该论文研究的是多链加密货币交易所中原子交换的并行化问题。原子交换是一种去中心化的跨链交易机制，允许不同区块链上的用户直接交换资产而无需信任第三方，但传统原子交换（如哈希时间锁定合约 HTLC）通常只能逐笔串行执行，导致吞吐量低、确认延迟高，难以支撑大规模多链交易场景。论文提出了一种并行化通用原子交换（Parallelizing Universal Atomic Swaps）的方案，核心思路是针对多链环境下的资产交换，设计并发的原子交换协议，使多个交换操作可以同时进行而不会破坏原子性（要么全部完成，要么全部回滚）。方法上可能涉及改进锁定时长、哈希原像共享或新的智能合约结构，以消除串行依赖并缩短交易确认总时间。实验部分（推测）对比了串行与并行方案在交易延迟、吞吐量、成功率等指标上的表现，证明并行化能显著提升多链交易所的效率，同时保持安全性。适合区块链安全研究者、去中心化金融（DeFi）协议开发者以及关注跨链互操作技术的工程师阅读。由于仅提供摘要，结论的置信度有限。

本文从风险管理角度研究 DeFi 协议的操作风险定价问题，类比银行必须持有资本以覆盖操作风险的监管要求，指出 DeFi 协议通常没有此类强制资本要求，操作风险直接暴露给存款人。作者整理了自 2020 年以来 1,075 起事件、合计 94.5 亿美元损失的新的操作风险事件数据集，采用巴塞尔协议风格的按部门损失分布方法，量化四个核心部门的尾部风险，并与银行基准比较。研究发现：四个核心部门的尾部指数不高于 Moscadelli 银行区间 [0.85, 1.39]，但 Bridge、Derivatives 和 Other 部门的尾部接近网络攻击损失水平（ξ≈1.6），点估计超过无限均值边界。Lending 部门的尾部意味着 VaR_99.9 资本缓冲约为 TVL 的 18%，而十大 Lending 平台中，只有四家持有缓冲，平均仅覆盖所需缓冲的 5%。在市场纪律假设下，没有缓冲的平台应向存款人支付更高收益作为补偿；实际数据显示，无缓冲平台的中位收益率确实高出有缓冲平台约 125 个基点，表明市场在一定程度上按正确方向区分风险，但该溢价远不足以充分覆盖尾部风险。这种未定价的尾部风险最终主要落在零售存款人身上，他们只看到挂牌利率，缺乏评估风险的信息和技能。作者认为 DeFi 产品不受银行监管，因此建议采用披露而非资本强制要求：协议及其前端服务提供商应标准化披露损失、现有资本缓冲和尾部覆盖率。

本文针对去中心化金融（DeFi）生态中稳定币智能合约的安全防护问题，提出了一套实时动态防御与异常检测架构。稳定币作为连接加密货币市场与传统金融的关键基础设施，其运行高度依赖智能合约的自动执行；然而智能合约一旦部署便不可篡改，任何安全漏洞被利用都可能导致不可逆的巨大经济损失，甚至引发系统性金融风险。现有研究存在缺乏领域针对性、静态防御模型过时等不足。为此，作者系统梳理了稳定币环境中常见的攻击向量，包括重入攻击、预言机操纵和组合式闪电贷攻击等高风险模式，并基于对12个真实安全事件的深入分析，揭示了这些攻击背后的底层机制。在此基础上，论文构建了一个融合多维链上时序特征的实时异常检测模型，采用双向长短期记忆（Bi-LSTM）算法进行恶意行为识别。实验结果显示，该模型在分类准确率上达到96.61%，对恶意攻击样本的平均召回率达到97.70%，单次推理延迟仅为1.5至2.8毫秒，满足实时检测的时延要求。该研究为稳定币项目方和安全审计人员提供了一种动态、主动的防御思路，弥补了传统静态分析在应对复杂组合攻击时的不足。本文适合DeFi安全研究员、智能合约审计工程师、稳定币协议开发团队以及关注链上安全监控的SOC分析人员阅读。

