論文の概要: TasmScan: Continuation-Aware Taint Analysis for TVM Bytecode with Savelist Abstraction
- arxiv url: http://arxiv.org/abs/2609.16987v1
- Date: Tue, 15 Sep 2026 11:01:51 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-09-16 14:56:08.464656
- Title: TasmScan: Continuation-Aware Taint Analysis for TVM Bytecode with Savelist Abstraction
- Title（参考訳）: TasmScan: Savelist Abstraction を用いたTVMバイトコードの継続タレント解析
- Abstract要約: オープンネットワーク(TON)は、スマートコントラクトを実行するためにTVM(TON仮想マシン)に依存している。
TVMは、セーブリストとファーストクラスの継続を使用して、制御フローを管理し、継続呼び出しをまたいで状態を登録する。
本稿では,TVMのための最初のバイトコードレベルの静的解析フレームワークであるTasmScanについて述べる。
- 参考スコア（独自算出の注目度）: 6.7433695763141905
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: The Open Network (TON), with a peak market capitalization exceeding $20 billion and over 175 million activated on-chain addresses, relies on the TVM (TON Virtual Machine) to execute smart contracts. TVM uses first-class continuations with savelists to manage control flow and register state across continuation invocations. Since savelist-captured registers allow data to flow across continuation boundaries without passing through the operand stack, bytecode-level analyses cannot construct complete data flow tracking without explicitly modeling savelist semantics. We present TasmScan, the first bytecode-level static analysis framework for TVM that enables cross-continuation data flow reasoning without requiring source code. TasmScan models savelist semantics via forward register analysis with a formal over-approximation guarantee for exact-resolved save sites and locally tracked register definitions, then lifts bytecode into TASIR, a typed intermediate representation, and performs path-sensitive taint analysis with context-aware sources to detect defects. We evaluate TasmScan on 2,921 contracts from the TON verifier registry and a labeled benchmark of 208 contracts with human-confirmed ground truth. On the full corpus, TasmScan resolves 294,546 dynamic continuation targets with 100% precision; ablation confirms that savelist propagation is essential for resolving indirect register calls that depend on cross-continuation register passing. On the benchmark, TasmScan detects 95.3% of defects across five classes with 96.8% precision. A 366-pair stratified sample from the full corpus estimates 85.8% overall precision. TasmScan offers a 17x median speedup over the state-of-the-art symbolic-execution baseline, and in the path-analysis comparison completes 100% of analyses with zero crashes or timeouts.
- Abstract（参考訳）: Open Network(TON)は、最大時価総額200億ドルを突破し、オンチェーンアドレスは1億7500万を超え、スマートコントラクトを実行するためにTVM(TON Virtual Machine)に依存している。
TVMは、セーブリストとファーストクラスの継続を使用して、制御フローを管理し、継続呼び出しをまたいで状態を登録する。
savelistをキャプチャしたレジスタは、オペランドスタックを通さずに継続境界を越えてデータを流すことができるため、バイトコードレベルの分析では、Savelistのセマンティクスを明示的にモデル化することなく、完全なデータフローのトラッキングを構築することはできない。
本稿では,TVMのための最初のバイトコードレベルの静的解析フレームワークであるTasmScanを紹介し,ソースコードを必要とせずにクロスコンティニュエーションデータフロー推論を可能にする。
TasmScanはストアリストのセマンティクスをフォワードレジスタ分析を通じてモデル化し、正確に解決された保存サイトとローカルに追跡されたレジスタ定義に対して正式なオーバー近似を保証する。
我々は,TON検証レジストリからTasmScanを2,921件の契約で評価し,人間確認された真実と208件の契約のラベル付きベンチマークを行った。
完全なコーパスでは、TasmScanは、100%精度で294,546の動的継続ターゲットを解決している。
