論文の概要: SmartMemory: Detecting On-chain-off-chain Communication Inconsistency for Smart Contract via Memory-based Agent
- arxiv url: http://arxiv.org/abs/2609.34983v1
- Date: Mon, 28 Sep 2026 11:57:05 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-10-02 18:07:41.876174
- Title: SmartMemory: Detecting On-chain-off-chain Communication Inconsistency for Smart Contract via Memory-based Agent
- Title（参考訳）: スマートメモリ:メモリベースエージェントによるスマートコントラクトにおけるオンチェーン・オフ・チェーン通信の不整合の検出
- Abstract要約: スマートコントラクトは、オンチェーン/オフチェーン通信(OFC)の需要が増大する分散ファイナンスを支える。
本稿では,OFCIの脆弱性の根本原因としてOFCI(OFCI)を同定する。
我々は、OFCI検出にメモリベースのエージェントを利用する最初のフレームワークであるSmartMemoryを提案する。
- 参考スコア（独自算出の注目度）: 41.497607578503015
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Smart contracts underpin decentralized finance, where growing demand for on-chain/off-chain communication(OFC) has driven diverse applications such as cross-chain bridges, real-world asset tokenization, and fiat-backed stablecoins. TheOFC-related security incidents in these applications are increasingly frequent, but prior studies address separate vulnerability categories within OFC applications rather than providing a unified view, causing vulnerabilities outside known patterns to be missed.In this paper, we identify OFC inconsistency (OFCI) as a root cause of OFC vulnerabilities, which arises from business-logic flaw and ultimately breaks the equivalence between the on-chain and off-chain asset representations to induce inconsistency.Automatically detecting OFCIs faces two challenges including (1)locating heterogeneous business logic, and (2) transferring existing vulnerability knowledge to identify unseen OFCI instances. To this end, we propose SmartMemory, the first framework to leverage a memory-based agent for OFCI detection. To address heterogeneity, SmartMemory maps diverse implementations ofOFC contracts into a canonical business-semantic representation to locate the business logic for OFCI inspection. For knowledge reuse, SmartMemory integrates a memory-based agent to distill vulnerability knowledge from features into patterns and detection rules, enabling knowledge transfer across cases to identify unseenOFCIs. Lastly, SmartMemory performs taint analysis to verify the reachability, type, and impact of each candidate OFCI. We construct the first real-world OFCI dataset comprising 48 DApps with 81 OFCIs for evaluation, on which SmartMemory achieves80.68% precision and 87.65% recall. In addition, through an analysis of 325 real-world OFC applications, SmartMemory detects 36 previously unknown OFCIs, all of which have been confirmed and fixed by corresponding parties.
- Abstract（参考訳）: オンチェーン/オフチェーン通信(OFC)の需要が増大する中で、スマートコントラクトは分散金融を支える。
本稿では、OFCIの脆弱性の根本原因として、OFCIの不整合性(OFCI)をビジネス論理的欠陥から発生し、最終的にオンチェーンとオフチェーンのアセット表現の等価性を破って不整合を誘発する、という2つの課題に直面する。