本文提出针对代币化美国国债的基于凭证的支持证明框架 RWA-PoB。现有储备证明方案仅能提供总储备规模，无法确认链下资产是否合法合规、无产权负担、估值一致或具备足够的赎回流动性。RWA-PoB 引入五个授权机构角色，共同签署一个符合 EIP-712 的数据快照，快照中记录储备、负债、流动性和政策信息。框架定义了支持覆盖率（BCR）用于衡量资产支持充足性，以及赎回流动性覆盖（RLC）用于评估短期赎回能力。作者实现了一个 Solidity 原型，将策略控制器与 ERC-20 代币耦合。发行操作会同时增加代币供应量和对应的美元计价负债；赎回操作则销毁代币并将义务重新分类为待处理，只有在授权的结算角色确认付款后才最终减少该义务。实验部分使用由 USDY 校准的负债和确定性合成储备场景，将 RWA-PoB 与简化的聚合储备证明基线进行对比。结果显示，在有效状态下两者均可发放，但当资产存在产权负担且 BCR 为 96.3408%（低于实验设定的 105% 阈值）时，RWA-PoB 会拒绝该状态；在流动性压力下，RWA-PoB 能在赎回请求后将 RLC 降至 39.9999%，从而将该赎回归类为排队等待。作者强调，该框架验证了机构声明的归属性和完整性，但不能独立证明链下资产的存在、所有权或实际状况。原型、测试套件、数据集和复制脚本均在 GitHub 上公开。该框架对代币化资产的审计、监管科技以及 DeFi 风险控制具有参考价值。

该论文针对DeFi中基于屏蔽UTXO（未花费交易输出）的隐私协议提出了一套统一分析框架。此类协议允许资产在屏蔽池内持续流转，仅在提现或与公开DeFi交互时公开，因此与传统混币器不同，其匿名性并非简单的池规模问题，而是跨note/UTXO、证明和交易三层传播的溯源问题。目前缺乏适用于该场景的统一分析模型。作者提出分层系统模型与分析管道：以历史交易数据为时间基线，对每个证明的承诺集进行累积剪枝和跨证明传播，再递归遍历历史隐藏状态转换，从而推导出最终交易级的匿名集大小。方法在四个Railgun生产部署及六个EVM链上的五个Hinkal池的完整链上历史中验证，共分析186,356笔提现花费交易。仅使用公开协议痕迹和约束，非启发式分析结果显示，相对于各部署的时间基线，平均匿名集大小缩减40.1%至59.0%；其中3,679笔交易的匿名集不超过10个地址，包含1,228个单例。公共代币约束在两个协议中均为最强且最稳定的剪枝来源，而树号、证明根及金额约束的影响因协议设计和历史状态而异。结合典型实例，这些结果揭示了可解释的匿名性损失模式，对用户行为及未来协议设计具有启示意义。该研究为评估屏蔽UTXO协议的真实隐私性提供了系统方法，有助于审计和风险分析。

本文针对去中心化金融（DeFi）协议中深度逻辑漏洞的自动化攻击合成问题展开研究。随着区块链应用普及，DeFi 协议管理的数字资产价值巨大，成为攻击者的首要目标。现有智能合约漏洞检测工具在处理 DeFi 协议时面临严峻挑战：这类协议通常涉及多个智能合约之间的复杂金融交互，漏洞往往隐藏在跨合约的深层逻辑中，而非单个合约内部的简单缺陷。已有工具大多只分析单个合约，面对跨合约调用链时采用暴力搜索或穷举方式，导致分析效率低下且难以发现真正的逻辑漏洞。为此，论文提出名为 FORAY 的新方法，目标是高效合成针对 DeFi 协议深度逻辑漏洞的攻击路径。虽然摘要未详细展开 FORAY 的具体技术架构，但其核心思路应是结合程序分析、符号执行或约束求解等手段，对跨合约的金融交互逻辑进行建模，从而自动生成能够触发逻辑缺陷的交易序列或调用序列。论文强调当前工具的效率瓶颈和浅层分析局限，FORAY 试图填补这一空白。主要贡献包括：提出面向 DeFi 协议的逻辑漏洞攻击合成框架，改善跨合约分析的可扩展性，并为智能合约安全检测提供新思路。适合智能合约安全研究员、DeFi 协议开发者、区块链安全审计人员以及关注自动化漏洞挖掘的学术研究者阅读。

