该论文研究的是去中心化金融（DeFi）中的价格操纵攻击（Price Manipulation Attacks, PMA）检测问题。背景上，DeFi 作为基于区块链的快速增长型金融服务，其市场交易动态与底层智能合约逻辑深度耦合；这种无需中心化中介的自主交互虽然提升了效率，却显著扩大了协议的攻击面，PMA 已造成灾难性的资金损失。作者指出，现有检测范式存在两个根本性局限：一是以交易为中心的方法缺乏对合约执行语义的感知，在正常的市场波动下容易产生误报；二是静态合约分析方法忽略真实交易行为，经常报告在实际中根本无法被利用的所谓漏洞。为此，论文提出 DeFiFusion —— 一个双模态 PMA 检测框架，在统一流水线中联合建模交易事件与智能合约语义。其核心洞察是：PMA 的恶意性只在“交易行为”与“其所利用的合约逻辑”的交互中才得以显现，任何单一模态的信号都不足以做出判定。具体方法包括三部分：(1) 面向价格操纵的事件编码，用于提取针对操纵模式定制的细粒度时序特征与经济特征；(2) 基于大语言模型的合约语义提取，为行为侧方法补足其缺失的执行逻辑上下文；(3) 双模态融合模块，采用带有 T5 风格相对位置编码的 Dual-Modal Projection-Fusion Transformer，以捕捉区分 PMA 与良性市场活动的周期性多阶段执行结构。实验结果表明 DeFiFusion 持续取得最先进的检测性能：在 225 个 PMA 案例中成功召回 222 个，同时保持 96.10% 的精确率，说明其在降低误报与提升召回之间取得了较好平衡。该工作适合从事链上风控、区块链安全审计、DeFi 协议安全运营以及多模态时序+语义融合检测的研究者与工程师阅读。