この目的のために我々は,OFCI検出にメモリベースのエージェントを利用する最初のフレームワークであるSmartMemoryを提案する。
不均一性に対処するため、SmartMemoryはOFC契約の様々な実装を標準的なビジネス・セマンティックな表現にマッピングし、OFC検査のビジネスロジックを特定する。
知識の再利用のために、SmartMemoryはメモリベースのエージェントを統合して、脆弱性の知識を特徴からパターンや検出ルールに抽出し、ケース間での知識伝達を可能にする。
最後に、SmartMemoryは、各候補OFCIの到達可能性、タイプ、影響を検証するために、テナント分析を実行する。
評価のために48のDAppと81のOFCIからなる最初の実世界のOFCIデータセットを構築し、その上でSmartMemoryは80.68%の精度と87.65%のリコールを達成した。
さらに、325の現実世界のOFCアプリケーションの分析を通じて、SmartMemoryは36の未知のOFCIを検出し、これらすべてが対応するパーティによって確認され、修正されている。
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) - SecPI: Secure Code Generation with Reasoning Models via Security Reasoning Internalization [50.71047638695205]
RLM(Reasoning Language Model)は、プログラミングにおいてますます使われている言語モデルである。
しかし、最先端のRLMでさえ、生成されたコードに重大なセキュリティ脆弱性を頻繁に導入する。
我々は、構造化されたセキュリティ推論を内部化するためのRTMを教える微調整パイプラインであるSecPIを提案する。
論文 参考訳（メタデータ） (2026-04-04T04:29:11Z) - Knowdit: Agentic Smart Contract Vulnerability Detection with Auditing Knowledge Summarization [14.193285719777052]
スマートコントラクト脆弱性検出のための知識駆動型エージェントフレームワークであるKnowditを提案する。
Knowditはまず、過去の人間の監査レポートから知識グラフを構築し、きめ細かいDeFiセマンティクスと繰り返し発生する脆弱性パターンをリンクする。
我々は,最新の12のCode4renaプロジェクトで,75のグランドトルース脆弱性のあるKnowditを評価した。
論文 参考訳（メタデータ） (2026-03-27T10:38:40Z) - Examining the Effectiveness of Transformer-Based Smart Contract Vulnerability Scan [0.0]
スマートコントラクトの脆弱性スキャンに対するディープラーニングに基づくアプローチを評価する。
本稿では,トランスフォーマを用いたスマートコートの脆弱性解析装置VASCOTを提案する。
VASCOTの性能は、最先端のLSTMベースの脆弱性検出モデルと比較される。
論文 参考訳（メタデータ） (2026-01-12T09:00:42Z) - SSR: Safeguarding Staking Rewards by Defining and Detecting Logical Defects in DeFi Staking [55.62033436283969]
DeFi(Decentralized Finance)の買収は、DeFiエコシステムにおける最も顕著なアプリケーションの1つだ。
DeFiの盗難の論理的欠陥により、攻撃者は不当な報酬を請求できる。
我々は,DeFi取引契約における論理的欠陥を検出するための静的解析ツールであるSSR(Safeguarding Stake Reward)を開発した。
論文 参考訳（メタデータ） (2026-01-09T15:01:41Z) - Agent KB: Leveraging Cross-Domain Experience for Agentic Problem Solving [62.71545696485824]
我々は,異種エージェントフレームワーク間のシームレスな体験共有を可能にするユニバーサルメモリ基盤であるAgent KBを紹介した。
Agent KBはトラジェクトリを構造化知識ベースに集約し、軽量APIを提供する。
我々は,GAIA,Humanity's Last Exam,GPQA,SWE-benchなどの主要フレームワークにまたがるエージェントを検証した。
論文 参考訳（メタデータ） (2025-07-08T17:59:22Z) - 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) - SmartLLM: Smart Contract Auditing using Custom Generative AI [0.0]
本稿では,LLaMA 3.1モデルにレトリーバル拡張生成(RAG)を応用した新しいアプローチであるSmartLLMを紹介する。
ERC標準からドメイン固有の知識を統合することで、SmartLLMはMythrilやSlitherのような静的解析ツールよりも優れたパフォーマンスを実現している。
実験の結果、100%の完全なリコールと70%の精度スコアが示され、脆弱性の特定におけるモデルの堅牢性を強調した。
論文 参考訳（メタデータ） (2025-02-17T06:22:05Z) - ContractTrace: Retracing Smart Contract Versions for Security Analyses [4.126275271359132]
ContractTraceは、スマートコントラクトのバージョンを正確に識別し、コヒーレントなラインにリンクする自動化インフラストラクチャです。
この機能は、脆弱性の伝播パターンを理解し、ブロックチェーン環境におけるセキュリティパッチの有効性を評価するために不可欠である。
論文 参考訳（メタデータ） (2024-12-30T11:10:22Z) - 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。