SEASONED：语义增强自反事实可解释对抗性利用者合约检测
密码学与安全
2025-09-09 v1 人工智能
摘要
去中心化金融（DeFi）攻击导致了重大损失，往往通过利用受害者智能合约漏洞的对抗性利用者合约（AEC）实施。为主动识别此类威胁，本文针对AEC的可解释检测提出挑战。现有检测方法难以捕获语义依赖关系且缺乏可解释性，限制了其有效性并留下了AEC分析的关键知识空白。为此，本文引入SEASONED框架，即一种有效、自我解释且鲁棒的AEC检测方法。SEASONED从合约字节码中提取语义信息构建语义关系图（SRG），并采用自反事实可解释检测器（SCFED）对SRG进行分类并生成解释，突出显示核心攻击逻辑。SCFED通过从这些解释中提取代表性信息来增强鲁棒性、通用性和数据效率。理论分析和实验结果均表明SEASONED的有效性，展示了其卓越的检测性能、鲁棒性、通用性和数据效率学习能力。为支持进一步的研究，我们还发布了一个包含359个AECs的新数据集。
引用
@article{arxiv.2509.05681,
title = {SEASONED: Semantic-Enhanced Self-Counterfactual Explainable Detection of Adversarial Exploiter Contracts},
author = {Xng Ai and Shudan Lin and Zecheng Li and Kai Zhou and Bixin Li and Bin Xiao},
journal= {arXiv preprint arXiv:2509.05681},
year = {2025}
}