本文提出 PACE（Policy-Attested Contract Execution），一个面向去中心化金融（DeFi）中基于大语言模型（LLM）的自主智能体的交易级授权框架。研究背景在于：LLM 智能体在规划链上交易（如代币兑换、借贷、收益管理）时，容易遭受提示注入攻击，且缺乏将验证者的批准与最终提交到链上的确切交易绑定起来的机制。PACE 在 LLM 智能体与链上执行之间插入一层事务级授权，引入类型化交易意图（typed transaction intents）、确定性策略验证器，以及签名策略决策记录（PDR）。PDR 通过密码学方式将已批准的意图、策略和模拟报告与最终执行字节绑定，并具备重放和过期保护。一个 Solidity 智能账户在链上强制执行 PDR 签名，实测开销为 29,826–31,822 gas。作者在 40 个任务上对比了 6 个基线，涵盖四类攻击场景和良性用途，共进行 2,800 次试验（10 个随机种子）。在确定性沙箱中，PACE 实现了 0.00 的不安全执行率和 0.00 的良性任务误报率，而无防护基线的不安全执行率为 0.80。消融实验表明，宽松的策略设置（+57.5 个百分点）和受触合约允许列表（+12.5 个百分点）是主要的安全影响组件。为验证真实模型输出是否仍能达到相同的确定性底线，作者还提供了三模型实时 LLM 评估（全任务套件、多次运行）以及主网分叉测试工具（用于 archive-RPC 部署，但仅在生成相应工件时报告分叉结果）。这些辅助研究与确定性基准相互独立，不能替代后者。作者将声明限定为可复现基准内的逻辑级安全，而非可部署的 DeFi 安全方案。适合关注 LLM 智能体安全、DeFi 安全、形式化授权机制和链上执行完整性的研究人员与安全工程师阅读。

本文针对去中心化金融（DeFi）中频繁发生的预言机价格操纵攻击，系统性地研究了攻击模式、漏洞类型、风险评估、自动检测与防御策略。作者基于预言机生命周期理论，构建了一个覆盖物理层、协议层和应用层的三层攻击树，用于分析攻击链，并识别出数据选举阶段是关键入侵点。研究总结了四类主要的合约级漏洞：价格数据流验证不足、预言机调用风险、跨合约调用不受控、AMM价格读取逻辑缺陷。在风险评估方面，结合模糊层次分析法（Fuzzy-AHP）和风险价值（VaR）模型量化风险因素，构建涵盖技术、市场、治理和合约风险的风险矩阵。同时，基于扩展的Slither框架开发了自动化检测工具，采用污点跟踪和模式匹配技术。防御方面，提出了多层防御策略，包括数据源层的可信执行环境、智能合约层的TWAP平滑和自适应断路器，以及操作系统层的内核网络配置优化。实验表明，该方法能将攻击导致的价格偏差从55.56%降低到5%以下；检测工具准确率达94.38%，召回率92.31%，优于现有开源工具。本文适合DeFi安全研究者、智能合约审计人员以及区块链安全工程师阅读。

