이 연구는 이더리움 스마트 컨트랙트의 취약점을 탐지하기 위해 사전학습된 대형언어모델(LLM)을 활용한 트랜스포머 기반 접근법을 제시한다. 연구진은 Solidity 코드 조각을 취약/안전으로 라벨링한 정답 데이터셋을 구축하고, BERT 기반 아키텍처를 이 데이터셋으로 파인튜닝해 Solidity 코드 특유의 구문·의미 패턴을 학습시켰다. 파인튜닝된 모델은 F1 점수 92%라는 높은 성능을 기록해, 깊은 문맥 이해를 통한 LLM 적응이 스마트 컨트랙트 보안 강화에 효과적임을 입증했다. 블록체인 채택 확대와 함께 컨트랙트의 금전적 가치가 커지면서 사이버 공격의 표적이 되는 상황에서, 자동화된 취약점 탐지 파이프라인의 실용성을 보여준 결과다.
- •사전학습 LLM을 BERT 기반으로 파인튜닝해 Solidity 스마트 컨트랙트 취약점을 탐지했다.
- •취약/안전으로 라벨링한 정답 데이터셋을 구축해 학습 파이프라인을 구성했다.
- •파인튜닝 모델이 F1 92%를 기록해 높은 탐지 성능을 보였다.
0단 자동
AI가 규칙대로 쓰고 그대로 게시했습니다. 사람이 따로 보지 않았습니다.
- 규칙 판
- 규칙 판 도입 이전 기사입니다.
- 남기는 것
- 규칙 판 · 모델 · 시각
- 판 기록
- 아직 없습니다.
Solidity Meets LLMs: A Transformer-Based Approach to Smart Contract Vulnerability Detection
- 1.BERT 기반 트랜스포머로 Solidity 스마트컨트랙트 취약점 탐지 모델 구축
- 2.취약/안전 라벨링된 데이터셋으로 파인튜닝, F1 스코어 92% 달성
- 3.사전학습 LLM의 문맥 이해력을 활용해 코드 패턴 탐지 정확도 향상
왜 중요한가?
이더리움 스마트컨트랙트의 금전적 가치가 커지는 만큼 자동화된 고정확도 취약점 탐지 도구의 실용성이 중요한데, LLM 파인튜닝만으로 실용 수준(F1 92%)에 도달했음을 보여준다.
본문 미리보기
arXiv:2609.27091v1 Announce Type: new Abstract: The growing adoption of blockchain technologies, particularly the Ethereum platform, has amplified the critical role of smart contracts in decentralized applications. However, the increasing complexity and financial value of these contracts make them prime targets for cyber attacks. In this work, we present a transformer-based approach for the detection of vulnerabilities in smart contract fragments written in Solidity. Leveraging the representati
전체 내용이 궁금하다면?
원문을 직접 읽어보세요
이 글이 만들어진 과정
- 11:24AI 초안
