[发明专利]一种智能庞氏骗局合约识别方法及装置有效

专利信息
申请号: 202110013895.2 申请日: 2021-01-06
公开(公告)号: CN112631611B 公开(公告)日: 2022-06-03
发明(设计)人: 郑子彬;许瑶婷;陈伟利 申请(专利权)人: 中山大学
主分类号: G06F8/53 分类号: G06F8/53;G06K9/62;G06Q40/04
代理公司: 北京集佳知识产权代理有限公司 11227 代理人: 杨小红
地址: 510275 *** 国省代码: 广东;44
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 一种 智能 骗局 合约 识别 方法 装置
【权利要求书】:

1.一种智能庞氏骗局合约识别方法,其特征在于,包括:

获取待识别的智能合约;

根据所述智能合约的字节码,通过反汇编处理方式,将所述字节码转换为汇编代码,并提取所述汇编代码中的操作码特征;其中,所述操作码特征具体包括:堆栈操作码特征、创建账户操作码特征、记录账户操作码特征、限制GAS操作码特征以及跳转操作码特征;

根据智能合约的字节码,结合所述操作码特征,提取所述智能合约对应的控制流图特征;具体的,根据智能合约的字节码,结合所述跳转操作码特征,得到所述智能合约的子结构特征,以及各个所述子结构特征之间的关联关系;根据所述子结构特征和所述关联关系,提取控制流图特征;

将所述操作码特征与所述控制流图特征作为智能合约识别模型的输入,以通过所述智能合约识别模型的分类运算,得到所述智能合约对应的智能庞氏骗局合约识别结果,其中,所述智能合约识别模型为根据预置的智能合约样本与标准分类模型,通过训练得到的机器学习模型,所述智能合约样本包括:智能庞氏骗局合约样本的操作码特征和控制流图特征。

2.根据权利要求1所述的一种智能庞氏骗局合约识别方法,其特征在于,得到所述智能合约对应的智能庞氏骗局合约识别结果之后还包括:

若所述智能庞氏骗局合约识别结果为属于智能庞氏骗局合约,则发布智能庞氏骗局合约告警信息。

3.根据权利要求1所述的一种智能庞氏骗局合约识别方法,其特征在于,所述标准分类模型具体为:K近邻分类模型、朴素贝叶斯分类模型、支持向量机分类模型或决策树分类模型。

4.一种智能庞氏骗局合约识别装置,其特征在于,包括:

智能合约获取单元,用于获取待识别的智能合约;

操作码特征提取单元,用于根据所述智能合约的字节码,通过反汇编处理方式,将所述字节码转换为汇编代码,并提取所述汇编代码中的操作码特征;其中,所述操作码特征具体包括:堆栈操作码特征、创建账户操作码特征、记录账户操作码特征、限制GAS操作码特征以及跳转操作码特征;

控制流图特征提取单元,用于根据智能合约的字节码,结合所述操作码特征,提取所述智能合约对应的控制流图特征;具体的,根据智能合约的字节码,结合所述跳转操作码特征,得到所述智能合约的子结构特征,以及各个所述子结构特征之间的关联关系;根据所述子结构特征和所述关联关系,提取控制流图特征;

智能合约识别单元,用于将所述操作码特征与所述控制流图特征作为智能合约识别模型的输入,以通过所述智能合约识别模型的分类运算,得到所述智能合约对应的智能庞氏骗局合约识别结果,其中,所述智能合约识别模型为根据预置的智能合约样本与标准分类模型,通过训练得到的机器学习模型,所述智能合约样本包括:智能庞氏骗局合约样本的操作码特征和控制流图特征。

5.根据权利要求4所述的一种智能庞氏骗局合约识别装置,其特征在于,还包括:

庞氏骗局告警单元,用于若所述智能庞氏骗局合约识别结果为属于智能庞氏骗局合约,则发布智能庞氏骗局合约告警信息。

6.根据权利要求4所述的一种智能庞氏骗局合约识别装置,其特征在于,所述标准分类模型具体为:K近邻分类模型、朴素贝叶斯分类模型、支持向量机分类模型或决策树分类模型。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于中山大学,未经中山大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/202110013895.2/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top