CN119475358A 一种基于专家知识的智能合约细粒度漏洞检测方法 （湖南师范大学）_第1页
CN119475358A 一种基于专家知识的智能合约细粒度漏洞检测方法 （湖南师范大学）_第2页
CN119475358A 一种基于专家知识的智能合约细粒度漏洞检测方法 （湖南师范大学）_第3页
CN119475358A 一种基于专家知识的智能合约细粒度漏洞检测方法 （湖南师范大学）_第4页
CN119475358A 一种基于专家知识的智能合约细粒度漏洞检测方法 （湖南师范大学）_第5页
已阅读5页，还剩18页未读， 继续免费阅读

下载本文档

版权说明：本文档由用户提供并上传，收益归属内容提供方，若内容存在侵权，请进行举报或认领

文档简介

一种基于专家知识的智能合约细粒度漏洞一种基于专家知识的智能合约细粒度漏洞据集打标签；通过静态分析智能合约源代码语源代码细粒度特征，输入到BGSCVul模型中进行2S2：通过源代码细粒度特征初步表示与源代2.根据权利要求1所述的一种基于专家知识的智能合约细粒度漏洞检测方法，其特征句之间的数据流；然后，提取每个语句的抽象语法树子树；此抽象语法树子树是使用33.根据权利要求1所述的一种基于专家知识的智能合约细粒度漏洞检测方法，其特征;其中X1是Xreduce经由linear层与relu之后的结果，X2是X1经由li;;卷积之后的特征维度；经过次的多尺度残差图卷积操作之后的最终表示为，对于;其中为节点i经过次多尺度残差图卷积网络的最终表示，W是可学习的权重矩;reduce与hglobal进行融合得到hco;4.根据权利要求1所述的一种基于专家知识的智能合约细粒度漏洞检测方法，其特征45.根据权利要求1所述的一种基于专家知识的智能合约细粒度漏洞检测方法，其特征;。5[0006]为了实现上述目的，本发明的一种基于专家知识的智能合约细粒度漏洞检测方6S1_8：通过静态分析获取上述代码信息后，将其与两类附加虚拟节点v_fun和v_;;7;d'是卷积之后的特征维度；经过次的多尺度残差图卷积操作之后的最终表示为，;其中为节点i经过k次多尺度残差图卷积网络的最终表示，W是可学习的权;reduce与hglobal进行融合得到hconcat，进而采用注意力机制对;;。8实施例，本领域普通技术人员在没有作出创造性劳动的前提下所获得的所有其他实施例，9123;4,5.6789S1_8：通过静态分析获取上述代码信息后，将其与两类附加虚拟节点v_fun和v_;;;d'是卷积之后的特征维度；经过次的多尺度残差图卷积操作之后的最终表示为，;其中为节点i经过k次多尺度残差图卷积网络的最终表示，W是可学习的权;reduce与hglobal进行融合得到hconcat，进而采用注意力机制对;;;。[0021]为进

人人文库> 全部分类> 行业资料 > 信息产业

温馨提示

  • 1. 本站所有资源如无特殊说明，都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等，如果需要附件，请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸，网页内容里面会有图纸预览，若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间，仅对用户上传内容的表现方式做保护处理，对用户上传分享的文档内容本身不做任何修改或编辑，并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容，请与我们联系，我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

最新文档

评论

0/150

提交评论