本文针对去中心化金融（DeFi）中跨链交易面临的隐私与监管合规之间的根本性冲突，提出了一种基于零知识证明（ZKP）的可审计跨链框架。研究指出，单链系统中的隐私或透明方案（如公开账本与匿名加密货币）无法同时满足异构跨链环境下的隐私保护和可审计性要求，阻碍了监管机构对DeFi的采纳。该框架集成三个核心组件：其一，利用零知识证明验证交易合规性（如金额非负、签名有效），且不泄露交易细节；其二，引入轻客户端（light-client）机制，实现无需第三方中继的可信最小化跨链验证；其三，基于分布式密钥生成（DKG）的阈值查看密钥（threshold view-key）机制，确保仅在法律触发条件（如FATF旅行规则、MiCA条例）下，授权实体方可进行审计访问。对于跨境调查，框架遵循国家法律和欧盟司法协助指令。工作系统地结合了ZKP、阈值密码学和轻客户端验证，形成一个可审计且保护隐私的跨链协议，为监管科技（RegTech）做出贡献，并为合规、可互操作的DeFi提供了可行路径。该研究适合关注区块链安全、DeFi合规、密码学应用及RegTech的学者和从业者阅读。

该论文基于网络安全公司 ack3 发布的 H1 2026 DeFi 事件数据集，对 2026 年 1 月 1 日至 6 月 29 日期间发生的 135 起 DeFi 安全事件进行了系统性分析，重点关注智能合约审计范围与事件路径之间的关系。数据集显示这些事件造成的总损失约为 9.3986 亿美元。研究人员为其中 68 起事件找到了公开的审计历史记录，并逐起比对了事件攻击路径是否落入事发前已公开的审计范围之内。结果发现：46 起事件的攻击路径完全处于所有已识别审计范围之外，20 起事件至少有一条路径在某个审计范围内，另有 2 起无法判定。在这 68 起事件子集中，范围外路径在数量上占 67.6%，在报告损失金额上占 94.4%。损失加权结果主要受两起大型事件影响；剔除这两起事件后，范围外路径的损失占比仍达 72.1%，说明结论方向稳健。论文还描述了审计时效（审计与事件之间的时间间隔）、时间维度上的损失分布以及受影响项目类型。核心结论是：项目层面的审计历史与事件路径层面的审计覆盖范围是两个相互独立的关键变量，存在审计记录并不等于该次攻击路径已被覆盖。该研究对 DeFi 审计实践、风险评估和保险定价具有直接参考价值。适合智能合约审计师、DeFi 安全研究者、区块链安全团队以及风险管理从业人员阅读。

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。

Gasp 是一个基于应用特定 Layer 2 (L2) 滚动架构的去中心化交易所，旨在作为所有加密资产的聚合层。它利用 EigenLayer 的再质押 ETH 来确保计算正确性和最终确认，采用乐观滚动技术实现无 Gas 的原生跨链交换，无需依赖传统桥接，从而保留 Token 原有的 L1 级别安全性。Gasp 结合应用链架构与逃生舱机制，保证资产可撤回；通过 Themis 架构最小化 MEV（最大可提取价值）风险。协议引入流动性证明机制，通过将质押与流动性提供相结合，释放质押流动性，提升资本效率和流动性深度。此外，Gasp 采用基于时间的奖励机制，通过渐近奖励曲线激励长期流动性承诺。本文分析了跨链通信的当前挑战，阐述了 Gasp 的架构创新和安全保障，并探讨了优化 DeFi 生态系统的新方法。

该论文提出了可互换储备标准（Fungible Reserve Standard, FRS），这是一个确定性的代币设计框架，旨在解决真实世界资产（RWA）代币化过程中面临的持有成本（负利）问题。当前，实物资产如贵金属、存储商品等会产生持续的存储、保险和审计等结构性负利，而现有代币化模型通常由发行方在链下管理这些成本，缺乏透明性和与DeFi协议的可组合性。FRS通过引入一个随时间递减的资产-代币比率q(t)，将持有成本以预定年化费率直接编码到链上逻辑中。该框架还包含供应调节机制，确保用户代币余额的完整性以及ERC-20标准的兼容性。与传统的每日费用比率累积不同，FRS旨在编码实际运营成本，提供纯粹的制度级会计透明度，同时保持与DeFi的兼容性。FRS设计是资产无关的，适用于任何具有正向可预测持有成本的实物资产。实验结果表明，该框架能够在无需代币重新基数调整的情况下，有效、透明地处理负利问题，从而保持了代币的可互换性和与DeFi生态系统的互操作性。

