本文对闪电网络（Lightning Network）的安全性进行了形式化分析。闪电网络是一种支付通道网络，市值超过1.92亿美元，旨在通过链下快速交易解决比特币的可扩展性问题。目前存在多个闪电网络客户端实现，它们都遵循相同的文本规范（即BOLTs）。此前虽有若干漏洞被手动发现，但尚未有工作系统地分析闪电网络的安全性。本文提出了一个形式化框架，用于分析闪电网络中的支付路由和通道拥堵场景，重点关注“支付竞赛”（Payout Races）和“拥堵通道”（Congested Channels）这两种可能引发安全问题的情形。研究者定义了安全属性，并基于BOLTs规范建立了抽象模型，通过形式化方法验证了在竞争性支付和通道容量受限条件下，协议可能出现的死锁、资金锁定或不当结算等问题。论文还讨论了现有实现与规范之间可能存在的偏差，并指出了潜在的攻击面。该工作的主要贡献包括：首次对闪电网络进行系统性形式化安全分析、识别出若干先前未被发现的设计缺陷，以及为后续改进BOLTs规范和客户端实现提供了理论依据。适合对区块链安全、形式化验证和支付通道网络感兴趣的研究人员阅读。

该论文是一篇关于跨链交易识别与匹配的系统化知识综述（SoK）。随着区块链生态向多链演进，跨链桥、即时加密货币交易所和中心化跨账本平台频繁地在不同链之间转移资产，但这类系统也屡屡成为高价值攻击的目标，并被用于跨链洗钱。与单链交易分析相比，跨链交易的分析难度显著更高：没有任何单一账本记录完整的跨链转账过程，其证据分散在源链、目标链以及链下系统中，且不同系统对这些证据的可获得性和可靠性差异很大。论文首先将存款与取款识别方法归纳为四类，将交易匹配方法归纳为三种机制：确定性标识符匹配、字段约束启发式、以及模型辅助匹配。研究发现，这些方法的适用性和已报告的性能主要取决于底层系统暴露的证据类型，并进一步分析了匹配后的交易对如何支持下游攻击检测和资金追踪。其次，论文评估了现有数据集和工件的可用性，发现其中可获取的不到一半，并归纳了三种工件失效模式。最后，论文提出了走向可审计、可复现、可操作的跨链分析所面临的四个开放挑战。该综述适合区块链安全研究员、跨链协议开发者、链上分析平台以及反洗钱监管科技从业者阅读，有助于理解跨链交易分析的技术图谱、现有方法的能力边界和数据缺失问题。

本文提出 FlowShield，一个面向加密货币反洗钱（Crypto AML）的框架，旨在应对日益复杂的洗钱行为——这类行为通过多样化的交易语义和多条区块链快速拆分被盗资产。现有 AML 方法通常简化交易语义、依赖以拓扑为中心的信号，或输出孤立的检测标签，缺乏对交易意图和资金流动的深层理解。FlowShield 首先从可观测关系中恢复行为级语义，使洗钱意图显式化；其次，从三个互补视角重建资金流子图，以追踪价值来源与再分配；然后采用文本-结构融合机制，将大语言模型（LLM）编码的语义与图卷积网络（GCN）编码的结构信息相结合。除检测外，FlowShield 还能生成可读的可疑活动报告（SARs），为调查人员提供简明摘要和可解释的警示标志。为解决多链检测中的数据稀缺问题，作者构建并开源了 BybitML——首个公开的多链洗钱数据集。实验在 BybitML 和两个公开洗钱数据集上进行，结果表明 FlowShield 综合性能最优，平均 F1 分数达 98.0%。进一步的行为与 SAR 分析显示，FlowShield 能揭示多样化的洗钱策略，并为调查复杂多跳资金流生成可读报告。该论文主要贡献包括：提出行为级语义恢复方法、三视角资金流子图重建、文本-结构融合架构、可解释 SAR 生成，以及开源多链数据集 BybitML。适合区块链安全、反洗钱、图学习与大语言模型应用方向的研究人员阅读。

