1. 연구 배경 및 문제 정의 (Problem)

탈중앙화 애플리케이션 (DApp) 의 급속한 발전과 함께 스마트 계약의 보안, 특히 복잡한 로직 (오라클, NFT 등) 에서 발생하는 원자성 위반 (Atomicity Violation) 문제가 심각한 과제로 대두되었습니다. 기존 정적 분석 도구 (Slither 등) 와 패턴 매칭 엔진 (Semgrep 등) 은 다음과 같은 한계로 인해 높은 오탐 (False Positive) 및 미탐 (False Negative) 비율을 보입니다.

• 문맥적 맹점 (Contextual Blindness, C1): 엄격한 규칙 기반 도구들은 변수 간의 심층적인 의미론적 의존성을 이해하지 못합니다. 이로 인해 악의적인 공격과 정상적인 업데이트를 구분하지 못해 오탐이 발생합니다.
• 위상 불감성 (Topological Insensitivity, C2): 패턴 매칭 방식은 로컬 코드 구문에 집중하지만, 해당 위험 패턴이 유효한 제어 흐름 (Control Flow) 을 통해 실제로 도달 가능한지 검증하지 못합니다. 특히 ERC-721 의 콜백과 같은 전역 실행 위상에 숨겨진 암시적 취약점을 놓치는 미탐이 발생합니다.

2. 제안 방법론: PSR2 (Methodology)

이러한 한계를 극복하기 위해 저자들은 PSR2라는 새로운 협력형 정적 분석 프레임워크를 제안합니다. PSR2 는 구조적 경로 탐색과 결정론적 의미론적 추론을 통합하여, 그래프 기반 증거와 의미론적 사실을 융합함으로써 취약점 탐지의 정밀도와 재현율을 동시에 향상시킵니다.

시스템은 크게 세 가지 모듈로 구성됩니다 (그림 1 참조):

가. 의미론적 컨텍스트 분석 모듈 (SCAM)

• 역할: 스마트 계약을 파싱하여 결정론적 의미론적 사실 (Semantic Facts) 을 추출합니다.
• 작동 방식:
  • 함수 및 상태 프로파일링: 함수와 상태 변수를 정적 토폴로지로 매핑하여 논리적 역할과 접근 패턴을 분류합니다.
  • 상호작용 의존성 추출: 외부 호출 지점을 분석하여 데이터 의존성 집합 ($D$) 을 구성합니다. 이는 어떤 상태 변수가 호출의 매개변수나 실행 조건을 결정하는지 식별합니다.
  • 출력: 추상 문법 트리 (AST) 를 기반으로 한 사실 집합 ($F$) 을 생성하여, 위험의 논리적 근거를 제공합니다.

나. 그래프 구조 분석 모듈 (GSAM)

• 역할: 제어 흐름 그래프 (CFG) 를 기반으로 위험한 실행 경로를 탐색합니다.
• 작동 방식:
  • 그래프 구축 및 추상화: 원시 기본 블록 대신 SLOAD, SSTORE, CALL 등 원자성 관련 연산으로 노드를 라벨링하여 단순화된 그래프를 생성합니다.
  • 원자성 패턴 검증: 중요한 변수 $s$에 대한 읽기 (SLOAD) 와 쓰기 (SSTORE) 사이에 외부 호출 (CALL) 이 개입하는 "의존 상태 경로"를 식별합니다.
  • 위반 조건: $SLOAD(s) \rightarrow CALL(t) \rightarrow SSTORE(s)$ 순서가 발견되면 원자성 위반 위험 경로로 간주합니다.

