Ricerca
Il delta dell’inganno: valutazione avversaria dell’analisi forense del bytecode degli smart contract basata su LLM
I modelli linguistici di grandi dimensioni sono sempre più utilizzati nelle indagini forensi sulla blockchain per interpretare il bytecode degli smart contract non verificati.

- arXiv
- 2609.14098
- Pubblicato
- 2026-09-12
- Autori
- Timo Schefold
Abstract degli autori
I modelli linguistici di grandi dimensioni sono sempre più utilizzati nelle indagini forensi sulla blockchain per interpretare il bytecode degli smart contract non verificati. La loro robustezza, però, non è stata sottoposta a test sistematici con contratti progettati per trarre in inganno l’analisi. Valutiamo 22 modelli di frontiera su 13 contratti creati appositamente (9 vettori di inganno e 4 controlli), usando sei strategie di prompt: ne risultano 8.528 esecuzioni analizzabili senza rifiuto, condotte su contratti il cui funzionamento effettivo è documentato. Una pipeline calibrata che impiega un LLM come giudice, affiancata da due metriche indipendenti dal giudice e da 50 etichette di riferimento assegnate da esseri umani, mostra che l’inganno avversario riduce il rilevamento della sottrazione di fondi di 20,0 punti percentuali (intervallo di confidenza al 95%: [17,2, 22,8]) rispetto a controlli abbinati per funzionalità. Il camuffamento strutturale mediante catene di chiamate a più passaggi, selettori mascherati con XOR e parametri per la sottrazione di fondi caricati dallo storage sfugge al rilevamento di quasi tutti i modelli. Oltre al mancato rilevamento, individuiamo un fenomeno di razionalizzazione: i modelli descrivono correttamente il meccanismo nascosto di sottrazione di fondi, ma accettano la rappresentazione ingannevole del contratto e lo liquidano come innocuo, producendo elementi a favore della sua sicurezza che sono però errati. Semplici istruzioni di salvaguardia non apportano alcun beneficio complessivo e rendono instabili le prestazioni dei singoli modelli, in entrambe le direzioni. L’inganno strutturale risente poco delle sei strategie di prompt testate: un risultato più coerente con un limite delle capacità dei modelli che con un semplice problema di formulazione dei prompt. Solo cinque modelli di due fornitori superano il 50% di rilevamento. Secondo il nostro protocollo a singola esecuzione, basato esclusivamente sul bytecode grezzo, gli LLM attuali non sono strumenti forensi affidabili se usati da soli. La nostra tesi centrale non si estende ai flussi di lavoro con più turni, strumenti aggiuntivi, accesso al codice sorgente o un decompilatore integrato nel processo; una verifica al confine con il codice sorgente è presentata come analisi esplicita di un sottoinsieme, anziché come parte della valutazione principale.
Il riassunto di questo paper è disponibile solo in inglese: leggilo nella pagina inglese.
Leggi il paper originale su arXiv