本文研究比特币网络在面对有争议的软分叉时的韧性，并提出一个双层次框架来发现导致持续链分裂的关键场景。传统上，比特币共识被认为主要依赖协议规则和算力多数，但实际结果还取决于具有不同经济利益的异构节点网络的涌现行为。作者采用场景发现（Scenario Discovery）方法，结合集成仿真与患者规则归纳法（PRIM），在Warnet仿真环境中运行真实的bitcoind节点，构建了1330个有效场景，覆盖经济权重、矿池承诺、矿池意识形态、总算力和难度调整机制等关键维度。通过识别参数阈值，他们区分了干净解决与争议分裂的边界。核心发现是：在比特币的实际难度调整区间和中等价格偏差下，经济权重分布（而非算力多数）是决定分叉结果的主要因素。具体而言，存在一个经济支持下限（0.45-0.50）和覆盖上限（0.78-0.82），两者之间为争议区域，并存在一个经济自我维持点（0.74）。此外，矿池承诺存在一个‘翻转点’（约0.214的承诺算力），当最大矿池承诺升级链时，结果可能反转。研究还表明，分叉结果在算力和经济采纳两个独立层次上决定，且受不同参数控制。个体用户节点在建模的经济权重下对分叉结果无可检测的影响。最后，作者提出三个可由公开数据回答的监测问题，将阈值转化为操作指南。该研究对理解去中心化共识的韧性、分叉风险预测以及区块链治理具有重要贡献。

本文针对以太坊上以 meme 币为代表的 Rug Pull（拉地毯）骗局检测问题展开研究。Rug Pull 具有部署成本极低、隐蔽性强、资金转移迅速且检测难度高等特点，传统的人工审核和固定规则难以满足实时预警需求，而现有检测方法普遍存在特征维度单一、类别不平衡处理不足、模型泛化性与可解释性弱等问题。论文首先明确了 Rug Pull 的定义、类型与危害机制，并构建了包含恶意智能合约设计、链上交易异常、流动性操纵、社交媒体披露等维度的多维度特征体系。随后以“二舅币”（代币符号 BOBU）案例为样本，重构了攻击过程并提炼出定量检测指标。在模型层面，作者设计了基于多层感知机（MLP）的风险检测模型，采用 SMOTE 过采样与 Focal Loss 联合策略处理样本不平衡，通过动态搜索最优阈值以平衡精确率与召回率，并引入梯度裁剪和早停机制提升训练稳定性。实验结果表明，该模型在测试集上准确率达到 0.927，F1 分数为 0.787，AUC-ROC 为 0.952，优于传统方法。最后，基于 Flask 框架开发了可视化的 Web 检测系统，支持批量风险评估、高风险排序展示和结果导出功能。该研究为区块链安全领域提供了一套从特征构建、模型训练到系统落地的完整解决方案。适合 DeFi 安全研究人员、区块链风控工程师以及关注链上欺诈检测的技术人员阅读。

本文首次系统性地研究了交易模拟钓鱼（Transaction Simulation Phishing）这一新型攻击方式。加密货币钱包（如 MetaMask）的交易模拟功能能够在链上执行前预览余额变化，以帮助用户识别恶意交易。然而，攻击者利用动态区块链状态依赖的智能合约，让模拟结果呈现良性或高收益假象，而真实链上执行却将用户资金转移到攻击者地址。作者首先提出了一套用于构建此类钓鱼合约的分类法，然后设计并实现了 SIMGUARD，一种在字节码层面结合静态与动态分析的检测系统。SIMGUARD 通过识别合约中对动态状态（如区块信息、时间戳、调用深度等）的条件分支，以及模拟与真实执行间的差异，来标记可疑合约。在以太坊、币安智能链、Avalanche 和 Polygon 四条链上，作者从2024年8月至2025年6月间检测出超过4000个钓鱼合约，涉及超过5700名受害者，累计损失约348万美元，其中91.5%发生在以太坊上。聚类分析显示，最大的钓鱼合约集群贡献了约83%的损失。实验结果揭示了当前钱包防御机制的严重缺陷，证明了现有交易模拟在面对此类攻击时的不可靠性，并强调了开发更稳健模拟机制（如使用真实执行环境或引入不依赖单点模拟的验证协议）的紧迫性。该研究为区块链安全社区提供了新的攻击面认知、检测工具和防御改进方向，对钱包开发者、安全审计人员和区块链安全研究者均具有重要参考价值。

