大语言模型赋能区块链服务安全研究综述: 现状、挑战与机遇(特邀)

来源：计算机工程杂志2026年第1期北京时间：

作者：林丹, 卢顺峰, 刘姿妍, 张博昭, 何龙, 蒋子规, 吴嘉婧, 郑子彬

单位：1. 中山大学软件工程学院, 广东 珠海 5190822. 广东省区块链工程技术研究中心, 广东 珠海 519082

摘要：区块链已逐渐发展成支撑数字经济的重要基础设施, 但其匿名性、跨链互操作性、多方参与等特征, 导致诈骗、洗钱与攻击等安全事件频发, 严重威胁生态系统的稳定与合规。尽管现有分析工具与方法在区块链服务安全领域取得了一定进展, 但仍普遍存在泛化能力不足、推理能力有限、难以适应复杂业务逻辑演化等问题。与此同时, 生成式大语言模型(LLM)的快速发展正在深刻重塑服务计算范式, 其在自然语言理解、知识推理与多模态融合等方面的优势, 为区块链服务安全研究提供了新的思路与技术路径。系统梳理LLM在事前智能合约审计、事中异常行为检测、事后多链行为关联任务中的应用进展, 归纳其优势与局限, 总结LLM赋能区块链服务安全的典型实践。最后, 展望LLM赋能区块链服务安全面临的开放科学问题与未来研究方向, 为构建可信、可解释、高效的区块链服务计算与治理体系提供参考。

关键词：区块链,大语言模型,服务安全,智能合约审计,异常行为检测,多链行为关联

基金资助：国家重点研发计划(2023YFB2704700); 国家自然科学基金(62502548); 国家自然科学基金(62372485); 国家自然科学基金(623B2102); 国家自然科学基金(62472457); 广东省自然科学基金(2023A1515011336)