FTSmartAudit：基于知识蒸馏增强的自动智能合约审计框架

区块链技术的快速发展推动了智能合约的广泛采用。然而，其内在漏洞导致了重大经济损失。传统审计方法虽必不可少，但难以跟上智能合约日益复杂和规模的增长。大型语言模型（LLM）为自动化漏洞检测提供了前景，但其采用常受限于高计算成本。尽管已探索通过智能体或工作流程利用大型模型，但针对较小微调模型的性能提升受到 insufficient 注意——这对于实现效率和数据隐私的平衡至关重要。本文引入HKT-SmartAudit，一个用于开发针对智能合约审计优化的轻量级模型的框架。其特色是集成经典蒸馏、外部领域知识和奖励引导学习的多阶段知识蒸馏管道，用于从大型教师模型传递高质量见解。采用单任务学习策略训练紧凑学生模型，既保持高准确率和鲁棒性，又显著降低计算开销。实验结果表明，我们的蒸馏模型在检测复杂漏洞和逻辑缺陷方面均优于商业工具和更大模型，为智能合约审计提供了实用、安全且可扩展的解决方案。源码已发布于Github仓库。