[发明专利]一种基于图匹配网络的智能合约庞氏骗局检测方法及系统

权利要求书

1.一种基于图匹配网络的智能合约庞氏骗局检测模型构建方法，其特征在于，包括以下步骤：

步骤一：获取数据：获取带标签的庞氏骗局数据集，所述庞氏骗局数据集包括多个智能合约地址、智能合约及其对应的标签，根据获取的智能合约地址爬取智能合约的字节码；

步骤二：字节码构图：使用智能合约的字节码构建包含结构信息和语义信息的完整的控制流图；具体包括：

步骤2.1，将步骤一得到的字节码反汇编生成智能合约的EVM指令，分析EVM指令并将其划分为多个基础块，对基础块添加关系边，得到初始控制流图；所述初始控制流图中每个基础块对应一个节点；

步骤2.2，找出初始控制流图中的所有子图，根据子图的生成顺序在子图间添加顺序依赖边，完善其结构信息，得到包含结构信息的控制流图；

步骤2.3，使用Sent2Vec模型对包含结构信息的控制流图中每个节点的特征信息进行向量化，并使用One-Hot编码将包含结构信息的控制流图中边的特征信息进行向量化；从而得到包含结构信息和语义信息的完整的控制流图；

所述步骤2.1中对基础块添加关系边包括：新建一个栈模拟EVM指令的进栈和出栈顺序，找到跳转指令，找到或计算跳转的目的地址，实现基础块之间的关系边的添加，得到初始控制流图；

所述步骤2.2中，初始控制流图中若包含多个子图，那么根据步骤2.1生成子图的顺序，在相邻的子图之间添加一条顺序依赖边，将相邻的两个子图合并为一个图，以此类推，使得最后只有一个图，最终得到图即为包含结构信息的控制流图；

步骤三：神经网络的构建和训练：构建初始图匹配神经网络模型，将庞氏骗局数据集中的两个智能合约的两个完整的控制流图作为输入，输出为两个智能合约的标签的相似系数，并将输出的相似系数与庞氏骗局数据集中这两个智能合约对应的原始标签之间的相似度进行对比，根据对比得到的误差，利用反向传播训练神经网络，得到训练后的神经网络模型；所述相似系数表示输入的两个智能合约的相似程度。

2.如权利要求1所述的基于图匹配网络的智能合约庞氏骗局检测模型构建方法，其特征在于，所述步骤一中的庞氏骗局数据集中的智能合约包括庞氏骗局智能合约以及安全智能合约。

3.如权利要求1所述的基于图匹配网络的智能合约庞氏骗局检测模型构建方法，其特征在于，所述步骤三中的初始图匹配神经网络包括：编码层、传播层和聚合层；编码层用于通过多层感知器将节点和边的特征进行编码；传播层用于在多轮迭代过程中使用注意力机制传播节点之间的特征信息；聚合层用于利用聚合函数计算所有节点的聚合信息，把图表示为一个向量。

4.一种基于图匹配网络的智能合约庞氏骗局检测方法，其特征在于，包括以下步骤：

步骤4.1，将待检测的智能合约生成完整的待检测控制流图；

步骤4.2，在庞氏骗局数据集中选取任意一个庞氏骗局智能合约生成完整的目标控制流图；

步骤4.3，将步骤4.1中的待检测控制流图和步骤4.2得到的目标控制流图输入权利要求1得到的训练后的神经网络模型得到相似系数；

步骤4.4，如果步骤4.3得到的相似系数超过设定阈值，则判定该待检测的智能合约为庞氏骗局智能合约；如果步骤4.3得到的相似系数低于设定阈值，则重复执行步骤4.3，直至得到的相似系数超过设定阈值，则判定该待检测的智能合约为庞氏骗局智能合约；反之，若待检测的智能合约与庞氏骗局数据集中的任意一个庞氏骗局智能合约都不相似，则为安全智能合约。