ExDoS：用于智能合约漏洞检测的专家引导双焦点跨模态蒸馏

智能合约的成功使其成为攻击目标，但其闭源特性通常迫使漏洞检测在字节码上进行，这本质上比基于源代码的分析更具挑战性。虽然最近的研究尝试在训练期间对齐源代码和字节码嵌入以转移知识，但当前的方法依赖于图级对齐，这掩盖了两种模态之间细粒度的结构和语义相关性。此外，字节码中缺乏精确的漏洞模式和细粒度标注，导致模型失去了学习判别性特征的关键监督信号。我们提出 ExDoS，将丰富的语义知识从源代码转移到字节码，在实际应用环境中有效补充源代码先验。具体而言，我们从源代码构建语义图，从字节码构建控制流图。为了解决图级合约嵌入中局部信号被掩盖的问题，我们提出了一种双注意力图网络，引入了新颖的节点注意力聚合模块以增强图嵌入中的局部模式捕获。此外，通过总结现有的源代码漏洞模式并为三种目标漏洞设计相应的字节码级模式，我们提供了一个对齐的模式框架，促进了细粒度的跨模态对齐以及函数级漏洞信号的捕获。最后，我们为跨模态蒸馏框架提出了双焦点目标，包括：用于转移图级知识的全局语义蒸馏损失，以及实现专家引导的、细粒度特定漏洞蒸馏的局部语义蒸馏损失。在真实世界合约上的实验表明，与强基线相比，我们的方法实现了持续的 F1 分数提升（3%--6%）。