[论文解读] Smart Contract Vulnerability Detection Technique: A Survey

Peng Qian, Zhenguang Liu+4 more|arXiv (Cornell University)|Sep 13, 2022

Blockchain Technology Applications and Security被引用 39

一句话总结

本综述将以Solidity代码、EVM和区块层级为分界，对以太坊智能合约漏洞进行分类，并回顾五种检测方法（形式化验证、符号执行、模糊测试、IR 和深度学习），在300份真实合约上进行实证评估。

ABSTRACT

Smart contract, one of the most successful applications of blockchain, is taking the world by storm, playing an essential role in the blockchain ecosystem. However, frequent smart contract security incidents not only result in tremendous economic losses but also destroy the blockchain-based credit system. The security and reliability of smart contracts thus gain extensive attention from researchers worldwide. In this survey, we first summarize the common types and typical cases of smart contract vulnerabilities from three levels, i.e., Solidity code layer, EVM execution layer, and Block dependency layer. Further, we review the research progress of smart contract vulnerability detection and classify existing counterparts into five categories, i.e., formal verification, symbolic execution, fuzzing detection, intermediate representation, and deep learning. Empirically, we take 300 real-world smart contracts deployed on Ethereum as the test samples and compare the representative methods in terms of accuracy, F1-Score, and average detection time. Finally, we discuss the challenges in the field of smart contract vulnerability detection and combine with the deep learning technology to look forward to future research directions.

研究动机与目标

• 在Solidity代码、EVM执行层和区块依赖层，识别并分类常见的智能合约漏洞。
• 评估并比较现有的漏洞检测技术，分为五类（形式化验证、符号执行、模糊测试、中间表示、深度学习）。
• 基于真实世界Ethereum合约数据集提供实证评估，评估准确率、F1分数和检测时间。
• 讨论面临的挑战与未来方向，重点在将深度学习与漏洞检测结合。

提出的方法

• 对以太坊智能合约进行调查，将漏洞分为三个层次：Solidity代码层、EVM执行层、以及区块依赖层。
• 回顾并将现有的漏洞检测方法分为五类：形式化验证、符号执行、模糊测试检测、中间表示、深度学习。
• 汇总来自研究的实证证据并对300份真实世界的Ethereum合约进行实证比较，关注准确率、F1分数和平均检测时间。
• 展示用于智能合约形式化验证的代表性方法和框架（如 F* 框架、KEVM）。
• 讨论了安全事件（DAO、KoET、Parity、Beauty Chain、Rubixi）以推动检测技术和风险评估。

实验结果

研究问题

• RQ1 在以太坊智能合约中，Solidity代码、EVM和区块层面有哪些常见的漏洞类型？
• RQ2 主流漏洞检测技术在真实世界的Ethereum合约上在准确率、F1分数和检测时间方面的表现如何？
• RQ3 在智能合约漏洞检测领域的关键挑战与未来研究方向是什么，包括深度学习方法的整合？

主要发现

• 漏洞被分为三个层次共15种类型，提供了示例和相关攻击。
• 五大检测类别（形式化验证、符号执行、模糊测试、中间表示、深度学习）覆盖了全面的分析方法。
• 实证评估使用300份真实世界的Ethereum合约，按准确率、F1分数和平均检测时间比较方法。
• 如 F* 和 KEVM 的形式化验证框架展示了对合约行为的严格安全分析。
• 该综述凸显了重大挑战和潜在未来方向，包括利用深度学习实现更高检测效果和可扩展性。