BugSweeper: Function-Level Detection of Smart Contract Vulnerabilities Using Graph Neural Networks¶
会议: AAAI2026
arXiv: 2512.09385
代码: 待确认
领域: graph_learning
关键词: Smart Contract, Vulnerability Detection, Graph Neural Network, Abstract Syntax Tree, Pooling
一句话总结¶
提出 BugSweeper，通过构建函数级抽象语法图 (FLAG) 并设计两阶段 GNN 架构，实现无需专家规则的端到端智能合约漏洞检测，在重入攻击检测上 F1 达 98.57%。
背景与动机¶
以太坊智能合约一旦部署就无法修改，若存在安全漏洞（如著名的 DAO 攻击导致 360 万 ETH 被盗），后果极其严重。 现有检测方法分为两大类：
- 传统方法（静态分析、符号执行）：依赖专家手工制定的规则，如 Slither、Mythril 等工具，面对新型漏洞变体时泛化能力差。
- 深度学习方法（TMP、AME、Peculiar、ReVulDL）：虽然引入了 GNN 或预训练模型，但预处理阶段仍依赖基于规则的代码片段提取，存在以下问题：
- 检测范围受限：预定义规则无法覆盖所有漏洞类型
- 泛化能力差：针对特定漏洞设计的规则难以迁移
- 信息丢失：规则提取可能丢弃关键上下文
作者观察到，智能合约中的安全漏洞（尤其是重入攻击）往往源于函数间的不安全交互，因此提出在函数级别进行分析，同时保留函数间的调用与引用关系。
核心问题¶
如何在不依赖任何手工规则的情况下，构建能同时捕获代码结构和语义流的表示，实现多类型智能合约漏洞的端到端自动检测？
方法详解¶
BugSweeper 包含三个核心组件：
1. Graph Constructor — 构建 FLAG¶
- AST 解析：使用 Solidity 编译器 solc 将源码解析为抽象语法树 (AST)
- 边增强：在 AST 基础上添加三类边，形成 Flow-Augmented ASG：
- Basic edges：AST 原有的 Child/Parent 结构边
- Data-flow edges：包括 ReferencedDeclaration（变量/函数引用）、FunctionReturnParameter（返回值链接）、SuperFunction（函数重写）、Assignment（赋值）
- Control-flow edges：包括 IfStatement 的 CondTrue/CondFalse、循环的 WhileExecution/ForExecution、NextStatement 顺序边
- 函数级切分 + Coverage 扩展：将合约按函数拆分为子图，通过 coverage 超参数控制邻域深度：
- coverage=1：仅目标函数自身
- coverage=2：加入直接调用的函数和引用的变量（1-hop）
- coverage=3：进一步扩展至 2-hop 邻居
- 实验中默认使用 coverage=4
2. Code Graph Neural Network (CGNN) — 第一阶段¶
- 使用 BPE tokenizer 将节点文本属性编码为向量
- 采用 3 层 GraphSAGE（512→1024→1024→1024）进行消息传递，生成节点 embedding
- CGPool（核心创新）：基于代码语法角色的确定性语义池化
- 将属于同一 FunctionDefinition 或 VariableDeclaration 的节点合并为一个 supernode
- 按原始控制流/数据流边重连 supernode，生成 Pooled FLAG
- 相比 TopKPool/SAGPool 等方法，既保留层次结构又避免信息丢失，且计算高效
3. Second-Stage GNN — 第二阶段¶
- 在 Pooled FLAG 上使用 3 层 GAT（含 multi-head attention，首层 4 heads）进行高层推理
- GAT 的注意力机制能自动聚焦于关键的函数间连接
- 经 global readout 后接三层 MLP 分类器（1024→1024→C），输出各漏洞类别的概率
训练细节¶
- 优化器：Adam，lr=1e-4，weight decay=1e-5
- 训练 500 epochs，batch size=64
- Dropout：GNN 层 0.5，分类器 0.3
