基于 LLM 推理检测多种 DeFi 价格操纵
摘要
去中心化金融（DeFi）是当今加密货币和智能合约的最重要应用之一。它在链上管理数百亿美元的总锁定价值（TVL），但仍然容易受到常见的 DeFi 价格操纵攻击。尽管已有 DeFiRanger 和 DeFort 等最新（SOTA）系统，但我们发现它们对来自定制 DeFi 协议中非标准价格模型的攻击效果较差，这些攻击占过去三年报告的 95 个 DeFi 价格操纵攻击中的 44.2%。本文引入首个基于大型语言模型（LLM）的方法 DeFiScope，用于检测标准和定制价格模型中的 DeFi 价格操纵攻击。我们的洞见是，大型语言模型（LLM）具有从智能合约源代码中抽象价格计算并基于提取的价格模型推断代币价格变化趋势的智能。为进一步加强 LLM 在此方面的能力，我们利用 Foundry 合成链上数据并用于微调针对 DeFi 价格的 LLM。结合从低级交易数据中恢复的高层 DeFi 操作，DeFiScope 根据系统化挖掘的模式检测各种 DeFi 价格操纵。实验结果显示，DeFiScope 在真实攻击上实现 80% 的召回率，在可疑交易上实现 96% 的精确率，在良性交易中实现零误报，显著优于现有方法。此外，我们评估了 DeFiScope 的成本效益，并通过帮助行业合作伙伴确认 147 起真实世界的价格操纵攻击，包括发现 81 起以前未知的历史事件。
引用
@article{arxiv.2502.11521,
title = {Detecting Various DeFi Price Manipulations with LLM Reasoning},
author = {Juantao Zhong and Daoyuan Wu and Ye Liu and Maoyi Xie and Yang Liu and Yi Li and Ning Liu},
journal= {arXiv preprint arXiv:2502.11521},
year = {2025}
}
备注
Accepted by ASE 2025. Please cite the conference version of this paper, e.g., "Juantao Zhong, Daoyuan Wu, Ye Liu, Maoyi Xie, Yang Liu, Yi Li, Ning Liu. Detecting Various DeFi Price Manipulations with LLM Reasoning. In 40th IEEE/ACM International Conference on Automated Software Engineering (ASE 2025)"