申请/专利权人：河海大学;南京晓庄学院

申请日：2023-05-04

公开（公告）日：2023-07-18

公开（公告）号：CN116452222A

主分类号：G06Q30/018

分类号：G06Q30/018;G06V10/40;G06V10/764;G06V10/774;G06V10/82;G06N3/0442;G06N3/08

优先权：

专利状态码：在审-实质审查的生效

法律状态：2023.08.04#实质审查的生效;2023.07.18#公开

摘要：本发明公开了一种基于控制流图约简的智能合约庞氏骗局检测方法及系统。本发明首先对收集的以太坊智能合约字节码数据进行预处理，根据字节码中的控制流信息构建控制流图；之后通过对控制流图的结构进行分析，识别出孤立代码块、dispatcher代码块、fallback函数块并进行过滤；然后识别出合约中每一个函数的子控制流图，对函数进行分析后将符合条件的子控制流图重组，以确保提取特征的有效性；在特征提取阶段，将重组后的控制流分别进行序列化和节点化，使用word2vec和graph2vec模型提取出序列特征和图结构特征；最后将特征向量混合后输入到分类模型中完成对庞氏骗局的检测。本发明对智能合约特征提取方法进行创新，在保证特征有效性的同时提升庞氏骗局检测的性能。

主权项：1.一种基于控制流图约简的智能合约庞氏骗局检测方法，其特征在于，包括如下步骤：步骤1：对收集的Solidity智能合约字节码进行预处理，构建控制流图；步骤2：分析控制流图中的内容和结构信息，对控制流图进行约简，过滤掉控制流图中的与庞氏骗局主体功能无关的孤立代码块、dispatcher块和fallback函数块；步骤3：对过滤后的控制流图进行函数识别和分析，识别出智能合约中每一个函数的子控制流图，并对每一个子控制流图进行分析，判断是否包含庞氏骗局相关的特征；若包含则保留对应的子控制流图，否则去除；步骤4：对保留的符合要求的子控制流图进行重新组合；步骤5：对重新组合而成的控制流图序列化后结合2-gram模型和word2vec模型提取出序列特征，以及节点化后利用graph2vec模型提取得到图结构特征，并将两种特征进行混合；步骤6：将混合特征输入深度学习分类模型中，检测智能合约是否包含庞氏骗局。

全文数据：

权利要求：

百度查询： 河海大学;南京晓庄学院 基于控制流图约简的智能合约庞氏骗局检测方法及系统

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD