以太坊智能合约是运行在区块链上的自治去中心化应用，常常管理着价值数百万美元甚至更多的数字资产，因此成为网络攻击的主要目标。仅在2023年，由智能合约漏洞导致的直接经济损失就超过了十亿美元。为了应对这些威胁，学术界和商业界开发了多种漏洞扫描工具，但实践中大量漏洞仍然存在，表明现有工具的实际防护效果与预期存在明显差距。本文旨在系统性地研究这一差距。为此，作者构建了四个不同的数据集：第一个数据集包含从区块链直接提取的77,219份源代码；第二个数据集包含来自以太坊主网和测试网的超过400万份字节码；另外两个数据集分别包含近14,000个经过人工标注的智能合约和373个经过审计验证的智能合约，为在字节码和源代码两种层面进行严格的真实标签分析提供了基础。使用未标注的数据集，作者对18款漏洞扫描器进行了全面的定量评估，发现不同扫描器之间的检测结果存在显著差异。而对真实标签数据集的分析显示，所有被测工具的整体表现均不理想。该研究揭示了扫描器性能不佳的深层原因，并强调当前智能合约安全技术在处理现实开放问题上仍显不足，有效检测漏洞仍然是一个重大且尚未解决的挑战。本文的研究问题聚焦于现有扫描器在真实场景下的检测能力缺口，核心方法是大规模多数据集实证评估，主要贡献在于提供了迄今较大规模的智能合约扫描器评测基准，并系统性地分析了各类工具的局限性。适合智能合约安全研究人员、区块链安全工具开发者、审计机构以及对该领域前沿实证研究感兴趣的安全从业者阅读。