earticle

영어

As smart contracts become increasingly widespread, security issues frequently arise during their duplication and modifi cation. This study presents a framework for effectively detecting alterations in smart contracts and identifying associated attack surfaces. By employing a combination of AST (Abstract Syntax Tree), CFG (Control Flow Graph), and GNN (Grap h Neural Network) analysis, the framework offers a comprehensive approach to examining contract code structures. Using the Uniswap V2 protocol and its derivative projects as case studies, including Uranium Finance and BurgerSwap, this rese arch conducted code similarity comparisons and identified critical vulnerabilities. The results highlight the potential of the proposed framework as a robust tool for smart contract security auditing and vulnerability detection.

한국어

스마트 컨트랙트의 활용이 증가함에 따라 이를 복제하고 수정하는 과정에서 다양한 보안 문제가 발생하고 있다. 본 연구는 스마트 컨트랙트의 변경 사항을 효과적으로 감지하고 공격 표면을 식별할 수 있는 프레임워크를 제안한다. 제안된 방법론은 AST(Abstract Syntax Tree), CFG(Control Flow Graph), GNN(Graph Neural Network)을 통합적으로 활용하여 코드 구조를 심층 분석한다. 실증 연구로서 Uniswap V2 프로토콜과 이를 기반으로 파생된 프로젝트들의 보안 위험성을 평가하였으며, 특 히 Uranium Finance와 BurgerSwap 사례를 중심으로 코드 유사도 분석과 보안 취약점 진단을 수행하였다. 이를 통해 제안된 분석 체계가 스마트 컨트랙트의 보안 감사에 적용될 가능성을 평가하였다.