[发明专利]一种基于深度学习的区块链智能合约漏洞检测方法及装置

说明书

本发明公开一种基于深度学习的区块链智能合约漏洞检测方法及装置，本装置用于实现本方法，本方法包括抽取智能合约样本规则对齐并标注漏洞，将行列代码输入循环神经网络模型得到包含漏洞发生判断集的语言词向量；将行列代码编译成等长的二进制代码后输入Wide网络模型训练输出包含漏洞预测集的字节码模型，将语言词向量和字节码模型输入深度神经网络迭代训练修正漏洞发生判断集和漏洞预测集中共享预设权重。本发明检测结果准确度更高，检测方法更灵活，时间成本与经济成本更低。

技术领域

本发明涉及区块链技术领域，特别涉及一种基于深度学习的区块链智能合约漏洞检测方法及装置。

背景技术

智能合约是一种旨在以信息化方式传播、验证或执行合同的计算机协议。智能合约允许在没有第三方的情况下进行可信交易，这些交易可追踪且不可逆转。区块链技术的兴起契合了智能合约的对于安全可靠等方面的需求，基于区块链技术的智能合约不仅可以发挥智能合约在成本效率方面的优势，而且可以避免恶意行为对合约正常执行的干扰。将智能合约以数字化的形式写入区块链中，由区块链技术的特性保障存储、读取、执行整个过程透明可跟踪、不可篡改。同时，由区块链自带的共识算法构建出一套状态机系统，使智能合约能够高效地运行。

尽管区块链上的智能合约相较传统模式，其安全性已有大幅度提升，但是鉴于智能合约还是由以Solidity为主流的面向对象编程语言进行编写，因此由于语法方面的不严谨极易产生漏洞，同时，即时语法正确，在智能合约执行的过程中也存在与底层机冲突，报错等情况。智能合约上的漏洞不仅威胁着区块链上上数字资产的安全，对于区块链整个社区生态的健康发展也提出了严峻挑战。

目前区块链上智能合约漏洞检测主要依赖于构建规则集进行匹配，IBM实验室的Sukrit Kalra[1]设计的ZESUS框架对于语法的固有漏洞进行总结归纳，通过构建的诸多规则对于智能合约代码进行匹配检测。传统规则集检测智能合约漏洞，主要依赖于规则集的准确和完备程度，不具有学习修正能力，且检测流程较为耗时。

发明内容

本发明的主要目的是提出一种基于深度学习的区块链智能合约漏洞检测方法，旨在克服以上问题。

为实现上述目的，本发明提出的一种基于深度学习的区块链智能合约漏洞检测方法，包括如下步骤：

S10抽取H个智能合约的源代码，将源代码规则对齐并对其用户自定义函数/变量依顺序标注漏洞t，假设共有n个漏洞，t为当前漏洞，1≤t≤n；

S20将行列代码输入循环神经网络模型，输出深度神经网络可识别的语言词向量X，其中包括由t个漏洞的发生判断m_t＝g(W₄h_t+W₆h_t’)形成的漏洞发生判断集M＝{m₁,m₂,…m_t,...,m_n}，其中f为sigmod激活函数，g为relu激活函数；将行列代码编译成等长的二进制代码后，将其输入Wide网络模型训练，输出字节码模型，其中包括Wide网络的隐含层函数y_t＝g(W_iX_Wide+B_Wide)得到wide网络的漏洞预测集Y＝{y₁,y₂,...,y_n},其中g为relu激活函数，X_Wide为输入字节码，W₁、W₂、W₃、W₄、W₅、W_6均为预设权重，B_Wide为预设偏置值；