[发明专利]一种基于句法树匹配的智能合约相似性检测方法

权利要求书

1.一种基于句法树匹配的智能合约相似性检测方法，包括如下步骤：

(1)构建抽象语法树：针对以太坊智能合约为研究对象，利用语法树抽取工具从智能合约源码中提取抽象语法树；

(2)构建句法树序列：以智能合约代码段Z₁和Z₂为拟检测的合约克隆对，利用语法树抽取工具得到Z₁和Z₂对应的抽象语法树F₁和F₂，将F₁和F₂按照相应的语句进行拆分并通过先序遍历对应得到句法树序列S₁和S₂，具体实现方式为：首先，利用语法树抽取工具将智能合约代码段Z₁和Z₂提取为抽象语法树F₁和F₂；然后按照语句层次对F₁和F₂进行拆分，通过先序遍历得到句法树序列S₁＝{f_i∈F₁|f₁,...,f_m}和S₂＝{f_j∈F₂|f₁,...,f_k}，其中每一棵句法树对应智能合约中的一条语句，即Z₁和Z₂分别含有m条和k条语句，i和j为自然数且1≤i≤m，1≤j≤k；

特别地，对于嵌套语句，需要定义一系列独立的节点Ns＝{block，body}，其中block用于拆分嵌套语句的header和body，body用于方法声明；以节点s为根的句法树由s及其所有的后代节点D(s)组成，如果节点s和d之间存在一条路径通过n，即意味着节点d为包含于s的body中的某条语句，其中d∈D(s)，n∈Ns；

(3)句法树特征提取：构建基于Attention机制的句法树编码器，提取句法树序列S₁和S₂中每个句法树对应的特征向量，进一步得到句法树序列S₁的特征向量集合以及句法树序列S₂的特征向量集合其中n表示向量的维度，m和k分别表示S₁和S₂中的句法树个数，具体实现方式如下：

首先，利用word2vec工具将需要编码的句法树中的所有节点转换为对应的向量表示，得到向量序列X＝{x₁,...,x_m}，将X作为句法树编码器的输入，m为句法树中的节点数量；

然后，构建基于Attention的句法树编码器，学习序列X中各向量之间的语义关系，经过多层迭代学习，获得与输入向量序列X对应的语义化向量序列Y＝{y₁,...,y_m}；

最后，将序列Y中的所有向量输入卷积池化层中，生成句法树对应的特征向量；

(4)相似性计算：利用皮尔逊相似性算法计算中各向量与中各向量之间的相似度，得到合约相似度矩阵T^m×k，其中T^m×k中第i行第j列元素值即表示S₁中第i个句法树与S₂中第j个句法树的相似度，具体实现方式为：将中的向量p_i与中的向量p_j代入以下相似度计算函数中，得到p_i与p_j的相似值t_ij即sim(p_i,p_j)；

其中：p_it表示向量p_i中的第t个元素值，表示向量p_i中的元素平均值，p_jt表示向量p_j中的第t个元素值，表示向量p_j中的元素平均值，t_ij为矩阵T^m×k中的第i行第j列元素值，即表示代码段Z₁对应句法树序列S₁中的第i个句法树与代码段Z₂对应句法树序列S₂中的第j个句法树的相似度；

(5)合约相似性检测：设定阈值a₁和a₂，将矩阵T^m×k中高于a₁的元素值保持不变，低于a₁的元素值置零，计算矩阵中所有非零元素的平均值M，该平均值即为智能合约代码段Z₁与Z₂的相似度，进而比较M与a₂的大小，判断合约代码段Z₁与Z₂是否相似，具体实现方式如下：

首先，设定阈值a₁和a₂，其中a₁用于过滤合约相似度矩阵中相似值偏低的元素，a₂用于判断两个代码段是否相似；

然后，将矩阵T^m×k中高于a₁的元素值保持不变，低于a₁的元素值置零，计算矩阵中所有非零元素的平均值M，该平均值即为智能合约代码段Z₁与Z₂的相似度；

最后，比较M与a₂的大小，判断Z₁与Z₂的相似性：如果M≥a₂，则表示Z₁与Z₂具有相似性，否则Z₁与Z₂不具有相似性；

(6)可解释性分析：若矩阵T^m×k中第i行第j列元素值为矩阵中的最大元素值，则代表S₁中第i个句法树与S₂中第j个句法树的相似度最高，进而即可定位合约代码段Z₁与Z₂存在相似性的具体代码行，具体实现方式为：首先，通过比较矩阵T^m×k中的元素值大小，可以锁定其中一些数值较高的元素，并得到这些元素在矩阵中的位置；具体地，矩阵T^m×k中第i行第j列的值即表示S₁中的第i个句法树与S₂中第j个句法树的相似度，若是该相似度值大于设定阈值，则表示智能合约代码段Z₁中的第i个语句与Z₂中的第j个语句高度相似，以此可以锁定至智能合约中具体的代码行，从而给出智能合约相似性检测的可解释性。