智能合约相关 AI 资讯 · AITOP · AI热报

9月3日

10:15

10:15

官方账号arXiv cs.AI@Luca Migliaccio, Roberto Natella, Naghmeh Ivaki, Nuno Laranjeiro, Marco Vieira

精选73°

研究人员提出使用大模型自动向Solidity智能合约注入漏洞的方法。该方法针对OpenSCV的49种漏洞类型进行测试，从SmartBugs真实合约生成近1000个候选变体。经去重和验证后，确认32个包含25种漏洞类型的合约（存活率16.58%）。研究团队使用这些合约评估了三种静态分析工具，揭示了它们互补且不完整的覆盖特性。

论文智能合约大模型漏洞检测

推荐理由：论文展示用大模型自动生成带漏洞的智能合约，帮助测试安全工具，发现现有分析工具的局限性。

7月27日

10:57

10:57

官方一手arXiv: DeepSeek@Deyu Yang, Rundong Wei, Xiaoqi Li

该论文提出一种结合漏洞聚焦代码切片、ERC-721 知识库和约束 DeepSeek 的 NFT 智能合约漏洞检测方法。在 450 个 NFT 合约样本上，完整配置的检测器给出了 437 个正标签，正标签率达到 97.1%。去除外部知识库后，正标签率降至 87.11%；进一步去除代码切片，正标签率降至 73.78%。结果表明，聚焦代码上下文和领域约束显著影响检测效果。

论文智能合约漏洞检测 DeepSeek

推荐理由：研究了一套专门针对 NFT 合约的漏洞检测方法，用 DeepSeek 加代码切片把准确率干到了 97.1%，比纯分析完整合约高了 23 个百分点。做合约安全的可以看看。

6月19日

09:35

09:35

官方一手arXiv: DeepSeek@Shi Chen, Rongcun Wang, Yuan Tian, Xiaoyuan Xie, Wei Song, Rubing Huang

该论文提出了SolidityBench，包含5,470个存储库级Solidity智能合约及其自然语言描述。同时提出SolidityScore，一种关注安全性修饰符、合约声明等域关键结构的语义度量。研究评估了Qwen2.5-Coder、DeepSeek-Coder和CodeLlama等模型在零样本、思维链、上下文学习、检索增强生成和监督微调五种方法上的表现。结果显示，通用模型在存储库级Solidity生成中存在结构性缺陷；在非参数方法中，检索增强生成效果最佳，而上下文学习在超过两个示例后因上下文饱和而性能下降；监督微调通过将Solidity特定约束内化到模型参数中实现了最大改进。

论文 Solidity SolidityBench SolidityScore

推荐理由：这篇论文为Solidity智能合约代码生成建了个新基准（5470个合约）和专用评分指标，测试了多个主流代码模型的各种方法，结论明确：靠谱的领域数据+微调最管用。

6月5日

02:05

02:05

rohanpaul_ai@rohanpaul_ai

Google DeepMind 发表论文，提出一个智能委派框架，将 AI 任务分配视为一系列动态选择，而非简单指令。框架引入智能合约、可验证数字证书和形式化信任模型，避免过度委派或委派不足。它支持 AI 代理间相互委派，并确保责任可追溯。该框架通过自适应机制处理任务失败，并设置验证规则确保输出可靠。这为企业安全使用 AI 提供了结构化方法。

论文委派框架智能合约信任模型

推荐理由：做 AI 工作流设计或企业级 AI 部署的团队，这篇论文给出了从委派决策到结果验证的完整框架，值得研究参考。

5月12日

19:11

19:11

官方一手arXiv: OpenAI@Gabriela Dobrita, Simona-Vasilica Oprea, Adela Bara

CHAINTRIX提出了一种端到端的智能合约审计框架，核心设计是确保每个LLM生成的声明都能通过确定性结构合约表示进行验证。该框架引入跨合约交互模型（CCIM），将Solidity代码解析为函数级操作的结构化映射，支持12个确定性信号引擎和并行LLM审计管道。此外，通过引入结构判决引擎（SVE）执行确定性结构检查，并结合符号执行和模糊测试来过滤低置信度发现。在EVMbench基准测试中，CHAINTRIX达到了71.7%的高危漏洞召回率，超越最强前沿模型26个百分点，部分审计实现100%召回，显著提升了审计的准确性和可靠性。

论文智能合约 LLM/增强安全审计

推荐理由：该工作为智能合约安全审计提供了一种结合LLM与确定性分析的有效方案，解决了LLM幻觉和传统静态误报问题，对DeFi安全领域具有实际参考价值。