 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-09-15 07:38:31.800898
- Title: IntentFuzz: A Protocol-Aware Fuzzer for Automated Invariant Violation Detection in Intent-Based Cross-Chain Bridges
- Title（参考訳）: IntentFuzz: Intent-based Cross-Chain Bridgeにおける自動不変振動検出のためのプロトコル対応ファズー
- Abstract要約: インテントベースのブリッジは、解決者がユーザの宣言された結果を満たし、オフチェーン決済層が預金に対する埋め合わせを調整する変種である。
この研究は、不変な違反、契約が局所的に強制しなければならない安全特性、オフチェーン決済層に合法的に委譲された決済露出を分類を定式化する。
IntreFuzzはプロトコル対応のファズーで、無注釈のSolidityソースから直接ブリッジのインテント構造とデポジット/フィル機能ロールを復元する。
- 参考スコア（独自算出の注目度）: 5.543794703214136
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Cross-chain bridges move value between blockchains. Intent-based bridges are a variant where a solver fulfills a user's declared outcome and an off-chain settlement layer later reconciles the fill against the deposit. Existing smart-contract fuzzers and static analyzers only flag known-bad code patterns or require protocol-specific hand-written assertions. This work formalizes a taxonomy separating invariant violations, safety properties a contract must enforce locally, from settlement exposures legitimately delegated to the off-chain settlement layer, and proposes IntentFuzz: a protocol-aware fuzzer that recovers a bridge's intent structure and deposit/fill function roles directly from unannotated Solidity source, then synthesizes multi-step fuzz sequences using an LLM-based fallback to help build call arguments. IntentFuzz recovers the correct intent structure in 9/9 benchmark protocols and classifies deposit and fill functions with 100% recall and 82% combined precision; across a corpus of 77 manually labeled contracts, it reaches 79.5% bridge-classification precision and 97.2% recall, and among confirmed bridges, struct selection reaches 88.6% precision and recall while deposit and fill classification each reach 100% recall. On 23 planted-bug mutants, IntentFuzz attains 100% recall and 100% precision, executing 273 templates (507 transactions in a median of 14ms per template). Across 24 real-world deployments, it confirms 17 genuine invariant violations under heuristic-only input generation, rising to 22 with its LLM-assisted tier enabled, spanning eight vulnerable GitHub repositories, each finding reproducible against public, deployed bytecode.
- Abstract（参考訳）: チェーンブリッジはブロックチェーン間で価値を移動させる。
インテントベースのブリッジは、解決者がユーザの宣言された結果を満たし、オフチェーン決済層が後に預金に対する補充を調整する変種である。
既存のスマートコントラクトファザと静的アナライザは、既知のバッドコードパターンにフラグを付けるか、プロトコル固有の手書きアサーションを必要とする。
この研究は、不規則な違反、契約が局所的に実施しなければならない安全特性を、オフチェーン決済層に合法的に委譲された解決露出から定式化し、橋の意図構造を回復し、注釈のないソリティーソースから直接堆積/埋蔵機能の役割を回復するプロトコル対応ファズーIntentFuzzを提案し、LLMベースのフォールバックを使用してマルチステップファズシーケンスを合成し、コール引数を構築する。
IntentFuzzは9/9ベンチマークプロトコルの正しい意図構造を回復し、預金と関数を100%のリコールと82%の組合せの精度で分類し、77の契約によって79.5%の橋梁分類精度と97.2%のリコールが達成され、確認された橋の中では、構造体選択は88.6%の精度でリコールされ、各分類は100%リコールに到達している。
23の育種バグ変異体では、IntentFuzzは100%のリコールと100%の精度を実現し、273のテンプレートを実行する(中央値14msのトランザクションは507である)。
24の現実世界のデプロイで、ヒューリスティックな入力生成の下で17の真の不変な違反を確認し、LLMアシストティアを有効にして22に上昇し、8つの脆弱性のあるGitHubリポジトリにまたがって、それぞれが公開、デプロイされたバイトコードに対して再現可能であることを発見した。
関連論文リスト
