基于大语言模型的 DeFi 价格操纵检测
密码学与安全
2026-04-30 v2 软件工程
摘要
去中心化金融 (DeFi) 智能合约管理数十亿美元，成为主要攻击目标。价格操纵漏洞常通过闪电贷款实施，是一类毁灭性攻击，造成重大财务损失。现有检测方法受限。反应性方法仅在攻击发生后分析，而主动静态分析工具依赖刚性、预定义的启发式规则，限制了适应性。两者都依赖已知攻击模式，无法识别新型变体或理解复杂经济逻辑。我们提出 PMDetector，一种结合静态分析与大语言模型 (LLM)-based 推理的混合框架，用于主动检测价格操纵漏洞。我们的方法使用形式化攻击模型和三个阶段的管道。第一阶段，静态污点分析识别可能的易受攻击代码路径。第二阶段，两阶段 LLM 流程通过分析防御措施然后模拟攻击来筛选路径并评估可利用性。第三阶段，静态分析检查器验证 LLM 结果，仅保留高风险路径并生成综合漏洞报告。为评估其有效性，我们构建了一个包含 73 个真实世界易受攻击和 288 个良性 DeFi 协议的数据集。结果表明，PMDetector 在 Gemini 2.5-flash 上实现 88% 的精确率和 90% 的召回率，显著优于最先进的静态分析和 LLM-based 方法。使用 GPT-4.1 审计一个漏洞仅需 $0.03 并耗时 4.0 秒，提供一种高效且成本效益极高的手动审计替代方案。
引用
@article{arxiv.2510.21272,
title = {LLM-Powered Detection of Price Manipulation in DeFi},
author = {Lu Liu and Wuqi Zhang and Lili Wei and Hao Guan and Yongqiang Tian and Yepang Liu and Shing-Chi Cheung},
journal= {arXiv preprint arXiv:2510.21272},
year = {2026}
}