본 논문은 파인튜닝과 앙상블 학습을 활용하여 스마트 컨트랙트 취약점 탐지를 위한 대규모 언어 모델 (LLM) 기반 프레임워크인 LLMBugScanner를 제시합니다. LLM의 추론 능력 차이, 특정 취약점 유형 또는 컨트랙트 구조에 대한 일관성 부족 등의 문제를 해결하기 위해, 도메인 지식 적응과 앙상블 추론을 결합했습니다. 파라미터 효율적인 튜닝을 통해 보편적인 코드 의미론과 지침 기반 취약점 추론을 모두 포착하도록 LLM을 파인튜닝하고, 여러 LLM의 장점을 활용하여 신뢰할 수 있는 취약점 평가를 수행합니다.