다. 융합 의사결정 모듈 (FDM)

• 역할: GSAM 의 구조적 경고와 SCAM 의 의미론적 사실을 교차 검증하여 최종 취약점을 확정합니다.
• 작동 방식:
  • 컨텍스트 분석: 의심스러운 경로에 대해 호출 대상 유형, 데이터 의존성, 중간 상태 불일치 여부를 확인합니다.
  • 융합 논리: 구조적 도달 가능성과 의미론적 의존성이 동시에 충족될 때만 취약점으로 판정합니다.
    • High Risk: 의존성 있음 + 중간 상태 불일치 + 고정 주소 아님 (외부 호출).
    • Medium Risk: 의존성 있음 + 중간 상태 불일치 + 고정 주소.
    • Low/None: 조건 미충족 시.
  • 이 모듈은 구조적으로 유효하지만 의미론적으로 불가능한 경로를 제거하여 오탐을 줄입니다.

3. 주요 기여 (Key Contributions)

1. PSR2 프레임워크 제안: 경로 민감성 그래프 분석과 문맥 인식 의미론적 추출을 조화시킨 새로운 프레임워크로, 기존 도구들의 오탐/미탐 트레이드오프를 해결합니다.
2. 통합 원자성 불일치 모델 (Unified Atomicity Inconsistency Model): 다양한 취약점을 일관된 논리 원시 (Primitive) 로 추상화했습니다. 이를 통해 ERC-721 같은 복잡한 시나리오에서도 높은 성능을 발휘합니다.
3. 융합 의사결정 모듈 (FDM) 설계: 구조적 경로와 의미론적 데이터 흐름을 정렬하여 정확하고 해석 가능한 취약점 탐지를 가능하게 합니다.

4. 실험 결과 (Results)

1,600 개의 스마트 계약 샘플 (Smartbugs-Reentrancy, ERC-721 Reentrancy, Smartbugs-Unchecked External Call) 을 대상으로 실험을 수행했습니다.

• 성능 비교 (Table 1):

  • ERC-721 재진입 (복잡한 시나리오): PSR2 는 **F1-score 94.69%**를 기록하여, Semgrep (51.86%) 과 Slither (23.68%) 를 압도적으로 능가했습니다. 이는 PSR2 가 암시적 콜백 (Implicit Callbacks) 을 성공적으로 탐지했음을 의미합니다.
  • 일반 재진입: PSR2 는 정밀도 78.13%, 재현율 98.04% 로 가장 높은 F1-score (87.72%) 를 달성했습니다.
  • 검증되지 않은 외부 호출: PSR2 는 재현율 98.04% 를 유지한 반면, 패턴 기반인 Semgrep 은 9.65% 로 급락했습니다.

• Ablation Study (Table 2):

  • 단일 모듈 (GSAM 만 또는 SCAM 만) 을 사용할 경우 오탐률 (FPR) 이 크게 증가하거나 재현율이 떨어지는 것을 확인했습니다.
  • FDM 의 효과: 전체 프레임워크 (Full) 는 오탐률을 6.40% 로 낮추고 재현율을 92.35% 로 높여, 모듈 간 융합의 필수성을 입증했습니다.

5. 의의 및 결론 (Significance)

• 심층 상태 일관성 보장: PSR2 는 단순한 패턴 매칭을 넘어, 실행 경로와 상태 변화의 논리적 일관성을 동시에 검증함으로써 복잡한 DeFi 및 NFT 계약의 보안성을 강화합니다.
• 확장 가능한 보안 모델: 다양한 취약점을 "원자성 위반"이라는 통일된 모델로 추상화함으로써, 새로운 유형의 공격에도 유연하게 대응할 수 있는 기반을 마련했습니다.
• 실용적 가치: 특히 ERC-721 과 같은 복잡한 상호작용이 포함된 환경에서 기존 도구들이 놓치던 취약점을 발견하여, 블록체인 생태계의 신뢰성을 높이는 데 기여합니다.

결론적으로, PSR2 는 구조적 분석과 의미론적 추론의 시너지를 통해 스마트 계약의 원자성 위반을 탐지하는 새로운 표준을 제시하며, 특히 오탐과 미탐의 균형을 맞춘 고성능 분석 도구로서 그 가치를 입증했습니다.