BlockSec 与浙江大学联合完成的研究论文 《Thought is All You Need: Smart Contract Vulnerability Detection with Thought-Augmented Large Language Model》 已被软件工程顶级会议 FSE 2026 收录。
FSE（ACM International Conference on the Foundations of Software Engineering）是软件工程领域的顶级会议之一，本届会议将于 2026 年 7 月 5 日至 9 日 在加拿大蒙特利尔举行。
现有 AI 审计卡在哪里
先看一组论文中引用的已有研究数据，当前 AI 审计大致处于以下水平：
GPT-4 和 Claude-1.3 做漏洞检测时，误报率曾高达 95%。也就是说，报出 100 个"漏洞"，95 个是假的。
GPTScan 把 GPT 与静态分析结合，在大规模项目中的检测准确率约 57%。
一些号称用上了"漏洞知识库"的 RAG 方法，即便只做漏洞类型识别这种相对简单的任务，准确率也只有约 30%。
直接使用 GPT-4o、o3-mini、Claude 等最新模型做零样本检测，F1 分数仅在 0.241 至 0.311 之间。
这些结果放在一起，已经可以看出目前AI审计的主要问题。大模型当然有价值，但很多方案的做法仍然停留在同一个层面：把整份合约放进上下文里，让模型自行判断哪里可能有问题。
但真实审计并不是这样开展的。经验丰富的研究员通常不会平均扫描所有代码，而是会先判断哪些位置值得重点分析，再围绕关键函数、状态变量和业务流程向下展开。过去的 AI 审计，真正缺少的就是这套工作方式。
围绕这个问题，论文提出了 Synapse。它是一套面向智能合约漏洞检测的系统，目标是把安全研究员在真实审计中的关键步骤拆出来，交给系统分阶段完成。简单来说，Synapse 想让 AI 更接近安全研究真正的工作流程，而不只是再试一次让大模型读代码。
这也是 Synapse 试图解决的问题。在同样的测试条件下，Synapse 的 recall（真实漏洞找回率）达到 71.9% 和 76.5%，约为已有 LLM 路线的 3 倍。进一步放到 BSC 链上的真实合约中测试，Synapse 发现了 117 个未知漏洞，而对照的 baseline 工具只识别出其中 8 个。其中一个关键漏洞，涉及约 3000 万美元的潜在资产损失。
把真实的工作方式拆解成流程
Synapse 的核心，是尽可能的把安全研究员在真实审计中的工作方式，拆解成一套系统能够执行的流程。
一、把真正值得看的地方找出来
真实的智能合约动辄几千行代码，但针对特定漏洞，真正需要看的可能只有几十行。Synapse 引入 Focal Context（焦点上下文），先定位高风险区域，再让模型集中分析。
这与真实审计的阅读方式是一致的。研究员分析代码时，通常会先关注关键函数、状态变量和核心业务逻辑。Synapse 只是把这一步前置了。实验结果显示，一旦去掉这个组件，recall（真实漏洞找回率）就会从 72.5% 下降到 52.8%。
二、把审计经验转成可复用的判断框架
Synapse 从 14,000+ 份真实审计报告中提炼出漏洞推理模板，形成 Thought Buffer（思维缓冲区）。它是一套结构化知识：遇到这种代码模式时，应该从哪几个角度分析风险。
例如面对一个提币函数，系统不会只做泛化阅读，而是会更有针对性地检查权限控制是否充分、重入保护是否完备、余额计算是否存在风险。这个过程依赖的是长期审计经验的沉淀，远超一次性的 prompt 技巧。
这一部分拿掉以后，recall（真实漏洞找回率）会从 72.5% 下降到 46.2%，影响非常明显。
三、通过分工协作把结论做实
Synapse 设计了 Developer（开发者）、Researcher（研究者）、Auditor（审计员）、Verifier （验证员）等多个角色，配合语义搜索、代码分析等工具完成检测。
这里真正重要的是分工本身。理解代码、提出漏洞假设、交叉复核、确认结论，在真实审计里本来就是不同性质的工作。很多时候，难点并不在于发现线索，而在于确认这条线索是否成立。Verifier 角色的价值就在这里。
如果拿掉语义工具这一层，recall（真实漏洞找回率）会下降到 43.6%。这也说明，Synapse 的提升来自几个关键部分共同作用。
基准测试
Synapse 与现有工具主结果对比
在两个真实世界数据集上：
Incidents 数据集：Synapse recall（真实漏洞找回率）71.9%，F1 73.1%；GPTScan 仅 10.8%
DeFiHacks 数据集：Synapse recall（真实漏洞找回率）76.5%，F1 63.4%
与传统静态分析（Slither）、模糊测试工具（ItyFuzz）相比，平均也有大约 2 倍的提升。
消融实验
关键组件消融实验（采用当时最新模型）
消融实验最能说明问题。直接使用 GPT-4o、o3-mini 或 Claude 做零样本检测，F1 基本都在 0.3 左右；加入 Synapse 的完整流程后，系统 F1 提升到 0.723。
链上实测
2025 年 2 到 3 月，在 BSC 链上测试 Synapse：
发现 117 个此前未被发现的漏洞，全部为 High 级别。
对照组 baseline 工具仅识别出其中 8 个。
其中一个关键漏洞涉及 约 3000 万美元 的潜在资产损失。
这对审计意味着什么
Synapse 的Thought Buffer（思维缓冲区）来自 14,000 多份真实审计报告的蒸馏，Focal Context（焦点上下文） 的设计依赖对合约安全分析流程的深入理解，多角色架构的划分映射的也是真实审计工作中的方法拆解。这些都不是纯粹的学术构造，而是长期积累的安全经验和工具链能力在研究层面的系统化表达。
换个角度说，这篇论文也证明了一件事：来自产业一线的安全理解，可以被组织成经得起顶级学术会议评审的方法论。模型 API 谁都能调，但把真实世界的审计经验转化成结构化、可验证、可复现的系统，门槛要高得多。
围绕 Synapse 形成的检测思路、工具能力和工作流设计，可以用来提升真实项目中的审计覆盖、问题筛查效率和复杂逻辑漏洞的发现能力。
人仍然不可替代
71.9% 的 recall（真实漏洞找回率）和 117 个真实漏洞是很强的结果，但在安全领域，71.9%还远远谈不上万无一失，安全需要的是100%，只要误判一次、漏判一次，代价都可能非常高。
LLM 仍然存在 hallucination 问题，在事实一致性和推理忠实性上有天然风险。Synapse 更擅长的是依赖语义理解的复杂逻辑漏洞，并不能替代传统工具处理所有 machine-auditable bugs。
真实的安全审计远不止模式识别。理解协议设计中的隐含假设，判断攻击者最可能走哪条路径，在不完整信息下排列风险优先级，在多个看起来都有问题的发现中决定哪些值得上报。这些判断，今天仍然只能由人来完成。
AI审计的方向是 human-in-the-loop：AI 负责更广的覆盖面、更快的初筛和更低的边际成本；人负责最终的判断、复核与决策。Synapse 把 AI 能做到的事情往前推了一大步，也让 AI 安全审计这条路上的方法论轮廓变得更清晰。
论文作者：
彭超源 (浙江大学)
姜木慧 (BlockSec)
周亚金 (BlockSec)
吴磊 (浙江大学 & BlockSec)
扫一扫
410
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
