[发明专利]一种基于模糊测试的庞氏合约检测方法及系统

说明书

本发明公开了一种基于模糊测试的庞氏合约检测方法，通过使用模糊测试的方式，解决现有智能合约交易数据不足的问题，将交易资金流向转化为图片进行保存，构建ResNet模型并加入ResNet算法动态获取图片的交易特征，对ResNet模型进行训练获取最优ResNet模型，实现针对新的智能合约，在未发生损失的情况下鉴别出此智能合约是否为庞氏合约，本发明同时提供对应基于模糊测试的庞氏合约检测系统。

技术领域

本发明属于软件安全领域，尤其是一种基于模糊测试的庞氏合约检测方法及系统。

背景技术

庞氏骗局是一种欺诈性投资，庞氏骗局通过收购新投资者为早期投资者创造回报，庞氏骗局最终会在大批新投资者枯竭、资金不足时见底，庞氏骗局的智能合约实现称为庞氏合约。这种实现非常有吸引力，因为它继承了智能合约和区块链的固有属性：分散、匿名和不变，这些财产是许多合法金融应用的基石。但与此同时，它们使智能庞氏骗局比传统庞氏骗局更危险，庞氏骗局的发起人可以保持匿名，这显然可以避免发起该骗局的人被定罪，部署的庞氏合约很难修改和停止，一旦投资者参与进来，就没有出路。为了避免损失，投资者必须不断邀请新的投资者，这完全符合合约创建者的恶意意图，分利给投资者一种错觉，认为集资是可靠和可信的。

现有的检测模式包含基于交易、规则、机器学习、深度学习技术进行检测，基于交易的检测原始交易数据少，无法检测新的庞氏合约。基于规则的检测：由于规则的不全面性，无法识别出较复杂的庞氏骗局且误报率较高；基于机器学习的检测方法：由于简单的将操作码频率作为检测特征，而此特征对智能合约的语义表达不完整使得检测效果提升有限；传统深度学习方法：对数据处理时无法处理不规则的空间结构且无法捕获数据内部之间的依赖关系，更为重要的是其假设样本之间是相互独立的。

发明内容

发明目的：本发明的目的在于提供一种基于模糊测试的庞氏合约检测方法，使用模糊测试解决现有智能合约交易数据的不足，同时针对新的智能合约，实现在未发生损失时，鉴别出新的智能合约是否为庞氏合约，最终将新的庞氏合约的特征保存为图片放入数据库中；

本发明同时提供一种基于模糊测试的庞氏合约检测系统，同样使用模糊测试解决现有智能合约交易数据的不足，同时针对新的智能合约，实现在未发生损失时，鉴别出新的智能合约是否为庞氏合约，最终将新的庞氏合约的特征保存为图片放入数据库中。

技术方案：本发明提供的一种基于模糊测试的庞氏合约检测方法，包含以下步骤：

1)在Etherscan平台上任意选取一个时间段内已经标记的庞氏合约和非庞氏的智能合约进行采集，将采集到的已经标记的庞氏合约和非庞氏的智能合约作为输入集；

2)进行静态分析，使用静态分析工具扫描输入集，再使用配置过参数的模糊测试工具进行模糊测试，获取交易资金流向并整理成矩阵，进一步转化成图片；

3)建立ResNet模型，对图片进行预处理，并使用ResNet算法对图片中的交易特征进行自动提取，该交易特征包含每一次产生交易后资金的流向、每个账户获得的资金数目、最终呈现庞氏骗局经典的金字塔资金分布特征，对ResNet模型进行训练，最终得到最优ResNet模型；

4)将准备好的待检测测试集经过静态分析，再进行模糊测试，最终转化成图片，将转化好的图片放入最优ResNet模型，最优ResNet模型对转化好的图片进行分析并处理，输出分析结果是否为庞氏合约。

进一步的，步骤2)中，使用静态分析工具扫描输入集，检查模糊测试工具的配置选项，以YAML文件的形式对模糊测试工具进行检查配置，再使用配置过参数的模糊测试工具进行模糊测试，模糊测试工具进行参数配置后，进入初始运行阶段，形成运行事务序列的语料库，为初始语料库，初始运行阶段完毕后，模糊测试工具进入循环运行阶段，循环运行阶段运行完毕后，形成新语料库，将新语料库的数据进行整理，以矩阵的形式进行储存，最终将矩阵转化为图片格式，该循环运行阶段包含以下步骤：