典型文献
基于深度学习的智能合约漏洞检测方法
文献摘要：
以太坊是当下最流行的区块链平台之一,目前已部署数千万个智能合约,控制了价值数千亿美元的以太坊加密货币.由智能合约漏洞引起的安全事件层出不穷,资金损失尤为严重.针对当前智能合约漏洞检测率较低、检测性能不足的问题,提出了基于深度学习的智能合约漏洞检测方法.编译以太坊智能合约源码,解析其对应的字节码得到操作码数据流,根据以太坊黄皮书中操作码与16进制数的对应关系构建字典,将操作码数据流转化为用16进制数表示的操作码序列.通过对操作码序列进行分析,设计循环神经网络、长短期记忆神经网络和卷积神经网络-长短期记忆神经网络3种不同的深度学习网络结构进行漏洞检测.在真实环境中采集了47527个智能合约,针对智能合约6种漏洞的检测,卷积神经网络-长短期记忆神经网络模型的Macro-F1达到了82.1％.大量的实验结果表明,所提出的模型和方法可实现高效的智能合约漏洞检测.
文献关键词：
智能合约;深度学习;漏洞检测;以太坊;区块链
中图分类号：
作者姓名：
张铮;张星娜;吕卓;易龙杨;陈岑;杨文;常昊;王伟
作者机构：
国网河南省电力公司电力科学研究院,郑州450052;北京交通大学,北京100044
文献出处：
引用格式：
[1]张铮;张星娜;吕卓;易龙杨;陈岑;杨文;常昊;王伟-.基于深度学习的智能合约漏洞检测方法)[J].重庆邮电大学学报（自然科学版）,2022(05):914-920
A类：
黄皮书
B类：
智能合约,漏洞检测,以太坊,区块链平台,数千万,千万个,数千亿美元,加密货币,安全事件,检测率,检测性能,编译,源码,字节码,操作码,码数,关系构建,字典,数据流转,流转化,循环神经网络,深度学习网络,真实环境,长短期记忆神经网络模型,Macro
AB值：
0.231969
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
