一种基于多任务学习的智能合约漏洞检测方法

    公开(公告)号:CN114218580B

    公开(公告)日:2025-02-25

    申请号:CN202111482288.7

    申请日:2021-12-07

    Abstract: 本发明公开了一种基于多任务学习的智能合约漏洞检测方法,利用基于硬参数共享的多任务学习框架实现智能合约漏洞检测技术。首先在数据准备阶段,对智能合约数据集进行清洗,并通过现有检测工具进行漏洞分类及标签标记;在数据预处理阶段,将智能合约样本源码编译形成字节码,然后对字节码进行清洗处理,然后反编译转化成操作码序列,形成模型的输入;接着在模型构建阶段,构建基于多任务学习的智能合约检测模型;最后在训练阶段,按照数据预处理阶段得到的操作码序列输入到模型中进行训练,实现对漏洞的判断及检测。该模型在智能合约的数据集上展现了较好的识别功能,检测时间较短且恒定,而且由于多任务学习的特性,该模型具有较好的泛化能力。

    一种基于数据挖掘技术的以太坊庞氏骗局合约检测方法

    公开(公告)号:CN116385004A

    公开(公告)日:2023-07-04

    申请号:CN202310010369.X

    申请日:2023-01-04

    Abstract: 本发明公开了一种基于数据挖掘技术的以太坊庞氏骗局合约检测方法,首先在数据获取,根据数据集中的合约地址,获取每一个合约得字节码和交易记录;在特征提取阶段,将合约字节码反汇编为操作码序列,通过n‑gram算法提取合约操作码的上下文特征,同时根据合约交易记录提取合约的账户特征,将操作码特征和账户特征进行结合,作为模型的输入;接着在模型训练阶段,针对合约特征数据集存在的类不平衡问题,采用ADASYN算法对训练集进行过采样,然后使用性能较好的AdaBoost对数据集进行训练,实现对庞氏骗局智能合约的检测。实验证明,该模型的相关评测指标取得了显著的提升,可以有效的检测出以太坊上的庞氏骗局智能合约。

    一种基于多任务学习的智能合约漏洞检测方法

    公开(公告)号:CN114218580A

    公开(公告)日:2022-03-22

    申请号:CN202111482288.7

    申请日:2021-12-07

    Abstract: 本发明公开了一种基于多任务学习的智能合约漏洞检测方法,利用基于硬参数共享的多任务学习框架实现智能合约漏洞检测技术。首先在数据准备阶段,对智能合约数据集进行清洗,并通过现有检测工具进行漏洞分类及标签标记;在数据预处理阶段,将智能合约样本源码编译形成字节码,然后对字节码进行清洗处理,然后反编译转化成操作码序列,形成模型的输入;接着在模型构建阶段,构建基于多任务学习的智能合约检测模型;最后在训练阶段,按照数据预处理阶段得到的操作码序列输入到模型中进行训练,实现对漏洞的判断及检测。该模型在智能合约的数据集上展现了较好的识别功能,检测时间较短且恒定,而且由于多任务学习的特性,该模型具有较好的泛化能力。

Patent Agency Ranking