该论文对2022年1月1日至2026年3月27日期间（四年零三个月）的Web3安全态势进行了实证分析。研究数据集包含来自22家独立安全公司的23,818份公开审计结果，以及rekt.news记录的218起真实世界漏洞利用事件，总损失约77.6亿美元。研究有三个核心发现：第一，审计结果的分布（按严重性、类别和技术栈）在整个观察窗口内基本稳定，严重和高级别漏洞占比每年保持在15%-17%的区间内。第二，实际漏洞利用损失的类别分布与审计结果的类别分布不一致：私钥泄露、钓鱼和社会工程攻击向量占累计损失的约49.6%，但在公开审计结果中占比极小。第三，实际损失呈现极端集中性：最大的8起事件占累计美元损失的50.6%，最大的20起事件占71.4%，这种分布形状不符合高斯假设。论文采用的分析惯例是审计输出和漏洞利用输出描述的是不同群体，因此将两个数据集并行展示，而非直接比较。该研究揭示了当前区块链安全审计实践与真实攻击损失之间的鸿沟，强调现有审计可能忽略了关键攻击向量（如私钥泄露、社会工程），为安全团队和审计机构提供了改进方向。

该论文从经济学角度分析了“有用工作量证明”（Proof-of-Useful-Work, PoUW）区块链的均衡特性。传统工作量证明（PoW）如比特币，其计算消耗仅用于维护共识，不产生外部经济价值；而PoUW旨在让同一计算既能保障区块链安全，又能产出有价值的经济输出（例如机器学习推理）。然而，一个常见的批评是：如果工作有用，攻击者可能因攻击而获得报酬，从而削弱安全性。作者建立了一个竞争均衡模型，其中计算资源可分配给三种活动：纯挖矿（mining）、纯有用工作（以机器学习推理为例）、以及同时产生两者的“双用途工作”（duplex work，存在计算开销）。模型通过一个单一经济参数——代币-推理比率（token-inference ratio，衡量代币采用程度相对于推理市场规模）——以及双用途工作开销，完成了均衡分配和价格的闭合式特征刻画。分析揭示了三个均衡体制： （1）“Bitconia”：经济体退化为经典PoW，有用工作无关紧要； （2）“Fortessia”：双用途工作取代纯挖矿，在有用产出不变的情况下提升安全性； （3）“Duplexia”：代币奖励补贴推理服务，降低推理价格并扩大供应。 与常见的稻草人论点相反，PoUW并不会使攻击变得经济上廉价：一旦考虑均衡价格，多数攻击的经济成本仍然与区块奖励挂钩。此外，在Duplexia体制下，区块奖励相当于推理价格的折扣，产生了如果没有区块链就不会出现的社会有用计算——这种扩张随代币采用和技术效率单调增加。本文为理解PoUW的经济安全特性提供了理论框架，适合区块链研究者、密码经济学家和安全分析师阅读。