- SAEFUZZ: Smart Contract Vulnerability Detection through Statically Guided Evolutionary Fuzzing [2.1502962381251147]
本稿では,コードレベルの静的ガイダンスの下でファジテストケースを生成するための軽量な手法を提案する。
仮想機械制御フローグラフを構築し、命令を抽出し、関数セレクタを復元し、読み書きに応じて呼び出し可能な関数を順序付ける。
カバー誘導進化戦略は、実行可能な種子を生成し、評価し、再結合し、突然変異させる。
論文 参考訳（メタデータ） (2026-08-15T10:06:12Z) - Scaling Author Identity Disambiguation to the World of Code: A Methodology [2.788646205877688]
本稿では,WoC (World of Code) コレクション(バージョン V2604, バージョン V2604, 6B コミット上の 107M の異なる著者文字列)を標準人物にエイリアスするための方法論について述べる。
このスケールでは、中心的な問題はマージの過大さであり、マージの欠落ではない。
デプロイされた設計の背後にある完全な実験記録(失敗を含む20以上の実験を含む)を報告する。
論文 参考訳（メタデータ） (2026-07-08T02:30:26Z) - Multi-Channel Spread-Spectrum Code Watermarking [10.27405810850982]
24ビットペイロードと形式的ロバスト性保証を備えたマルチチャネル拡散スペクトル透かしを提案する。
CodeNetおよびGPT-4.1およびLlama-4世代からの1,750以上のPythonファイルに対して、透かしは偽陽性ゼロで100%クリーン検出精度を達成している。
論文 参考訳（メタデータ） (2026-07-07T08:50:19Z) - Efficient Visual Pointing for Embodied AI:Agent-Driven Data Synthesis, Cross-Block Attention, and Iterative Correction [55.11480729304395]
PointArena 2026は77.2%の精度でベンチマークで2位である。
ap proachは3つの障害モードをターゲットにしている。第一に、エージェント駆動のシンセシスは大きなセマンティクスとアンカー相対的な候補プールを構築する。
次に、determinis tic steerable-dataパイプラインは、認証された10,000サンプルのメインセットと、マスク、テンプレート、パス検証を使用するリザーブサンプルを生成する。
論文 参考訳（メタデータ） (2026-06-29T06:39:03Z) - Control-Plane Placement Shapes Forgetting: An Architectural Study of Agent Memory Across Thirteen System Configurations [1.2763567932588586]
ForgetEvalは1000ケースのテンプレート・スイートと385ケースの対向層(手作り+253 LLMのオラクル・バリデーション)
決定論的プリミティブは語彙的・時間的カテゴリーで十分だが、正準化に失敗する。
1000ケースのテンプレートスイートと385ケースの反対層であるForgetEvalを通じて、トレードオフを公開しています。
論文 参考訳（メタデータ） (2026-06-14T16:32:15Z) - Converted, Not Equivalent: Benchmarking Codebase Conversion via Observational Equivalence [56.25095230687242]
コーディングエージェントは、しばしば自身のローカル検証ルーチンを過度に信頼し、表面チェックを満たすアーティファクトの成功を宣言する。
この問題は、事前評価が結果駆動である変換において特に深刻である。
ブラインド・コンバージョンは26.7-28.9%に達し、スペック・パスレートは91.1%まで上昇した。
このことは、失敗は限られた予算やバックボーンの強さよりも、契約ミスによる自己検証に起因していることを示唆している。
論文 参考訳（メタデータ） (2026-05-27T19:57:15Z) - CRANE: Constrained Reasoning Injection for Code Agents via Nullspace Editing [5.661334639541121]
CRANEは、シンキング・インストラクトデルタを、インストラクトバックボーンの候補推論編集のプールとして扱う、トレーニング不要なパラメータ編集手法である。
ペア化されたインストラクトとシンキングのチェックポイントを組み合わせることで、CRANEはどちらのモデルよりも強力なゲインを提供する。
論文 参考訳（メタデータ） (2026-05-13T20:09:35Z) - 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) - WISV: Wireless-Informed Semantic Verification for Distributed Speculative Decoding in Device-Edge LLM Inference [56.297697169678095]
WISV(Wireless-Informed Semantic Verification)は、分散投機的復号化フレームワークである。
WISVは最大60.8%の許容長の増加、37.3%の対話ラウンドの削減、31.4%のエンドツーエンドレイテンシの改善を実現している。
NVIDIA Jetson AGX OrinとA40搭載サーバからなるハードウェアテストベッド上でWISVを検証する。
論文 参考訳（メタデータ） (2026-04-20T01:29:56Z) - SlopCodeBench: Benchmarking How Coding Agents Degrade Over Long-Horizon Iterative Tasks [55.76734816061826]
我々は20の問題と93のチェックポイントからなる言語に依存しないベンチマークであるSlopCodeBenchを紹介する。
我々は、冗長性、重複コードの割合、構造的侵食という2つの軌道レベルの品質信号を追跡する。
11モデルにまたがるエンドツーエンドの問題を解決するエージェントは存在しない。
論文 参考訳（メタデータ） (2026-03-25T19:26:44Z) - 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)
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。