ベンチマークでは、TasmScanは5つのクラスの欠陥の95.3%を96.8%の精度で検出している。
フルコーパスの366対の層状標本は、全体の85.8%の精度を推定している。
TasmScanは、最先端の象徴的実行ベースラインよりも17倍のスピードアップを提供し、パス分析比較では、ゼロクラッシュやタイムアウトで100%解析が完了する。
関連論文リスト
- SILK: Closing the Time-of-Check-to-Time-of-Use Gap in RoT-Protected AI Systems [1.082233332885939]
SILK(Streaming Inline Lightweight Keying)は、最終的な事前計算境界における重みストリームを検証する、その場での整合性メカニズムである。
軽量ストリーミングチェッカーは、認証タグを分離せずにこれらのチェックを再計算し、コミットゲーティングを使用して、未検証の重み付けが計算エンジンに到達するのを防ぐ。
論文 参考訳（メタデータ） (2026-08-26T21:06:34Z) - Autonomous Cyber Defense: Real-Time Attack Detection and Mitigation in Software-Defined Networks Using Machine Learning [78.29352305480285]
最近の侵入では、最初のアクセスと最初の横移動の間の間隔は27秒と短いことが観察されている。
本稿では,ソフトウェア定義ネットワークにおける攻撃をオペレーターの関与なしに検出・ブロックするクローズドループフレームワークを提案する。
論文 参考訳（メタデータ） (2026-08-22T18:38:39Z) - CUSTOS: Toward Forensic-Ready Zero Trust at the Capture-Containment Boundary [1.1458853556386797]
CUSTOSは、法医学的管理ポイント(FMP)を中心にした、法医学的なZT参照アーキテクチャである。
常時オンの判定記録は、ゲートウェイ上で1.9～3.0%のスループットコストで取得され、ハッシュチェーンされる。
以上の結果から, 鑑識対応型ZTは, 常にオンの床と有界な反応性キャプチャの両方を必要とすることが明らかとなった。
論文 参考訳（メタデータ） (2026-08-17T19:17:15Z) - Agent-Native Telemetry: Verifiable State-Delta Evidence for Autonomous Operations [2.124730017640531]
本稿では,自律型機械の動作証拠アーキテクチャであるエージェントネイティブテレメトリを紹介する。
本稿では,エージェントテレメトリプロトコル(ATP)とState-Delta Evidence Ledgerを紹介する。
論文 参考訳（メタデータ） (2026-08-17T06:50:12Z) - ConvMemory v3: A Validity Context Layer for Conversational Memory via Target-Conditioned Relation Verification [0.0]
ConvMemory v3では、この更新エビデンスを検出し、サーフェスする妥当性コンテキスト層が追加されている。
コアメカニズムは、特定のターゲット命題に関する関係判断を条件とする二重証拠ゲートである。
合成マルチホップ検証ベンチマークでは、ゲートの精度は90.12% +/- 1.73である。
論文 参考訳（メタデータ） (2026-06-25T08:36:43Z) - From Attack Simulation to SIEM Rule: Deterministic Detection-as-Code Synthesis with Probe-Level Traceability [51.56484100374058]
セキュリティチームは、自身のシステムに対する攻撃をシミュレートして、監視が真の侵入者を捕まえるかどうかをチェックする。
人間はそのギャップを手でブリッジし、それぞれの発見を読み、対応するシグマルールを書きます。
ロックされたコーパスからプローブが引き出されると,この変換が部分的に自動化されることを示す。
論文 参考訳（メタデータ） (2026-06-03T14:26:25Z) - 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) - Memory-SAM: Human-Prompt-Free Tongue Segmentation via Retrieval-to-Prompt [4.712714373340359]
Memory-SAMは、トレーニングなし、人間プロンプトなしのパイプラインである。
前のケースの小さなメモリから有効プロンプトを自動的に生成する。
その結果,検索とプロンプトは舌画像における不規則境界の,データ効率,ロバストなセグメンテーションを可能にすることが示唆された。
論文 参考訳（メタデータ） (2025-10-17T17:42:28Z) - dParallel: Learnable Parallel Decoding for dLLMs [77.24184219948337]
拡散大言語モデル(dLLM)は並列トークン予測と低推論遅延を提供する。
既存のオープンソースモデルは、パフォーマンスを確保するためにトークン長のデコードステップをほとんど必要としています。
高速サンプリングのためにdLLMs固有の並列性を解き放つシンプルで効果的な方法であるdParallelを導入する。
論文 参考訳（メタデータ） (2025-09-30T16:32:52Z) - 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) - RFCAudit: An LLM Agent for Functional Bug Detection in Network Protocols [11.608031418117475]
RFCAuditは、大きな言語モデル(LLM)を利用して機能的なバグを検出する自律エージェントである。
ヒトの監査手順にインスパイアされたRFCAuditは、インデクシングエージェントと検出エージェントの2つの重要なコンポーネントから構成される。
RFCAuditは、81.9%の精度で47の機能的バグを特定し、そのうち20のバグが開発者によって確認または修正されている。
論文 参考訳（メタデータ） (2025-05-31T21:13:19Z) - Bridging the Gap Between End-to-End and Two-Step Text Spotting [88.14552991115207]
ブリッジングテキストスポッティングは、2段階のメソッドでエラーの蓄積と最適化性能の問題を解決する新しいアプローチである。
提案手法の有効性を広範囲な実験により実証する。
論文 参考訳（メタデータ） (2024-04-06T13:14:04Z)
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。