PulseAugur
中
实时 09:23:09
English(EN) AttackPathGNN: Cross-function vulnerability detection in smart contracts using state interference graphs and conjunction pooling

新的GNN通过分析函数交互来检测智能合约漏洞

作者 PulseAugur 编辑部 · [1 个来源] ·

研究人员开发了AttackPathGNN，一种用于检测智能合约漏洞的新型图神经网络。与以往关注单个函数的方法不同，AttackPathGNN分析函数之间的关系以及促成漏洞利用的条件。该系统利用状态干扰图（State Interference Graph）来连接共享可变存储的函数，并采用合取池（conjunction pooling）来聚合漏洞利用的先决条件，在基准数据集上取得了高精度。 AI

影响 通过提供一种更强大的方法来检测复杂的、多函数的漏洞利用，从而增强了智能合约的安全性。

排序理由 学术论文，详细介绍了一种检测智能合约漏洞的新方法。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.AI 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →

报道来源 [1]

  1. arXiv cs.AI TIER_1 English(EN) · Gabriela Dobrita, Simona-Vasilica Oprea, Adela Bara ·

    AttackPathGNN：使用状态干扰图和合取池进行智能合约跨函数漏洞检测

    arXiv:2606.05986v1 Announce Type: cross Abstract: Existing learning-based detectors for Solidity smart-contracts reduce vulnerability detection to syntactic pattern matching within single functions, yet many of the most consequential exploits (The DAO, Cream Finance) exist not in…

相关话题