LibScan: Smart Contract Library Misuse Detection with Iterative Feedback and Static Verification
यह शोध पत्र LibScan प्रस्तुत करता है, जो एक स्वचालित ढांचा है जो स्मार्ट कॉन्ट्रैक्ट लाइब्रेरी के दुरुपयोग की आठ श्रेणियों का प्रभावी ढंग से पता लगाने के लिए लार्ज लैंग्वेज मॉडल-आधारित सिमेंटिक रीजनिंग को नियम-आधारित स्टैटिक एनालिसिस और एक इटरेटिव सेल्फ-करेक्शन मैकेनिज्म के साथ जोड़ता है, जिससे वास्तविक दुनिया के कॉन्ट्रैक्ट्स पर 85.15% सटीकता प्राप्त होती है और मौजूदा टूल्स की तुलना में काफी बेहतर प्रदर्शन होता है।
मूल पेपर CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/) के तहत लाइसेंस किया गया है। नीचे दिए गए पेपर की यह व्याख्या AI से तैयार की गई है। इसे लेखकों ने न तो लिखा है, न इसका समर्थन किया है। तकनीकी सटीकता के लिए मूल पेपर देखें। पूरा डिस्क्लेमर पढ़ें
कल्पना कीजिए कि आप एक घर बना रहे हैं। समय बचाने और सुरक्षा सुनिश्चित करने के लिए, आप एक भरोसेमंद निर्माण कंपनी के पहले से बने, उच्च गुणवत्ता वाले उपकरणों और ब्लूप्रिंट का उपयोग करने का निर्णय लेते हैं (ये स्मार्ट कॉन्ट्रैक्ट लाइब्रेरीज़ हैं)। आप उम्मीद करते हैं कि ये उपकरण हर बार पूरी तरह से काम करेंगे।
हालाँकि, कभी-कभी उपकरण का उपयोग करने वाला व्यक्ति गलती कर देता है। शायद वे एक कील को कसने के लिए हथौड़े का उपयोग करते हैं, या वे जाने से पहले यह जांचना भूल जाते हैं कि दरवाजा लॉक है या नहीं। ब्लॉकचेन की दुनिया में, ये गलतियाँ केवल परेशान करने वाली नहीं हैं; इनसे करोड़ों डॉलर हमेशा के लिए गायब हो सकते हैं क्योंकि कोड, एक बार बन जाने के बाद, उसे आसानी से ठीक नहीं किया जा सकता है।
यह शोध पत्र LibScan पेश करता है, जो एक नया "स्मंत निरीक्षक" (smart inspector) है जिसे घर बनने से पहले ही इन विशिष्ट गलतियों को पकड़ने के लिए डिज़ाइन किया गया है।
LibScan कैसे काम करता है, इसे सरल उपमाओं के माध्यम through समझाया गया है:
1. समस्या: "विशेषज्ञ" बनाम "नियम पुस्तिका"
पारंपरिक रूप से, सुरक्षा स्कैनर कठोर नियम पुस्तिकाओं की तरह थे। वे आपके कोड को देखते और कहते, "आपने कील पर हथौड़ा चलाया? यह नियम #42 के विरुद्ध है!"
- दोष: वे स्पष्ट त्रुटियों को खोजने में बहुत अच्छे हैं, लेकिन वे इरादे (intent) को समझने में बहुत खराब हैं। यदि आपने दरवाजे को ठीक करने के लिए हथौड़े का उपयोग इसलिए किया क्योंकि आपको लगा कि वह एक पेंच था, तो नियम पुस्तिका उसे नहीं पकड़ पाएगी क्योंकि उपकरण का उपयोग सही ढंग से किया गया था, बस गलत काम के लिए।
दूसरी ओर, हमारे पास लार्ज लैंग्वेज मॉडल्स (LLMs) हैं, जो प्रतिभाशाली, सुशिक्षित वास्तुकारों (architects) की तरह हैं। वे आपके ब्लूप्रिंट को पढ़ सकते हैं और समझ सकते हैं कि आपने कुछ क्यों किया। वे कोड के पीछे की "कहानी" को समझते हैं।
- दोष: ये वास्तुकार कभी-कभी बहुत अधिक कल्पनाशील होते हैं। वे "भ्रम" (hallucinate) का शिकार हो सकते हैं और सोच सकते हैं कि आपने कोई गलती की है जबकि आपने नहीं की थी, या वे बहुत लंबे, जटिल ब्लूप्रिंट से भ्रमित हो सकते हैं।
2. समाधान: LibScan (द "सुपर-इंस्पेक्टर")
LibScan एक हाइब्रिड टीम है जो एक आदर्श निरीक्षण प्रक्रिया बनाने के लिए वास्तुकार (LLM) और नियम पुस्तिका (Static Analysis) को जोड़ती है।
चरण A: "स्मार्ट अनुमान" (वास्तुकार)
सबसे पहले, LibScan AI वास्तुकार से कोड को देखने के लिए कहता है। AI केवल कीवर्ड्स को स्कैन नहीं करता है; यह कोड को एक कहानी की तरह पढ़ता है। वह खुद से पूछता है: "क्या इस डेवलपर को पता है कि इस लाइब्रेरी टूल की वास्तविक क्षमता क्या है?"
