탈중앙자율조직(DAO)은 제안의 자연어 설명을 근거로 회원이 투표하고 통과 시 그 뒤의 코드를 실행하는 제안 기반 프로세스로 프로토콜을 변경하는데, 설명된 의도와 실제 실행 코드가 어긋나는 '설명-실행 불일치(DEMI)' 공격에 구조적으로 취약하다. 이 논문은 실제 DAO 거버넌스에서 DEMI를 탐지하는 최초의 체계적 프레임워크를 제시한다. 과거 온체인 거래로 DAO별 거버넌스 프로필을 구축하고 새 제안을 전체 거버넌스 생애주기로 시뮬레이션하는 DAO-비의존적 프레임워크와, LLM이 전체적 판단 대신 행동별 명시적 텍스트 근거를 찾도록 요구하는 증거 매핑 방식을 결합했다. 실제 이더리움 DAO 거버넌스 대규모 데이터셋에서 활성 DAO의 92.7%, 실행된 제안의 89.3%에 대해 실행 결과를 도출했으며, 탐지기는 평균 정밀도 81.7%, 평균 재현율 98.3%를 달성했고 레드팀/블루팀 평가에서도 대부분의 적응형 공격을 방어했다.

• •제안 설명과 실제 실행 코드가 어긋나는 '설명-실행 불일치(DEMI)' 공격을 최초로 체계화
• •과거 온체인 거래로 DAO별 거버넌스 프로필을 구축하는 DAO-비의존적 시뮬레이션 프레임워크 사용
• •LLM이 행동별 명시적 텍스트 근거를 찾도록 요구하는 증거 매핑으로 정밀도·재현율 향상
• •활성 DAO 92.7%, 실행 제안 89.3%에서 결과 도출, 탐지기 정밀도 81.7%·재현율 98.3% 달성