随着Web3基础设施的快速采用，加密货币交易所、托管服务和基于区块链的平台面临越来越多的安全事件。现有研究主要关注智能合约和区块链协议中的漏洞，但现实世界中的大量损失源于链下系统、组织流程和以人为中心的运营工作流。本文对Web3生态系统中公开记录的高影响力安全漏洞进行了基于事件的定性分析，包括Bybit交易所事件（2025年）、Ronin Network桥接妥协（2022年）和DMM比特币交易所漏洞（2024年）。系统分析了这些案例，并将其映射到既定的Web2安全参考框架，包括基于OWASP的漏洞类别和组织安全控制域。结果表明，Web3环境中的主要失败模式未得到通用安全控制目录的充分解决，特别是在加密密钥管理、交易批准治理、签名者和验证者基础设施、第三方工具依赖以及人在回路流程方面。基于这些发现，本文主张在Web3组织中采用既定的信息安全管理体系（ISMS），并推导出一套结构化的区块链特定网络安全控制类别，以将现有ISMS框架应用于基于区块链的系统。提出的类别旨在弥合通用安全治理框架与Web3基础设施固有领域特定风险之间的差距。适合安全研究人员、Web3组织安全负责人及政策制定者阅读。

本研究针对去中心化金融（DeFi）中由矿工可提取价值（MEV）引发的安全问题，特别关注Flashbots bundle机制如何加剧MEV竞争。作者指出，Flashbots bundle允许机会主义交易者通过私有交易通道设计更复杂的MEV提取策略，威胁区块链共识安全与效率。现有方法难以准确识别bundle中的DeFi动作并发现新的MEV活动模式。为此，本文提出两个创新工具：ActLifter，一种自动化工具，通过结合智能合约分析、交易跟踪和机器学习，精确识别每个bundle交易中的DeFi动作（如交换、借贷、套利），在实验中实现了接近100%的精确率和召回率，显著优于现有技术；ActCluster，一种基于迭代聚类的无监督方法，能够自动发现已知和未知的DeFi MEV活动类型。通过对大规模Flashbots bundle数据的分析，ActCluster不仅验证了已有MEV活动，还新发现了17种此前未报道的DeFi MEV活动，这些活动出现在53.12%的bundle中。实验结果表明，新发现的MEV活动具有高频率和多样性，包括复杂的交叉协议套利、时间博弈和清算策略等。该研究首次系统性地揭示了Flashbots bundle中DeFi MEV活动的全貌，为区块链安全社区提供了新的理解，并为后续检测和防御MEV攻击奠定了基础。适合区块链安全研究人员、DeFi开发者及共识机制设计者阅读。

该论文提出了 MEVisor，一个利用 GPU 并行性在去中心化交易所（DEXs）中高效发现最大可提取价值（MEV）机会的系统。MEV 是区块链环境中通过操纵交易顺序获得的利润，对 DEX 安全构成威胁。传统方法由于需要扫描大量交易组合而计算开销巨大。MEVisor 通过将 MEV 发现问题建模为图上的路径搜索，并利用 GPU 的并行计算能力加速搜索过程。系统首先将 DEX 交易对构建为图结构，然后使用 GPU 并行执行多种搜索策略（如循环检测、套利路径搜索），以识别潜在的 MEV 机会。实验表明，MEVisor 相比 CPU 基线实现了数量级的吞吐量提升，能够在更短时间内发现更多 MEV 机会。这项工作为区块链安全中的 MEV 监控提供了高效工具，有助于防御者及时识别和缓解 MEV 攻击。

该论文针对TON（The Open Network）的ADNL（Abstract Datagram Network Layer）安全通道协议提出了攻击方法。ADNL是TON网络节点之间通信的基础安全协议，旨在提供加密和认证。研究者发现该协议在设计上存在漏洞，允许攻击者在不拥有合法密钥的情况下，通过精心构造的数据包破坏通信的保密性和完整性。具体而言，攻击利用了协议中握手阶段的某些实现缺陷，使得攻击者能够伪装成合法节点，或者在通信中注入恶意数据。论文详细分析了ADNL协议的密钥交换、消息认证码和会话管理机制，并提出了两种攻击场景：一种是针对初始化阶段的中间人攻击，另一种是利用协议状态机的不一致性导致会话密钥泄露。实验在TON测试网络上进行，验证了攻击的有效性，并讨论了修复建议，如改进消息验证顺序、增加随机数检查等。该研究对类TLS协议的定制化实现提出了安全警示。