本文研究 Polymarket 预测市场平台中由混合架构（链下撮合 + 链上结算）导致的一致性问题，称为“幽灵填充”（Ghost Fills）。Polymarket 为实现低延迟交易，采用订单在链下匹配、在链上最终结算的设计，但匹配与结算之间的时间差被攻击者利用：匹配成功的订单可能在链上最终确认前被恶意回滚。作者构建了 GHOSTHUNTER 工具，通过分析链上交易记录重构失败的结算，并识别出四种攻击向量：nonce bump（随机数提升）、balance drain（余额耗尽）、allowance revoke（授权撤销）和 proxy trap（代理陷阱），共包含 35 种演化变体。这些攻击允许攻击者选择性回滚已填充的订单，从而实现无风险预测、套利机器人狩猎和流动性奖励操纵。在 1,952,440 笔回滚的匹配订单交易中，他们确认攻击者获利至少 149 万美元，并将 17.8 亿美元的资产置于风险之中，同时运营商为这些回滚支付了 217 万 POL（约 21.2 万美元）。高峰时期超过 24.3% 的已填充订单被回滚，构成事实上的拒绝服务攻击。此外，存在缺陷的合约代码已扩散至 10 条链上的 167 个独立合约，这些合约持有至少 2300 万美元的用户资金，放大了影响范围。作者已向受影响方披露证据，问题已得到部分缓解。该研究不仅揭示了混合结算架构中的安全隐患，也为 DeFi 安全领域提供了新的攻击向量分类与检测方法。适合 DeFi 安全研究员、智能合约审计人员及去中心化应用开发者阅读。

该论文针对量子计算对现有金融加密体系构成的威胁，提出了一种后量子安全的联邦去中心化金融（DeFi）框架，旨在提升因信用记录不足而被传统银行排斥的个人的金融包容性。核心方法包括：多家银行将客户加密数据批量上传至虚拟服务器，采用基于格的全同态加密（FHE）实现端到端同态计算，确保数据在加密状态下完成融合分析；服务器融合本地数据驱动的概率评估、专家信念以及NASA-IBM Prithvi地理空间基础模型（GFM）生成的可验证证据（全部为密文形式）；利用区块链等去中心化技术保证证据的防篡改性和机构间数据交换的可审计问责。该框架以美国弗吉尼亚州农村借款人的农业贷款决策为测试场景，展示了在保护隐私的同时提升贷款覆盖率的潜力。论文的主要贡献在于首次将后量子密码学、联邦学习、FHE与地理空间AI模型系统性地整合到DeFi场景中，为应对量子威胁下的金融普惠问题提供了可扩展的架构方案。适合关注后量子安全、联邦学习、隐私计算及普惠金融的技术研究与安全架构师阅读。

该论文提出了一个形式化框架，用于分析去中心化金融（DeFi）组合的经济安全。DeFi服务通常由多个智能合约组合而成，这种可组合性是DeFi成功的关键驱动力，但也带来了安全风险：攻击者可以利用新部署的合约与已有合约之间的交互来造成经济损失。论文引入了“MEV非干扰”这一形式化安全概念，要求一组新部署的合约的最大可提取价值（MEV）不会因与现有区块链状态的交互而增加。为了支持这一概念，作者定义了“局部MEV”，这是一种新型的经济攻击度量标准，专注于给定受害者合约集的损失。论文研究了两种对手模型（有界财富和无界财富），并建立了充分条件和局部性原则，从而实现对安全组合性的模块化推理。作者将该框架应用于代表性的DeFi组合，包括交易所、自动做市商（AMM）、期权、借贷池、路由器和套利合约，展示了它如何区分安全组合与脆弱组合。该工作为推理DeFi组合的经济安全性提供了形式化基础，适合对DeFi安全、形式化方法和MEV研究感兴趣的读者。

