# SLISE_dev **Repository Path**: stdin2/slise_dev ## Basic Information - **Project Name**: SLISE_dev - **Description**: No description available - **Primary Language**: Unknown - **License**: Not specified - **Default Branch**: main - **Homepage**: None - **GVP Project**: No ## Statistics - **Stars**: 0 - **Forks**: 0 - **Created**: 2026-03-17 - **Last Updated**: 2026-10-13 ## Categories & Tags **Categories**: Uncategorized **Tags**: None ## README

# SliSE ### 面向有限验证预算的智能合约重入漏洞检测 **优先验证高风险候选，让符号执行预算用在关键位置。** `Solidity` · `Static Analysis` · `Symbolic Execution` · `Adaptive Budget` [方法框架](#方法框架) / [快速开始](#快速开始) / [实验复现](#实验复现) / [评估指标](#评估指标) / [项目结构](#项目结构)

--- 复杂智能合约会产生大量静态告警，逐一验证却需要高昂的时间和内存开销。本项目在 **SliSE 重入检测复现流程**上，加入候选风险排序与自适应预算分配：根据代码特征和告警证据，决定**先验证谁、验证多少个**，再由符号执行完成漏洞验证。

SliSE 方法框架：静态告警与代码特征融合评分，经候选排序和预算决策后执行 Top-K 符号验证

_{静态告警 → 候选评分 → 优先级排序 → 预算决策 → Top-K 符号验证}

完整预算对照：按顺序运行四个阶段

学习式预算需要额外安装机器学习依赖： ```powershell python -m pip install -r requirements-ml.txt ``` 为各阶段指定同一组目录，使固定预算结果可用于后续对照与训练： ```powershell $experimentPaths = @( '--output-root', 'experiments_runtime_fallback_full', '--evaluation-root', 'evaluation_runtime_fallback_full', '--report-root', 'reports_runtime_fallback_full' ) python run_experiment.py --mode priority @experimentPaths python run_experiment.py --mode priority-sweep --topk-list 5 10 @experimentPaths python run_experiment.py --mode adaptive @experimentPaths python run_experiment.py --mode learned @experimentPaths ``` `priority-sweep` 需要已有 baseline 实验和评估结果；`learned` 需要固定预算记录及自适应实验数据。默认情况下，前两个模式使用 `experiments`、`evaluation`、`reports`，后两个使用带 `_runtime_fallback_full` 的目录，因此连续复现时应显式对齐路径。

单合约、批量分析与断点续跑

单合约分析，将路径替换为实际 Solidity 文件： ```powershell python run_slise.py -s path/to/contract.sol -vt reentrancy ``` 目录批量分析： ```powershell python batch_analyze.py --input-dir Datasets/DB2/Reentrancy_label --output-dir tmp/DB2 ``` 全量流程小规模试跑，每个数据集最多处理 20 个文件： ```powershell python run_experiment.py --mode full --max-files-per-dataset 20 ``` 完整基础分析与续跑： ```powershell python run_experiment.py --mode full --resume ``` 使用上一节定义的目录继续自适应实验： ```powershell python run_experiment.py --mode adaptive --resume @experimentPaths ``` 查看全部实验参数： ```powershell python run_experiment.py --help ```

## 评估指标 | 维度 | 指标 | 关注的问题 | | :--- | :--- | :--- | | 检测覆盖 | Recall | 当前评估口径下检出了多少漏洞样本？ | | 排序效果 | Recall@K、First-hit rank | 有效命中是否出现在验证序列前部？ | | 验证效率 | Time-to-first-hit、Stage-II calls | 首次命中需要多久、消耗多少验证调用？ | | 运行鲁棒性 | Fallback outcome、Runtime failure | 异常后能否恢复，失败是否被单独统计？ | 按上述统一目录流程运行后，主要结果位于： ```text reports_runtime_fallback_full/ ├── aggregate/comparison.md # 策略对照 ├── aggregate/comparison_budget_tradeoff.md # 预算与效果权衡 ├── adaptive/adaptive_budget_report.md # 启发式预算分析 ├── adaptive/budget_feature_table.csv # 预算特征明细 ├── learned/learned_budget_report.md # 学习式预算评估 └── diagnostics/db2_memoryerror_analysis.md # 内存异常诊断 ``` 结果目录在运行时生成，默认不纳入版本控制。比较结果时，应保持数据子集、验证预算、回退策略与评估口径一致，并区分训练表现与独立评估；单次耗时不能直接代表稳定加速效果。 ## 项目结构 ```text SliSE/ ├── SliSE_tool/ # 检测器、候选排序与预算策略 ├── Datasets/ # DB1 / DB2 / DB3 输入数据 ├── pipeline/ │ ├── evaluation/ # 结果评估与实验比较 │ ├── reporting/ # 汇总、预算与诊断报告 │ └── training/ # 训练表构建与模型训练 ├── tests/ # 回归测试 ├── docs/assets/ # 方法框架图 ├── run_experiment.py # 统一实验入口 ├── run_slise.py # 单合约分析入口 ├── batch_analyze.py # 批量分析入口 ├── requirements.txt # 基础分析依赖 └── requirements-ml.txt # 学习式预算依赖 ```

开发验证

安装相应依赖后运行： ```powershell python -m unittest discover -s tests -p "test_*.py" ``` 运行器优先使用仓库内 `.venv`，不存在时使用当前 Python。回归检查覆盖排序、预算分配与评估等逻辑，真实数据上的符号执行仍需单独验证。

--- 本仓库基于 SliSE 开展复现与验证调度改进。底层工具的历史说明见 [SliSE Tool](SliSE_tool/README.md)，当前实验入口及依赖以仓库根目录为准。