申请/专利权人：烟台大学

申请日：2023-11-24

公开（公告）日：2024-04-23

公开（公告）号：CN117556425B

主分类号：G06F21/57

分类号：G06F21/57;G06N3/042

优先权：

专利状态码：有效-授权

法律状态：2024.04.23#授权;2024.03.01#实质审查的生效;2024.02.13#公开

摘要：本发明涉及网络安全技术领域，具体为基于图神经网络的智能合约漏洞检测方法、系统和设备，该检测方法将基于操作码基础块中的特征指令得到的特征指令向量，进行语义特征提取处理，得到语义特征向量；同时，提取控制流图中基本块之间的边关系，得到关系特征向量；然后将语义特征向量与关系特征向量进行融合后，根据基本块的位置进行分割，得到每个基本块对应的节点特征向量；接着，将节点特征向量集进行邻居节点信息聚合和自注意力处理，获得的图特征向量经分类处理，得到漏洞检测结果；该检测方法具有较高的精确率、召回率和F1分数。

主权项：1.一种基于图神经网络的智能合约漏洞检测方法，其特征在于，包括如下操作：S1、获取待检智能合约的字节码，所述字节码经反编译处理，得到操作码序列；基于所述操作码序列，得到操作码基本块和控制流图；获取所述操作码基本块中的特征指令，基于所述特征指令，得到特征指令向量；S2、所述特征指令向量经语义特征提取处理，得到语义特征向量；基于获取的所述控制流图中基本块之间的边关系，得到关系特征向量；所述语义特征向量与关系特征向量经融合处理后，进行对应基本块的分割处理，得到的所有节点特征向量，形成节点特征向量集；所述语义特征提取处理的操作通过如下公式实现：Zt＝σWz·[ht-1,xt]，Rt＝σWr·[ht-1,xt]， xt为所述特征指令向量，ht-1为t-1时刻的语义特征向量，Wz为更新门权重矩阵，σ为sigmod函数，Zt为t时刻的更新门输出，Wr为重置门权重矩阵，Rt为t时刻的重置门输出，tanh双曲正切函数，⊙为元素乘法，为t时刻的中间语义特征向量，ht为t时刻的语义特征向量；S3、所述节点特征向量集中，每个节点特征向量经邻居节点信息聚合处理，得到的所有节点聚合特征向量，形成节点聚合特征向量集；所述邻居节点信息聚合处理的操作具体为：获取所述节点特征向量，与当前邻居节点节点特征向量的关联度，得到当前邻居节点关联度；基于所述当前邻居节点关联度，以及所有邻居节点关联度，得到当前邻居节点关联度注意力系数；所述节点特征向量，与所有邻居节点关联度注意力系数分别进行相乘后，进行求和处理，得到所述节点聚合特征向量；所述节点聚合特征向量集中，每个节点聚合特征向量经自注意力处理后，得到的所有节点注意力特征经聚合处理，得到图特征向量；S4、所述图特征向量经分类处理，得到漏洞检测结果。

全文数据：

权利要求：

百度查询： 烟台大学 基于图神经网络的智能合约漏洞检测方法、系统和设备

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