基于多特征融合的智能合约缺陷检测方法OA北大核心CSTPCD

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。