BugSweeper：基于图神经网络的智能合约漏洞函数级检测
密码学与安全
2025-12-15 v2 人工智能
机器学习
摘要
以太坊的快速增长使得迅速且准确检测智能合约漏洞更加重要。尽管机器学习方法已展现出一定的前景，但许多方法仍依赖于由领域专家设计的规则化预处理。基于规则的预处理方法往往会丢弃源代码中至关重要的上下文，可能导致某些漏洞被忽视，并限制其对新兴威胁的适应性。我们引入BugSweeper，一个无需手动工程即可直接从源代码检测漏洞的端到端深度学习框架。BugSweeper将每个Solidity函数表示为函数级抽象语法图（FLAG），这是一种新型图，将其抽象语法树（AST）与丰富的控制流和数据流语义相结合。随后，我们的两阶段图神经网络（GNN）对这些图进行分析。第一阶段GNN过滤语法图中的噪声，而第二阶段GNN进行高层次推理以检测多样化的漏洞。大量实验表明，BugSweeper显著优于所有最先进的检测方法。通过消除对手工规则的依赖，我们的方法提供了一个稳健、自动化且可扩展的智能合约安全解决方案，无需依赖安全专家。
引用
@article{arxiv.2512.09385,
title = {BugSweeper: Function-Level Detection of Smart Contract Vulnerabilities Using Graph Neural Networks},
author = {Uisang Lee and Changhoon Chung and Junmo Lee and Soo-Mook Moon},
journal= {arXiv preprint arXiv:2512.09385},
year = {2025}
}
备注
This paper is accepted to AAAI 2026