TrapHunter：暴露 Trap 代币合约中的隐蔽路径

标准化代币合约（例如ERC-20）构成了数字资产的基础。然而，攻击者越来越多地滥用这种标准化来伪装恶意陷阱代币。与明显的违规行为不同，这些合约采用了“欺骗性遵守”策略：它们严格遵守标准协议来逃避检测，同时嵌入隐蔽逻辑来欺骗用户。为了解决这个问题，我们首先通过提出一种源自代币内在功能生命周期（生成、流通、持久性和观察）的新颖分类法来系统化陷阱景观。然后，我们提出了 TrapHunter，这是一个旨在识别这些陷阱并通过意图偏差分析揭露这些欺骗性合约中的隐蔽路径的框架。具体来说，TrapHunter 引入了结合抽象行为树（ABT）和增强路径图（APG）的统一语义表示，以标准化过程内语法并揭示由过程间状态依赖关系驱动的隐藏执行路径。至关重要的是，它通过利用 LLM 来推理与参考实现偏差的行为意图，然后进行基于分叉的动态验证来确认可利用性，从而弥合了语义差距。使用三个 LLM（DeepSeek、GPT 和 Gemini）对 269 个现实世界合约进行的实验评估表明，TrapHunter 可以有效检测所有六类陷阱，平均准确率达到 81.8%，召回率达到 85.4%，显着优于最先进的工具。