基于预训练与新型时序图神经网络的智能合约漏洞检测方法

TP309.2; 针对现有深度学习漏洞检测方法对合约字节码特征挖掘不足、漏洞语义表征不精准,且传统图神经网络模型对合约语句的时序信息学习能力不足,提出一种基于预训练与时序图神经网络的智能合约漏洞检测方法.首先,通过预训练模型将智能合约字节码建模为漏洞语义感知的合约图结构.其次,结合自注意力机制,设计了一种新颖的基于事件驱动的时序图神经网络模型,实现对合约执行中时序信息的有效抽取.最后,聚焦于可重入漏洞、时间戳依赖漏洞以及Tx.origin身份认证漏洞,通过120 932份真实合约数据集进行大量的评估实验,结果表明所提方法的检测效果显著优于现有方法....

Full description

Saved in:
Bibliographic Details
Published in通信学报 Vol. 45; no. 9; pp. 101 - 114
Main Authors 庄园, 樊泽楷, 王诚, 孙建国, 李耀麟
Format Journal Article
LanguageChinese
Published 哈尔滨工程大学计算机科学与技术学院,黑龙江 哈尔滨 150001%西安电子科技大学杭州研究院,浙江 杭州 311231%北京理工大学计算机学院,北京 100081 01.09.2024
Subjects
pre-training model
区块链
图神经网络
智能合约
blockchain
smart contract
漏洞检测
预训练模型
vulnerability detection
graph neural network
Online AccessGet full text
ISSN1000-436X
DOI10.11959/j.issn.1000-436x.2024163

Cover

More Information
Summary:TP309.2; 针对现有深度学习漏洞检测方法对合约字节码特征挖掘不足、漏洞语义表征不精准,且传统图神经网络模型对合约语句的时序信息学习能力不足,提出一种基于预训练与时序图神经网络的智能合约漏洞检测方法.首先,通过预训练模型将智能合约字节码建模为漏洞语义感知的合约图结构.其次,结合自注意力机制,设计了一种新颖的基于事件驱动的时序图神经网络模型,实现对合约执行中时序信息的有效抽取.最后,聚焦于可重入漏洞、时间戳依赖漏洞以及Tx.origin身份认证漏洞,通过120 932份真实合约数据集进行大量的评估实验,结果表明所提方法的检测效果显著优于现有方法.
ISSN:1000-436X
DOI:10.11959/j.issn.1000-436x.2024163