paperbot · PL 论文追踪

全部论文 待读 收藏

P2 AdvSCanner: Generating Adversarial Smart Contracts to Exploit Reentrancy Vulnerabilities Using LLM and Static Analysis

AdvSCanner：结合LLM与静态分析生成对抗性智能合约以利用重入漏洞
ASE Proceedings of the 39th IEEE/ACM International Conference on Automated Software Engineering2024匹配度 4/10 · 论文虽然结合了 LLM 与静态分析，但应用场景是智能合约重入漏洞检测与对抗样本生成，不属于用户核心关注的 ML/Agentic 程序静态分析、用 LLM/Agent 改进静态分析/形式化验证，也不涉及浮点或贝叶斯程序分析；仅在“LLM+静态分析”方法层面有交叉，领域偏离较大。引用 13 inbox
Yin Wu, Xiaofei Xie, Chenyang Peng, Dijun Liu, Hao Wu, Ming Fan, Ting Liu, Haijun Wang
安全与隐私机器学习与程序语言
crossref: 2026-09-12

AI 速览

一句话：提出AdvSCanner，结合LLM与静态分析生成对抗性智能合约，以利用重入漏洞并展示攻击可行性。

智能合约容易受到漏洞影响，其中重入攻击因破坏力强而风险突出。现有重入漏洞检测方法（如静态分析）往往误报率高，并且缺乏直接展示漏洞如何被攻击利用的能力。为此，本文提出AdvSCanner，结合大语言模型（LLM）与静态分析来生成对抗性智能合约，以利用重入漏洞。该方法的目标不只是检测漏洞，而是生成能够体现漏洞可利用性的对抗合约，从而弥补传统方法在误报与攻击实例说明上的不足。给出的摘要未报告具体实验设置、对比基线或量化结果，因此其评估效果尚需查看正文。

问题
现有重入漏洞检测方法（尤其是静态分析）误报率较高，且无法直接说明漏洞如何在实际攻击中被利用。
方法
提出AdvSCanner，结合大语言模型（LLM）与静态分析生成对抗性智能合约，用于利用智能合约中的重入漏洞。
评估
摘要未给出具体评估方式与量化结果，仅说明该工作旨在通过生成对抗合约来直接展示重入漏洞的可利用性。
原文摘要（Abstract）

Smart contracts are prone to vulnerabilities, with reentrancy attacks posing significant risks due to their destructive potential. While various methods exist for detecting reentrancy vulnerabilities in smart contracts, such as static analysis, these approaches often suffer from high false positive rates and lack the ability to directly illustrate how vulnerabilities can be exploited in attacks.

链接与引用

DOI 原文 · PDF（开放获取） ·

BibTeX 
@inproceedings{paperbot8433,
  title = {AdvSCanner: Generating Adversarial Smart Contracts to Exploit Reentrancy Vulnerabilities Using LLM and Static Analysis},
  author = {Yin Wu and Xiaofei Xie and Chenyang Peng and Dijun Liu and Hao Wu and Ming Fan and Ting Liu and Haijun Wang},
  booktitle = {ASE},
  year = {2024},
  doi = {10.1145/3691620.3695482}
}