論文の概要: A Failure Mode Taxonomy and Severity Model for Ethereum Smart Contracts

• arxiv url: http://arxiv.org/abs/2610.41685v1
• Date: Fri, 30 Oct 2026 12:50:53 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-11-02 22:05:31.711091
• Title: A Failure Mode Taxonomy and Severity Model for Ethereum Smart Contracts
• Title（参考訳）: Ethereumスマートコントラクトの失敗モード分類と深刻度モデル
• Abstract要約: スマートコントラクトのための障害モード分類を設計し、検証する。 観測可能な影響によって障害モードをグループ化する5段階の重大度モデルであるCIPERを導出します。
• 参考スコア（独自算出の注目度）: 44.1216994266748
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Smart contracts are a core component of blockchain systems, but their immutability makes failures in deployed code catastrophic and irreversible. Existing work classifies vulnerabilities, defects, and attacks, yet the observable failures of smart contracts, the deviations from intended behavior or the expected ledger state seen once a contract is deployed, have been largely disregarded. In this paper, we design and validate a failure mode taxonomy for Ethereum smart contracts, together with a severity model that ranks failures by their observable impact. Using a literature review as input, we follow the taxonomy development method of Nickerson et al. to derive the failure modes and their dimensions, and we subject the resulting taxonomy to a saturation exercise over a systematic literature review, the OpenSCV vulnerability catalog, and smart contract incidents reported after the search cutoff. Each failure mode is characterized along five dimensions, namely root cause, violated security property, impact (recorded as primary, secondary, and other), affected component, and nature, and is given a standardized name targeting the observable malfunction rather than the underlying vulnerability. From the taxonomy, we derive CIPER, a five-level severity model that groups failure modes by their observable impact. The saturation exercise produced no new failure modes or dimensions. The taxonomy offers a shared vocabulary for describing what smart contracts do wrong when they fail, and CIPER links that vocabulary to the severity of each observable outcome.
• Abstract（参考訳）: スマートコントラクトはブロックチェーンシステムの中核的なコンポーネントですが、その不変性は、デプロイされたコードの障害を破滅的かつ不可逆なものにします。 既存の作業は脆弱性、欠陥、攻撃を分類しますが、スマートコントラクトの観測可能な失敗、意図された振る舞いからの逸脱、あるいはコントラクトがデプロイされた時に見られる台帳状態は、ほとんど無視されています。 本稿では,Ethereumスマートコントラクトのフェールモード分類を,観測可能な影響によって障害をランク付けする重大度モデルとともに設計し,検証する。 文献レビューを入力として,Nickersonらによる分類学開発手法を踏襲し,系統的な文献レビューやOpenSCV脆弱性カタログ,検索停止後に報告されたスマートコントラクトインシデントに対して,その分類学を飽和運動に適用する。 それぞれの障害モードは、根本原因、侵害されたセキュリティ特性、影響(プライマリ、セカンダリ、その他として記録される)、影響を受けるコンポーネントと性質の5つの次元に沿って特徴付けられ、基盤となる脆弱性ではなく、観測可能な障害をターゲットとした標準化された名前が与えられる。 分類学から、観察可能な影響によって障害モードをグループ化する5段階の深刻度モデルであるCIPERを導出します。 飽和運動は新たな故障モードや寸法を生じさせなかった。 分類学は、失敗するとスマートコントラクトが何が間違っているかを記述するための共通語彙を提供し、CIPERはその語彙を観測可能な結果の重大さにリンクする。

関連論文リスト

• Pre-Model Representation Failures in GNN-Based Smart Contract Vulnerability Detection [0.0]
  本稿では,GNNに基づくスマートコントラクト脆弱性検出装置の表現層の故障解析を行う。 GNNSCVulDetectorについて検討し,4つの障害を同定した。 表現層障害が原因と考えられた誤分類の1例を報告する。
  論文  参考訳（メタデータ） (2026-08-15T11:54:45Z)
• Turning Logic Against Itself : Probing Model Defenses Through Contrastive Questions [50.40122190627256]
  非倫理的反応を引き起こすために、対照的な推論を利用する新しいジェイルブレイク手法であるPOATEを導入する。 PoATEは意味論的に意図に反し、敵のテンプレートと統合し、有害なアウトプットを驚くほど微妙に操る。 これに対応するために、悪意のある意図と理性を検出するためにクエリを分解して、有害な応答を評価し、拒否するIntent-Aware CoTとReverse Thinking CoTを提案する。
  論文  参考訳（メタデータ） (2025-01-03T15:40:03Z)
• Improving Smart Contract Security with Contrastive Learning-based Vulnerability Detection [8.121484960948303]
  スマートコントラクト脆弱性に対するコントラスト学習強化型自動認識手法であるClearを提案する。 特にClearは、契約間のきめ細かい相関情報をキャプチャするために、対照的な学習(CL)モデルを採用している。 その結果,既存のディープラーニング手法よりも9.73%-39.99%高いF1スコアが得られることがわかった。
  論文  参考訳（メタデータ） (2024-04-27T09:13:25Z)
• 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)
• Two Timin': Repairing Smart Contracts With A Two-Layered Approach [3.2154249558826846]
  本稿では,スマートコントラクトの分類と修復のための新しい2層フレームワークを提案する。 Slitherの脆弱性レポートはソースコードと組み合わせて、トレーニング済みのRandomForestClassifier(RFC)とLarge Language Models(LLM)に渡される。 実験は、微調整および急速駆動LLMの有効性を実証した。
  論文  参考訳（メタデータ） (2023-09-14T16:37:23Z)
• 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。