في عالم العقود الذكية، أصبح تقييم أدوات فك التجميع (Decompilers) أمراً حيوياً لضمان الأمان والموثوقية. هنا يأتي دور SCDBench، الذي يمثل معياراً جديداً يوفر مجموعة بيانات وطرق تقييم مبتكرة تستند إلى نماذج لغوية ضخمة (LLMs).

تسعى عمليات فك تجميع العقود الذكية إلى استعادة كود المصدر عالي المستوى من البايت كود، لكن التحديات لا تزال قائمة. إذ كانت الدراسات السابقة تستخدم مجموعات بيانات محدودة، مما يجعل قياس فعالية أدوات فك التجميع أمرًا صعبًا. ومع صعود نماذج اللغة الكبيرة، بدأت هذه الأدوات في إنتاج كود Solidity يبدو جذابًا، لكن قد يختلف مضمونه عن العقد الأصلي.

يتضمن SCDBench مجموعة بيانات تحتوي على 600 عقد Solidity حقيقي، مع مدخلات من البايت كود وكود مصدر موثوق ونقاط تحقق دلالية قابلة لإعادة التشغيل. تقيم SCDBench مخرجات أدوات فك التجميع من خلال أربع مراحل مترابطة: اكتمال التنسيق، إمكانية التجميع، استعادة واجهة التطبيق الثنائية (ABI)، والتناسق الدلالي من خلال إعادة اللعبة التفاضلية.

قمنا أيضاً بتقييم نماذج مثل Claude Opus 4.7 وGPT-5.3-Codex وGLM-5 في إعداد فك التجميع بدون المعلومات السابقة، حيث أظهرت النتائج أن النماذج المتطورة يمكنها في كثير من الأحيان إنتاج كود Solidity منظم وقابل للتجميع. ومع ذلك، لا يزال تحقيق التناسق الدلالي بعيدا عن الحل: أفضل نموذج حقق نجاحًا مثاليًا في فك تجميع 42 من أصل 600 عقد.

من الجدير بالذكر أن تحسين الأداء من خلال استخدام تصحيح التجميع بنفس النموذج كان له تأثير كبير بتكاليف إضافية معتدلة. مع SCDBench، نؤسس أرضية مشتركة للتقييم الفعال والقابل للتكرار، مما يهدف إلى تسريع تطوير أدوات فك التجميع الموثوقة لتعزيز أمان وشفافية blockchain.

في ظل التطورات السريعة في مجال الذكاء الاصطناعي، هل تعتقد أن أدوات فك التجميع سيتمكنون من معالجة جميع الفجوات الحالية؟ شاركونا آرائكم في التعليقات!