Vai al contenuto
Crypto.world

Ricerca

PSR2: un framework di ragionamento semantico basato su fasi per rilevare violazioni di atomicità tramite il raffinamento dei contratti

Con il rapido sviluppo delle applicazioni decentralizzate, la sicurezza degli smart contract deve affrontare sfide gravi, in particolare per quanto riguarda le violazioni di atomicità in logiche…

PSR2: un framework di ragionamento semantico basato su fasi per rilevare violazioni di atomicità tramite il raffinamento dei contratti
arXiv
2604.06975
Pubblicato
2026-04-08
Autori
Xin Wang, Wenkai Li, Zongwei Li, Xiaoqi Li

Abstract degli autori

Con il rapido sviluppo delle applicazioni decentralizzate, la sicurezza degli smart contract deve affrontare sfide gravi, in particolare per quanto riguarda le violazioni di atomicità in logiche complesse come quelle dei contratti Oracle e NFT. Gli insiemi di regole rigidi spesso limitano gli analizzatori statici tradizionali, che non dispongono di una profonda consapevolezza del contesto; di conseguenza, si registrano tassi elevati di falsi positivi e falsi negativi nell’individuazione di vulnerabilità dipendenti da incoerenze negli stati intermedi. Per ovviare a questi limiti, questo articolo propone PSR\textsuperscript{2}, un nuovo framework collaborativo di analisi statica che integra la ricerca strutturale dei percorsi con il ragionamento semantico deterministico. PSR\textsuperscript{2} utilizza un modulo di analisi della struttura dei grafi (GSAM) per individuare sequenze di esecuzione sospette nei grafi del flusso di controllo e un modulo di analisi del contesto semantico (SCAM) per estrarre dipendenze dei dati e fatti relativi allo stato dagli alberi di sintassi astratta. Un modulo di decisione per fusione (FDM) esegue quindi una convalida incrociata formale per confermare le vulnerabilità sulla base di un modello unificato di incoerenza di atomicità. I risultati sperimentali su 1.600 campioni di contratti dimostrano che PSR\textsuperscript{2} supera nettamente i metodi di riferimento basati sulla corrispondenza di pattern, raggiungendo un punteggio F1 del 92,36\% negli scenari ERC-721 complessi, contro il 51,86\% degli strumenti esistenti. Gli studi di ablazione confermano inoltre che la nostra logica di fusione riduce efficacemente di quasi la metà il tasso di falsi positivi rispetto all’analisi con un singolo modulo.

Il riassunto di questo paper è disponibile solo in inglese: leggilo nella pagina inglese.

Leggi il paper originale su arXiv