CONSTRAINTDIAL框架通过协议变异构建智能合约安全任务

该论文提出 CONSTRAINTDIAL 框架，旨在解决 AI Agent 在智能合约安全评估中因记忆或复制公开攻击代码而导致的评估失真问题。框架利用协议变异技术自动化重构本地合约，并通过执行攻击来筛选对调用或输入的必要修改，确保原始攻击失效的同时保留可被利用性、安全目标和正常功能。 基于203个公开案例，该框架构建了3,045个涵盖检测、利用和修复的任务输入。实验数据显示，与仅进行重构相比，引入协议变异后，使用公共答案的成功率在检测、利用和修复三个维度上平均降低了10.9个百分点；直接复制在线答案解决的任务比例下降了9.3个百分点。这些数字直接量化了该机制对评估有效性的提升。 事实层面，该研究验证了协议变异能有效阻断基于静态知识库的简单作弊行为。推断层面，这意味着未来的智能合约安全基准测试必须从单纯依赖历史漏洞数据转向动态生成机制，否则评估结果将严重高估模型的真实防御能力。猜测层面，若该框架成为行业标准，可能推动安全审计工具链向具备持续生成对抗样本能力的方向演进，但具体落地成本需进一步观察。