CN114817932B 基于预训练模型的以太坊智能合约漏洞检测方法及系统 （河海大学）

号DetectionUsingCodeRepreseFusion.202128thAsia-PacificSof基于预训练模型的以太坊智能合约漏洞检本发明提出了一种基于预训练模型的以太合约自动化漏洞检测，达到合约安全保障的目2步骤11：根据智能合约源代码中原始合约版本，步骤21：根据漏洞分类框架或者漏洞准则，对于智能步骤32：采用深度优先遍历的方式，遍历编译的AST片段集合，3步骤52：采用预训练模型CodeBert作为融合模型，融合N]，N为transformer层数，最后添加线性分类器并使用输出预测概率的softMax函数来预2.根据权利要求1所述的一种基于预训练模型的以太坊智能合约漏洞检测方法，其特步骤11：根据智能合约源代码中原始合约版本，程序切片信息获取模块，用于根据漏洞标准，找到智能合约目标函步骤21：根据漏洞分类框架或者漏洞准则，对于智能4AST结构化信息获取模块，用于调用语法解析器编译智能合约目标函数片段集合中各步骤32：采用深度优先遍历的方式，遍历编译的AST片段集合，分别采用程序切片模型和AST结构化信息模型训练两种不同的代码表征；采用预训练模型CodeBert作为融合模型，融合模型的输入为程序切片模型和AST结构化信息模型输出代码表征的拼接，按照预训练模型CodeBert的结构处理输入，输入序列I被转成输入向量X0，最后添加线性分类器并使用输出预测概率的softMax函数来预测；基于训练集对模型进行4.一种计算机系统，包括存储器、处理器及存储在存5.一种计算机可读存储介质，所述计算机可读存储于，所述计算机程序被处理器执行时实现根据权利要求1-2任一项所述的基于预训练模型5[0002]智能合约作为区块链技术最成功的应用之一，已经吸引了学术界和工业界的目最多的区块链平台。智能合约的安全性通常是由区块链，以太坊，以及自身编程语言(1)智能合约通常处理和操纵与加密数字货币相关的交易，对智能合约进能合约漏洞传统检测主要有如下两方面的限制：(1)传统漏洞分析场景的研究往往由专家有着不同的表征效果。但是，现在的研究通常是基于单一的代码中间表征形式，如代码6型的以太坊智能合约漏洞检测方法及系统，通过提取智能合约漏洞切片信息和AST结构化[0013]步骤5：采用两个网络模型进行两种代码表征信息的训练，并采用预训练模型7能合约中的目标函数片段，将智能合约的目标函数片段集合以及合约漏洞标签组成样本[0041]AST结构化信息获取模块，用于调用语法解析器编译智能合约目标函数片段集合[0042]预处理模块，用于对智能合约程序切片信息集合和AST结构化信息集合进行规范8明充分利用了智能合约代码漏洞语法或者语义信息，同时引入预训练模型进行信息融合，形式的修改均落于本申请所附权利要求所限[0050]如图1所示，本发明实施例公开的一种基于预训练模型的以太坊智能合约漏洞检9vulnerability,re-entrancyvulnerability)和使用Kral(/cleanunicorn//karl)的函数，以此组成该合约的目标函数片段集合address类型的变量)或语句集合(如call-statement语句)；依赖分析，把所有相关数据依赖的变量或者语句全部提取出来，生成目标函数片段集合SFRk的候选数据依赖集其中p是目标函数片段集合量替换(根据常数的类型，我们将它们统一为“StringLiteral”，“DecimalNumber”，型真实输出和期望输出计算损失进行反向更新参数，这两个模型某i层的输出MPSRi和[0084]步骤52：设置融合模型的输入。模型的输入I设置为两分段数据的拼接，即I=MPSR＝{MPSR1,MPSR2,MPSR3,…,MPSRM)和AST结构化信息集MASIR＝{MASIR