- 博客(9)
- 资源 (1)
- 收藏
- 关注
RSS订阅原创 Silence False Alarms: Identifying Anti-Reentrancy Patterns on Ethereum to Refine Smart Contract笔记
现有重入攻击检测工具因仅能识别CEI模式，导致高误报率。解决方案聚焦：🌟扩展反重入模式识别能力：包括刻意设计的反重入代码和非刻意但具备防御效果的模式🛡️两大核心属性：1️⃣ 限制非授权用户的敏感函数重入2️⃣ 阻断攻击者通过合约状态操纵获利。
2025-06-05 14:32:05
973
原创 PropertyGPT: LLM-driven Formal Verification of Smart Contracts through Retrieval-Augmented Propert笔记
作者: Ye Liu;Yue Xue;Daoyuan Wu;Yi Li;Yang Liu;期刊: 2025.期刊分区: CCF A ㅤㅤ ㅤㅤ下载链接:摘要翻译: 形式化验证是一种能证明系统相对于特定规约或属性正确性的技术，对于管理数十亿美元加密资产的安全敏感型智能合约尤为宝贵。尽管现有研究已开发出多种针对智能合约的静态验证工具（或证明器），但自动化生成全面属性（包括不变量、前置/后置条件及规则）仍是关键缺失环节。因此Certora等业界领先企业不得不依赖内部或众包专家逐例手动编写属性。
2025-06-04 15:32:52
1095
原创 A privacy‐preserving scheme with multi‐level regulation compliance for blockchain-《一种支持多级监管合规的区》阅读笔记
随着基于区块链的分布式应用在日常生活中日益普及，针对区块链账本隐私保护及相应监管技术的研究受到广泛关注。然而当前主流方案主要聚焦于对区块链交易地址及内容的可验证加密，忽视了私有交易的合规监管需求；现有的少数可监管方案则存在过度中心化、监管内容单一等问题。针对上述缺陷，本文提出一种融合零知识证明（zk-SNARKs）与属性基加密（ABE）技术支持多级监管的区块链隐私保护方案：首先利用zk-SNARKs技术实现账户模型下的区块链隐私保护，隐藏用户交易地址与交易金额；其次结合属性基加密开发多级监管模型，在隐私
2025-05-19 19:53:21
772
原创 Why and how zk-SNARK works(2019-06-17) 笔记——《zk-SNARK为何有效及其工作原理：权威详解》(待修）
尽管已有大量关于zk-SNARK构造的优质资源，从原始论文到技术解读，但由于该系统涉及大量模块化组件，该主题对许多人而言仍如黑箱般难以参透。虽然现有资料揭示了部分拼图，但缺失的碎片总让人难以窥见全貌。为此，本研究力图通过基于案例的简明路径，在解答沿途诸多"为何"的过程中揭开这一技术的面纱，使更多人能领略这项尖端技术之美、创新者之智以及数学之韵。本文的贡献在于通过层次清晰、循序渐进的内容展开，即使读者不具备该领域、密码学或高等数学的先验知识，也能理解zk-SNARK。首要目标不仅在于阐释其工作原理，更在于揭示
2025-05-15 14:23:25
1120
1
原创 How to Explain Zero-Knowledge Protocols to Your Children
证明者（Prover）在不泄露任何秘密信息的前提下，向验证者（Verifier）证明自己掌握某个秘密。
2025-05-07 20:52:27
1080
原创 速读《Abusing the Ethereum Smart Contract Verification Services for Fun and Profit》滥用以太坊智能合约验证服务： 娱乐与牟利
智能合约在以太坊生态系统中起着至关重要的作用。由于智能合约普遍存在各类安全问题，智能合约验证环节亟需实施——该过程通过将智能合约的源代码与其链上字节码进行匹配，从而实现开发者与用户间的双向信任。尽管主流以太坊浏览器（如Etherscan和Blockscout）以及官方平台（即Sourcify）均嵌入了验证服务并广受欢迎，但其安全性与可信度仍缺乏明确评估。为此，我们首次对实际部署的智能合约验证服务开展全方位安全分析：通过深入剖析现有验证工具的工作流程，我们归纳了关键安全属性要求，并发现八类可破坏验证过程的漏洞
2025-04-09 15:26:28
960
原创 BC4LLM: a perspective of trusted artificial intelligence when blockchain meets large language models
近年来，人工智能（AI）和机器学习（ML）正在重塑社会的生产方式与生产力，同时也改变着科学研究的范式。其中，以ChatGPT为代表的大语言模型（LLMs）取得了重大进展。这类大语言模型以AI生成内容（AIGC）的形式为人们服务，并在咨询、医疗、教育等领域得到广泛应用。然而，AIGC学习数据的真实性和可靠性难以保障，分布式AI训练中也可能存在隐私泄露的隐患。此外，LLMs生成的内容难以识别与溯源，且跨平台的互认性较差。上述信息安全问题在即将到来的LLMs驱动的AI时代将被无限放大，并与每个人的生活产生关联。
2025-03-27 11:18:24
980
原创 A Review on Blockchain Technology, Current Challenges, and AI-Driven Solutions(综述笔记）
综述摘要：区块链提供了包括去中心化、数据完整性、可追溯性和不可篡改性在内的诸多优势。然而，尽管有这些优势，区块链仍面临着显著的局限性，如可扩展性、资源消耗大、治理复杂性以及一些与安全相关的问题。这些限制阻碍了其在主流应用中的采用。人工智能（AI）可以帮助解决其中的一些局限性。本调查详细概述了基于AI的区块链优化与改进方法、工具和提议的解决方案，以及它们在满足现有系统和应用需求时的优点和不足。随后，重点建议了一些基于AI的方向，以解决区块链的一些根本局限性。
2025-03-12 22:03:15
814
原创 AI-enhanced blockchain technology: A review of advancements and opportunities《人工智能增强区块链技术——综述笔记》
AI增强区块链技术：进展与机遇综述。
2025-03-07 20:04:59
1800
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人