计算机工程

作者：王奕丰, 曾诚, 全擎宇, 王娇然, 何鹏

单位：1. 湖北大学计算机与信息工程学院, 湖北 武汉 4300622. 湖北大学人工智能学院, 湖北 武汉 4300623. 湖北大学网络空间安全学院, 湖北 武汉 4300624. 湖北大学智能感知系统与安全教育部重点实验室, 湖北 武汉 430062

关键词：区块链,智能合约,Solidity语言,多特征,缺陷检测

基金：湖北省重点研发计划(2021BAA188); 湖北省重点研发计划(2021BAA184)

智能合约是区块链技术最成功的应用之一, 随着其广泛应用, 智能合约的安全问题也引起了研究人员的关注。尽管已有一些针对智能合约缺陷检测的研究, 但对于智能合约代码特征的挖掘还不充分。提出一种采用多特征融合方式的智能合约缺陷检测方法。首先, 对智能合约代码进行预处理, 其中包括颜色标记、词汇提取、ASCII字符转换以及合约之间继承关系的提取; 然后, 将颜色标记、词汇提取、ASCII字符转换得到的处理信息输入到由BERT、卷积神经网络(CNN)以及双向长短期记忆(BiLSTM)网络构建的融合模型中进行特征提取, 同时将合约之间的继承关系信息输入node2vec随机游走算法, 以获得合约关系的特征向量; 最后, 将所有特征向量连接并输入分类器进行缺陷分类。使用真实的Solidity智能合约数据集对该方法进行验证, 实验结果表明, 相比其他模型, 所提多特征融合模型在F1值实现了6%~12%的改进, 在准确度方面实现了4%~11%的提升, 该方法能够更好地挖掘智能合约代码的深层特征, 提高缺陷检测性能, 对智能合约的安全性具有一定的应用价值。

来源：2024年第8期

《计算机工程》期刊编辑部

查看计算机工程杂志2024年第8期