ExploitGen: automated smart contract vulnerability verification via taxonomy specialized multi-agent detection and proof-of-concept exploit generation

Résumé

Les contrats intelligents constituent l’infrastructure des protocoles de finance décentralisée (DeFi), où les vulnérabilités logicielles entraînent fréquemment des pertes financières irréversibles. Les approches d’audit automatisées existantes souffrent d’un écart critique entre la détection et la vérification : les systèmes multi-agents fondés sur de grands modèles de langage (LLM) atteignent un rappel élevé, mais génèrent des taux de faux positifs prohibitifs qui submergent les auditeurs et annulent les bénéfices attendus de l’automatisation. Cette thèse présente ExploitGen, un pipeline multi-agents orchestré par LangGraph qui comble cet écart en intégrant une détection spécialisée par taxonomie à une vérification automatisée. Le système déploie d’abord huit agents de détection alignés sur la classification OpenSCV, chacun limité à une seule catégorie afin de maximiser la couverture. Chaque candidat est ensuite soumis à une séquence de vérification en plusieurs étapes : extraction de graphes statiques, validation par falsification, caractérisation sémantique, planification d’attaque structurée (SCoT), synthèse d’une preuve de concept (PoC) exécutable et confirmation contrefactuelle. Une vulnérabilité n’est confirmée que si le test PoC réussit sur le contrat vulnérable et échoue sur une version corrigée préservant la même interface. Évalué sur le banc d’essai SB Curated, ExploitGen vérifie 86 exploits confirmés par contre-exemple sur 139 vulnérabilités de référence, avec un taux de confirmation de 0,741 et un score F1 de 0,675. Par rapport à une configuration à tentative unique du même pipeline, les candidats non confirmés diminuent de 23,1 %. Par rapport à la détection seule, les signalements non confirmés passent de 342 à 30. Une étude d’ablation montre que la sélection des composants doit être adaptée à chaque catégorie de vulnérabilité plutôt qu’appliquée uniformément.

Date	7 sept. 2026
langue originale	Anglais américain
Établissement diplômant	École de technologie supérieure
Superviseur	Kaiwen Zhang (Directeur(-trice)) & Camille Coti (Codirecteur(-trice))