arXivは2026年11月17日(現地時間)、大規模言語モデル(LLM)を用いたクロスチェーンブリッジの脆弱性検出能力に関する研究論文を発表した。この研究はSolanaブロックチェーン上で稼働するブリッジを対象とし、ソースコードレベルとトランザクションレベルでの攻撃検出能力を評価。LLMの可能性と課題を提示している。

クロスチェーンブリッジは、オンチェーンプログラムの脆弱性が原因で多額の資産損失に直面してきました。Solanaブロックチェーンにおいても、検証チェックの不備が、基盤となるブロックチェーンが正常に機能している場合でもエクスプロイトを許容する事例が確認されています。これまで、大規模言語モデル(LLM)が、単にアラームを発するだけでなく、ソースコードやトランザクション記録からこれらの欠陥を診断する能力については、十分に解明されていませんでした。

本研究では、ローカルのSolanaバリデーター上にネイティブなRust製のロックアンドミントブリッジを実装し、四つの悪用可能なバリアントを作成しました。これらには、CashioやWormholeのインシデントに由来する二つのモデル欠陥と、Solanaのセキュリティ監査で文書化されている二つの脆弱性クラスが含まれています。脆弱なプログラムと安全なプログラムのペアリングに加え、攻撃成功事例、良性セッション、およびブロックされた試行を組み合わせて評価することで、モデルが提供する診断が正確であるか、あるいは根拠のないアラームであるかを区別しました。

Yasir Rahman氏らが実施したこの評価では、五つのオープンウェイトモデルの六つの構成について、合計16,800の応答を分析しました。入力として与えるソースコードのコメントの有無による比較も行い、脆弱な入力に対する7,200の回答は二人のブラインドされたLLMグレーダーによって採点されました。その結果、コメントなしの場合、モデルは脆弱なソース入力の24%を診断する一方で、安全なブリッジに対しても頻繁に誤検出を行いました。

トランザクション診断については、署名者不明のシナリオでは高い性能を示しましたが、他の三つのシナリオでは平均6%に留まりました。一方で、脆弱性を説明する内容を含む元のコメントをソースコードに含めた場合、ソース診断の精度は60%に向上しました。これらの知見は、ブリッジのセキュリティレビューにおいて、単なるアラームではなく正確な脆弱性診断を特定することの重要性を示唆しています。研究者は、LLMがクロスチェーンブリッジのセキュリティ検証において有用なツールとなり得ると結論付けていますが、その適用には、モデルの限界と、与えられる情報の質が結果に大きく影響することを理解する必要があるとしています。


参考: arXiv cs.CR — 2026年11月18日 14:00 (JST)

原文ハイライト

"LLMs as Validators for Cross-Chain Bridges"

この記事をシェア
X はてブ LinkedIn