跳到正文
热点事件持续更新

研究评估LLM检测Solana跨链桥漏洞

1 篇报道1 个报道来源46 分钟前更新

先了解这件事

AI 综述

Yasir Rahman 等研究者发布 arXiv 论文(2611.21777),评估五款开源权重 LLM 诊断 Solana 跨链桥漏洞的能力。结果显示:无注释时模型仅诊断出 24% 的漏洞源码输入,且常误报安全桥;交易级诊断仅在 missing-signer 场景较高,其余三个场景平均仅 6%;加入原始注释后源码诊断率升至 60%。 研究方法是在本地 Solana 验证器上实现 Rust lock-and-mint 跨链桥及四种可利用变体——其中两个源自 Cashio 和 Wormhole 事件的模型缺陷,另两个代表 Solana 安全审计中记录的漏洞类别。共测试六种配置,收集 16,800 次响应,并用两个盲评 LLM 评分器对 7,200 份针对漏洞输入的回答打分。

AI 根据报道生成 · 8 分钟前更新

报道时间线

沿着报道,了解事件的不同侧面。

11月18日
  1. arXiv cs.AI
    LLM 作为跨链桥验证器:评估 Solana 上的源码级与交易级攻击检测

    一项 arXiv 研究在本地 Solana 验证器上实现 Rust lock-and-mint 跨链桥及四种可利用变体,评估五个开源权重模型的六种配置在 16,800 次响应中诊断跨链桥漏洞的能力。结果显示,无注释时模型仅诊断出 24% 的漏洞源码输入,且常误报安全桥;交易级诊断在 missing-signer 场景较高,其余三个场景平均仅 6%;加入原始注释后源码诊断率升至 60%。

本事件热度走势

还没有足够的连续观测数据,暂不绘制趋势。