该论文关注智能合约在区块链上公开源代码所带来的新型安全威胁。传统上，智能合约项目为了建立用户信任，会在区块链浏览器上发布并验证源代码，使链上程序以可读形式公开。然而，随着LLM（大语言模型）智能体的发展，攻击者可以借助这些公开源码，利用自动化智能体大规模扫描合约漏洞并策划攻击，改变了这一披露机制原有的威胁模型。为此，作者提出了DeLLMGuard，一个智能合约部署框架，旨在防御恶意LLM漏洞扫描，同时保留公开源代码披露和授权审计的能力。DeLLMGuard通过将已披露的源代码与实际运行时的执行过程分离，利用区块链环境中的多个合约地址，迫使LLM智能体在漏洞分析前必须先恢复代理（proxy）、委托（delegate）和工厂（factory）等跨合约关系。框架内置验证层，可检查部署关系、运行时字节码、源代码和状态变更，确保转换过程不改变原始业务逻辑。作者在基于SCONE-bench衍生的环境中，使用三个LLM智能体对387个真实世界存在漏洞的合约进行了评估。结果显示，DeLLMGuard将根本原因定位准确率从23.5%降低至6.6%，并优于封闭源代码的字节码基线（在主要的非代理合约集合上）。痕迹与消融分析进一步表明，智能体虽然能恢复下游合约，但仍无法识别漏洞，说明跨合约恢复仍然是自动化LLM扫描面临的主要挑战。该研究为智能合约安全提供了一种新的防御思路，适合智能合约开发者、区块链安全研究人员以及关注LLM智能体安全影响的从业者阅读。