该论文提出了Bastet，一个面向去中心化金融（DeFi）智能合约漏洞检测的细粒度专家标注数据集。2024年，DeFi协议因智能合约漏洞累计损失超过14.9亿美元，基于大语言模型（LLM）的漏洞检测成为有前景的应对方案，但现有评估数据集存在三大问题：基于过时的Solidity版本（如v0.4），无法反映现代DeFi合约；依赖自动化或LLM生成的标注，引入幻觉导致的标签噪声；采用粗粒度的单层标签，难以捕获真实业务逻辑漏洞的语义复杂性。Bastet通过以下方式解决这些问题：数据来源为2021-2024年的真实审计发现；由人类专家通过讨论达成共识进行标注；采用两层分类体系，包含46个标签和77个子标签。数据集包含从394份Code4rena竞争性审计报告中收集的4,402个发现（时间跨度为2021年4月至2024年11月），其中849个发现由DeFiHackLabs社区的白帽安全研究人员完全标注。所有标注均通过双标注者共识工作流程生成，确保了基于真实漏洞根因的标签准确性。该数据集的主要贡献在于：提供高质量、精细化的基准，以推动LLM在DeFi安全领域的应用研究，并促进可复现的实验评估。适合智能合约安全研究人员、LLM应用开发者及DeFi协议审计人员阅读。

本文对DeFi投资代理（即基于AI的自主链上交易系统）进行了大规模的实证分析。自2024年末以来，此类代理的合并代币估值已超过30亿美元。作者首先调查了超过1,900个标注为AI的加密项目，筛选出专注于投资的代理，并从中精选出10个具有代表性的项目，涵盖策略和可观测性维度。随后，对两个主流代理框架ElizaOS和Virtuals Protocol进行了深入的架构分析，并对11个基于Solana的代理金库（具有公开可归属的交易活动）进行了定量链上绩效分析，覆盖了925,323个代币持有者。研究发现：当前部署仍处于早期且高度异质化。（1）样本中许多项目并未提供清晰的自主交易执行证据，开发者访谈表明许多可见部署仍停留在基本API集成层面；（2）代理金库保留了超过3000万美元的账面收益，而代币持有者总计损失1.917亿美元，前1%的地址捕获了所有收益的81.4%（18.1亿美元）；（3）代币估值与金库基本面关联微弱，市值与资产管理规模之比超过10,000倍，而成熟的DeFi协议该比率低于1倍；（4）用户总收益峰值达到24亿美元，随后转为净亏损，每个平台的回报中位数均为负，代币平均从历史高点下跌93%。作者将这些结果解释为一个无需许可的第一代市场的特征：开放基础设施允许快速实验，但也使得在自主性、绩效和利益相关者一致性等稳健标准出现之前，幼稚或投机性的代理得以推出。因此，本文提出了一个成熟度框架，涵盖自主执行、风险调整盈利能力和利益相关者一致性三个维度，以表征当前部署与未来投资级代理系统之间的差距。

本文将Nakamura (2026) 在单期Kyle模型中提出的隐私补贴封闭形式解推广至连续时间框架。研究背景是自动化做市商（AMM）在面对噪声订单流时的隐私与市场效率权衡。核心问题：在连续时间Kyle模型中，当做市商观察到被独立布朗运动扰动（扩散强度σ_ε）的聚合订单流时，如何量化隐私噪声对流动性提供者收益的影响。方法上，论文建立了马尔可夫线性均衡，得到价格影响系数λ=σ_v/√(σ_u^2+σ_ε^2)（时间常数），并推导出在[0,1]时间段内从协议流动性池向交易者的累积期望转移为|Π_M|=σ_v σ_ε^2/√(σ_u^2+σ_ε^2)。主要贡献：1）证明了累积隐私补贴与损失-再平衡（LVR, Milionis et al. 2022）之间的结构对偶性，将隐私噪声福利识别为订单流观察视角下的LVR价格观察缺口；2）完成了在隐私聚合信息环境下量化承诺型AMM盈亏平衡费用的理论体系。该研究为理解DeFi中隐私保护机制的市场影响提供了数学基础。适合对市场微观结构、博弈论和去中心化金融理论感兴趣的读者。

