NATLM：基于大语言模型检测NFT智能合约缺陷
密码学与安全
2026-01-16 v2
摘要
随着Non-fungible Tokens（NFT）的快速发展，安全问题日益突出。由于NFT作为数字资产而成为网络攻击者的主要目标。在NFT智能合约开发过程中，可能存在未发现的缺陷，这些缺陷如果被利用可能导致巨大的财务损失。为此，本文提出了一个名为NATLM（NFT助理大语言模型）的框架，用于检测NFT智能合约中的潜在缺陷。该框架有效地识别了NFT智能合约中四种常见的漏洞类型：ERC-721 重入、公共销毁、风险可变代理和无限铸造。仅依赖大语言模型（LLM）进行缺陷检测可能导致高假阳性率。为提高检测性能，NATLM将静态分析与LLM（ Specifically Gemini Pro 1.5）集成。首先，NATLM采用静态分析从代码中提取结构、语法和执行流程信息，通过抽象语法树（AST）和控制流图（CFG）进行表示。然后，将提取的特征与已知缺陷示例的向量相组合，创建用于输入知识库的矩阵。随后，比较分析的特征向量和代码向量与知识库内容。最后，LLM进行深层语义分析，以增强检测能力，提供更全面和准确的潜在安全问题识别。实验结果表明，NATLM分析了8672个收集的NFT智能合约，实现了总体精确率为87.72%，召回率为89.58%，F1分数为88.94%。结果优于其他基线实验，成功识别了四种常见的缺陷类型。
引用
@article{arxiv.2508.01351,
title = {NATLM: Detecting Defects in NFT Smart Contracts Leveraging LLM},
author = {Yuanzheng Niu and Xiaoqi Li and Wenkai Li},
journal= {arXiv preprint arXiv:2508.01351},
year = {2026}
}