- 每组实验用 4 个不同随机种子重复，报告均值
实验关键数据¶
重入攻击检测（AME 数据集，1224 合约）¶
| 方法 | Precision | Recall | F1 |
|---|---|---|---|
| Slither | 94.74% | 34.62% | 50.70% |
| AME | 95.45% | 95.38% | 95.42% |
| ReVulDL | 92.95% | 94.62% | 93.74% |
| BugSweeper | 99.87% | 97.35% | 98.57% |
BugSweeper F1 超过最强基线 AME 约 3.1 个百分点，同时 Precision 接近 100%。
多类漏洞检测（SmartBugs Wild 数据集，47,398 Solidity 文件）¶
最优配置 SAGE + GAT：
| 漏洞类型 | F1 |
|---|---|
| Reentrancy | 91.61% |
| Unchecked Low-Level Calls | 80.15% |
| Time Manipulation | 79.63% |
消融实验亮点¶
- 两阶段 vs 单阶段：两阶段架构在所有漏洞类型上显著优于单阶段基线
- CGPool vs 其他池化：CGPool（F1=87.32%）大幅领先 ASAPool（82.41%）、SAGPool（77.10%）、TopKPool（75.29%）
- GNN 组合：SAGE（第一阶段）+ GAT（第二阶段）效果最佳，体现互补性——SAGE 擅长大图聚合，GAT 注意力机制精准定位关键特征
亮点¶
- 完全端到端：从源码到漏洞检测不依赖任何手工规则，突破了现有深度学习方法仍需规则预处理的瓶颈
- FLAG 表示：将 AST 与控制流/数据流语义融合，并通过 coverage 机制灵活控制函数间信息量
- CGPool 语义池化：巧妙利用代码结构先验（函数/变量定义边界）进行确定性池化，兼具效率与信息保留
- 两阶段 GNN 设计合理：第一阶段降噪 + 第二阶段高层推理，SAGE 和 GAT 各发挥所长
- 多漏洞泛化：同一框架统一检测三类漏洞，无需为每种漏洞单独设计规则
局限性 / 可改进方向¶
- 漏洞类型有限：仅验证了 3 种漏洞，未覆盖更隐蔽的逻辑漏洞（如访问控制、整数溢出等）
- 数据不均衡影响明显：Unchecked Low-Level Calls 和 Time Manipulation 的 F1 明显低于 Reentrancy，说明对少样本类型泛化仍有不足
- SmartBugs Wild 标签质量：依赖 3+ 工具共识作为 ground truth，工具本身可能存在系统性偏差
- 可扩展性未验证：未在超大规模合约或复杂 DeFi 协议上测试
- 缺少与 LLM 方法的对比：近期基于代码大模型（CodeBERT、Code LLaMA）的漏洞检测方法未纳入比较
- coverage 参数敏感：固定为 4，未深入分析不同 coverage 的精度-效率权衡
与相关工作的对比¶
| 维度 | 传统工具 | 现有 DL 方法 | BugSweeper |
|---|---|---|---|
| 规则依赖 | 完全依赖 | 预处理依赖 | 无 |
| 漏洞类型 | 按规则覆盖 | 多为单类 | 多类统一 |
| 代码表示 | CFG/PDG | 专家抽取图 | FLAG（自动构建） |
| 信息保留 | 丢失多 | 部分丢失 | 语义池化保留 |
| F1（重入） | 50-68% | 85-95% | 98.57% |
启发与关联¶
- CGPool 的思想可迁移：基于代码结构先验的确定性池化策略，可推广到其他代码分析任务（如缺陷预测、代码克隆检测）
- FLAG 构建流程通用：AST + flow edges + 函数级切分的表示方式不限于 Solidity，可适配 Python/Java 等语言
- 两阶段 GNN 架构启发：先降噪再推理的范式适用于其他噪声较大的图学习场景（如分子图、电路图）
- 与 LLM 结合的方向：可考虑用代码大模型替代 BPE tokenizer 生成初始节点 embedding，可能进一步提升性能
评分¶
- 新颖性: ⭐⭐⭐⭐ — FLAG 表示和 CGPool 设计新颖，两阶段架构有合理动机
- 实验充分度: ⭐⭐⭐⭐ — 消融全面，多数据集验证，统计显著性测试完备；但漏洞类型偏少
- 写作质量: ⭐⭐⭐⭐ — 结构清晰，图表丰富，动机阐述充分
- 价值: ⭐⭐⭐⭐ — 端到端免规则检测方向有实际意义，精度提升显著