- 8 गलतियाँ: शोध पत्र इन उपकरणों के साथ डेवलपर्स द्वारा की जाने वाली 8 विशिष्ट गलतियों की पहचान करता है, जैसे कि:
- अति-अनुमान (Overestimating): यह सोचना कि एक टूल जादू कर सकता है जब वह नहीं कर सकता।
- कम-अनुमान (Underestimating): पहिए का पुन: आविष्कार करना जब टूल के पास पहले से ही एक उत्तम संस्करण मौजूद है।
- काम के लिए गलत उपकरण (Wrong Tool for the Job): एक प्रकार के डेटा के लिए बनी लाइब्रेरी का उपयोग पूरी तरह से अलग प्रकार के डेटा पर करना।
चरण B: "दूसरी राय" (नियम पुस्तिका)
चूंकि वास्तुकार कभी-कभी दिवास्वप्न देख सकता है, LibScan तुरंत एक स्टैटिक एनालिसिस (Static Analysis) चेक चलाता है। यह कोड के सटीक आयामों को मापने वाले लेजर स्कैनर की तरह है। यह ठोस तथ्यों की जांच करता है: "क्या आपने वास्तव में इस लाइब्रेरी को इम्पोर्ट किया है? क्या गणित सही है?"
चरण C: "बहस" (पुनरावृत्ति फीडबैक)
यही असली सफलता का मंत्र है। यदि वास्तुकार कहता है, "मुझे लगता है कि यहाँ एक समस्या है," और नियम पुस्तिका कहती है, "मुझे कोई समस्या नहीं दिख रही है," तो वे हार नहीं मानते। वे बहस करते हैं।
- LibScan एक लूप का उपयोग करता है जहाँ AI को नियम पुस्तिका के ठोस डेटा के आधार पर अपने स्वयं के उत्तर का पुनर्मूल्यांकन करने के लिए कहा जाता है।
- यह एक शिक्षक की तरह है जो छात्र से पूछता है, "क्या तुम सुनिश्चित हो? चलो सबूतों को फिर से देखते हैं।" AI अपनी गलतियों को सुधारता है, अपने उत्तर को तब तक परिष्कृत करता है जब तक कि वह आश्वस्त न हो जाए।
चरण D: "अंतिम निर्णय" (जूरी)
अंत में, LibScan एक "जूरी" (एक रैंडम फॉरेस्ट एल्गोरिदम) का उपयोग करता है जो वास्तुकार की कहानी और नियम पुस्तिका के तथ्यों को तौलता है। यदि दोनों सहमत हैं, तो यह एक पुष्ट बग है। यदि वे असहमत हैं, तो सिस्टम सर्वोत्तम निर्णय लेने के लिए समान मामलों के इतिहास को देखता है।
3. यह क्यों महत्वपूर्ण है
शोधकर्ताओं ने 662 वास्तविक दुनिया के स्मार्ट कॉन्ट्रैक्ट्स पर LibScan का परीक्षण किया।
- पुराने टूल्स: समस्याओं के लगभग 62-68% को पकड़ पाए।
- LibScan: समस्याओं के 85% को पकड़ पाया।
यह फर्श को देखने वाली टॉर्च से अपग्रेड होकर एक ड्रोन होने जैसा है जो पूरे घर को देख सकता है, नींव की दरारें ढूंढ सकता है, और यहाँ तक कि निर्माता से पूछ भी सकता है, "रुको, क्या आप वास्तव में खिड़की को वहीं रखना चाहते थे?"
सारांश
LibScan ब्लॉकचेन की दुनिया के लिए एक सुरक्षा जाल है। यह डेवलपर्स को लाइब्रेरी टूल का गलत उपयोग करके गलती से बैंक खाली करने से रोकता है। यह एक रचनात्मक AI (जो क्यों को समझता है) को एक कठोर स्कैनर (जो क्या की जांच करता है) के साथ जोड़ने और फिर उन्हें सच खोजने तक एक-दूसरे से बात करने के लिए मजबूर करके ऐसा करता है।
परिणाम? एक सुरक्षित, अधिक सुदृढ़ डिजिटल दुनिया जहाँ आपकी धनराशि एक साधारण लाइब्रेरी टूल की गलतफहमी के कारण हमेशा के लिए लॉक होने की संभावना कम है।
अपने क्षेत्र के पेपरों की भीड़ में उलझे हुए हैं?
आपके रिसर्च कीवर्ड से मेल खाने वाले सबसे नए और अलग सोच वाले पेपरों का रोज़ाना Digest पाएँ—तकनीकी सारांश के साथ, आपकी भाषा में।