LibScan: Smart Contract Library Misuse Detection with Iterative Feedback and Static Verification

1. O Problema

Os contratos inteligentes (smart contracts) são a infraestrutura central das finanças descentralizadas (DeFi), gerenciando bilhões de dólares em ativos. Embora os desenvolvedores dependam cada vez mais de bibliotecas de código de terceiros (como SafeERC20 e SafeMath) para melhorar a eficiência e a segurança, o uso indevido dessas bibliotecas introduz vulnerabilidades ocultas e difíceis de detectar.

O problema central é que o uso indevido de bibliotecas (Library Misuse) muitas vezes não envolve apenas a violação de padrões de código conhecidos, mas sim falhas na compreensão da intenção do desenvolvedor, suposições subjetivas e semântica contextual complexa.

• Limitações das Ferramentas Atuais: Ferramentas de análise estática tradicionais (como Slither) baseiam-se em regras codificadas e árvores de sintaxe, falhando em detectar padrões que exigem raciocínio semântico profundo. Por outro lado, modelos de linguagem grandes (LLMs) puros sofrem com "alucinações" e altas taxas de falsos positivos quando analisam contratos complexos, devido à falta de restrições rigorosas no nível do código.

2. Metodologia: O Framework LibScan

O LibScan é um framework híbrido de detecção automatizada que combina o raciocínio semântico de LLMs com a precisão determinística da análise estática. O sistema opera através de três componentes principais:

A. Identificação de Padrões de Uso Indevido

O trabalho baseia-se em um estudo empírico que categorizou 8 padrões distintos de uso indevido de bibliotecas em contratos inteligentes:

1. P1: Verificação de Wrapper Inválida na Biblioteca.
2. P2: Exceções Não Tratadas na Biblioteca.
3. P3: Extensão Inadequada da Biblioteca.
4. P4: Uso Inadequado da diretiva using for.
5. P5: Substituição Incompleta de Funções.
6. P6: Superestimação da Capacidade da Biblioteca.
7. P7: Subestimação da Capacidade da Biblioteca.
8. P8: Uso Desnecessário de Biblioteca.

B. Módulo Baseado em LLM com Feedback Iterativo

• Prompting PTS (Pre-generated, Then Selected): Inspirado em Auto-CoT, o sistema utiliza uma estratégia de prompt que induz o LLM a realizar um raciocínio passo a passo (Chain-of-Thought).
• Otimização Iterativa: Para mitigar a aleatoriedade e as alucinações dos LLMs, o LibScan implementa um mecanismo de feedback em loop. O sistema executa múltiplas rodadas de análise onde a saída de uma rodada é usada como feedback para refinar a próxima. O processo continua até atingir um limiar de precisão desejado ou convergir.
• Modelos Utilizados: O estudo testou GPT-4o, GPT-4 Turbo, DeepSeek-V3 e DeepSeek-R1, selecionando os melhores resultados após três iterações.

C. Módulo de Análise Estática

Para validar as descobertas do LLM e reduzir falsos positivos, o LibScan emprega duas abordagens estáticas:

• BCSSM (Baseada em Similaridade de Código): Utiliza vetores TF-IDF e similaridade de cosseno para comparar trechos de código com padrões conhecidos de uso indevido.
• HCSA (Análise Estática Híbrida Contextual): Utiliza a ferramenta Slither para gerar Árvores de Sintaxe Abstrata (AST) e Grafos de Fluxo de Controle (CFG). Regras personalizadas são aplicadas para verificar a completude de sobrescritas, validação de contextos aritméticos e equivalência de funções wrapper/primitivas.

D. Integração de Resultados

Os resultados dos módulos de LLM e Análise Estática são combinados utilizando um modelo de Random Forest (Floresta Aleatória). Este classificador de ensemble aprende as interdependências não lineares entre as previsões dos dois módulos, agregando-os para produzir uma classificação final mais robusta.

3. Contribuições Chave

1. Primeira Ferramenta Híbrida: O LibScan é, segundo os autores, a primeira ferramenta a combinar LLMs com análise estática especificamente para detectar padrões de uso indevido de bibliotecas em contratos inteligentes.
2. Base de Conhecimento Estruturada: Integra descrições de cenários de uso indevido com características de nível de código, criando um padrão de correspondência ideal para LLMs.
3. Mecanismo de Feedback Iterativo: Propõe uma estratégia de otimização em loop que reduz significativamente a indeterminação e as alucinações dos modelos de linguagem.
4. Validação Empírica: O framework foi testado em um conjunto de dados real e abrangente, demonstrando eficácia tanto em contratos simples quanto complexos.

4. Resultados Experimentais

Os experimentos foram conduzidos em 662 contratos inteligentes do mundo real (extraídos de um conjunto de 1.018 contratos pré-rotulados).

• Precisão Geral: O LibScan alcançou uma precisão de detecção global de 85,15%.
• Comparação com o Estado da Arte:
  • Superou a ferramenta de análise estática Slither (62,39% de precisão) em mais de 16 pontos percentuais.
  • Superou a ferramenta baseada em LLM GPTScan (68,91% de precisão) em mais de 16 pontos percentuais.
• Estudo de Ablação: A combinação de LLM e Análise Estática (HCSA) demonstrou resultados substancialmente melhores do que qualquer método utilizado isoladamente (LLM puro: 73,56%; Estática pura: 70,66%).
• Métricas Detalhadas (LibScan):
  • Precisão (Precision): 86,19%
  • Revocação (Recall): 82,22%
  • F1-Score: 83,75%

5. Significado e Impacto

O trabalho do LibScan é significativo porque preenche uma lacuna crítica na segurança de contratos inteligentes. Ele demonstra que a detecção de vulnerabilidades sutis, como o uso indevido de bibliotecas, não pode ser resolvida apenas por regras rígidas ou apenas por modelos generativos.

Ao integrar a capacidade de raciocínio semântico dos LLMs (para entender a intenção e o contexto) com a verificação determinística da análise estática (para garantir a correção sintática e lógica), o LibScan oferece um novo paradigma para auditoria de segurança. A ferramenta ajuda a prevenir perdas financeiras catastróficas causadas por falhas de design que passam despercebidas por ferramentas tradicionais, e seu código e dados experimentais foram disponibilizados publicamente para fomentar pesquisas futuras.