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。

本文针对机构级去中心化金融（DeFi）协议缺乏统一风险量化评估框架的问题，提出一个九维度风险评估框架。现有方法或聚焦于协议层面的参数优化，或停留在概念性分类，未能提供可解释、可组合感知且结构独立的评估方法论。作者在穆迪分析和Gauntlet公司提出的六维度分类基础上，新增三个核心维度：组合风险（composability risk）、理解债务（comprehension debt）和时间风险动态（temporal risk dynamics），并引入透明度置信度修正因子，将评估可靠性与风险严重性分离。该框架基于覆盖超过8000个DeFi协议的本体论基础设施，通过结构化分析协议依赖关系建立。作者对2024-2026年间12起重大DeFi相关事件（造成约25亿美元直接损失）进行回溯分析，发现其中5起（包括数据集内影响最大的两起）必须借助至少一个新维度才能完整解释根因。本文贡献在于提供了一个可落地、可扩展的风险评估框架，特别适用于机构级DeFi投资决策、审计和监管合规场景。研究适合DeFi安全研究员、协议开发者、风险管理人员及监管机构阅读。

该论文提出 HOUSTON，一个针对以太坊去中心化金融（DeFi）协议攻击的实时异常检测系统。研究背景：DeFi 协议遭受多种攻击（如闪电贷攻击、预言机操纵、重入攻击等），现有检测方法多基于规则或签名，难以应对未知攻击且实时性不足。核心问题：如何在大规模交易数据中高效、实时地检测已知与未知攻击。方法：HOUSTON 通过记录并分析每笔交易的程序执行踪迹（如操作码、栈、内存等），将其编码为结构化图表示，然后利用一种新的图神经网络（GNN）架构——时间感知异构图神经网络（TA-HGNN）进行异常评分。系统首先对历史正常交易进行训练，建立行为基线；在实时场景中，对每笔新交易快速提取执行踪迹并计算异常分数，若超过阈值则报警。主要贡献：1）提出一个可扩展的实时检测框架，能够处理以太坊上的高频交易；2）设计 TA-HGNN，有效融合交易执行流中的时序与结构信息；3）在 7 种真实攻击数据集上评估，包括 43 个已知攻击和 257 个变种，检测率超过 95%，误报率低于 0.1%，且平均检测延迟小于 0.5 秒；4）对零日攻击的检测能力良好。适合安全性研究人员、DeFi 协议开发者、区块链安全分析师阅读。

本文提出了一个名为EvoPoC的知识驱动智能体系统，用于端到端的DeFi智能合约漏洞检测与利用合成。核心思路是将利用合成视为结构化推理问题，而非代码生成任务，因此需要协议语义、失败根因和利用原语的知识。EvoPoC将知识组织为层次知识图谱（HKG），作为LLM引导的多跳推理的结构化记忆。为验证利用可行性，系统采用两阶段验证框架：通过SMT求解检查利用路径可达性，通过资产级状态模拟检查利润可实现性，确保生成的PoC满足逻辑和经济可行性约束。在88个真实DeFi攻击和72个审计项目（2573个合约）上评估，检测召回率达98%，F1分数0.9，利用成功率（ESR）96.6%，复现了85个历史漏洞，恢复超过1.162亿美元。EvoPoC在ESR上超越最先进的模糊测试工具Verite和ItyFuzz达5倍，在可恢复价值上超越300倍；相比基于LLM的利用生成器A1，分别超越2倍和8.5倍。在漏洞赏金评估中，EvoPoC发现了16个确认的0-day漏洞，帮助保护超过7060万美元，并获得2900美元赏金。