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。