申请/专利权人：厦门大学

申请日：2024-01-23

公开（公告）日：2024-04-16

公开（公告）号：CN117892315A

主分类号：G06F21/57

分类号：G06F21/57;G06F18/24;G06N3/0464;G06N3/042;G06N3/08;G06Q40/04

优先权：

专利状态码：在审-公开

法律状态：2024.04.16#公开

摘要：本发明公开了基于图卷积的智能合约漏洞检测系统，涉及智能合约技术领域，包括数据预处理模块、图构建模块、漏洞检测模型建立模块、训练模块和报告提交模块。本发明通过图卷积和多头注意力机制的配合，将结构特征映射到向量空间，提取第一特征向量和第二特征向量，将第一特征向量和第二特征向量合并可得到最终特征向量，从而建立漏洞检测模型，将处理的智能合约数据输入漏洞检测模型中进行训练，从而寻找智能合约是否存在漏洞，在存在漏洞时，需要将合约漏洞对应的约束条件添加到路径约束条件集中，用于约束求解，同时对检测的漏洞进行分类，完成漏洞检测，进一步提高了智能合约漏洞的检测效果。

主权项：1.基于图卷积的智能合约漏洞检测系统，其特征在于：包括数据预处理模块1、图构建模块2、漏洞检测模型建立模块3、训练模块4和报告提交模块5；所述数据预处理模块1用于提供用户交互界面，接收用户输入的智能合约，根据用户输入的合约类型进行预处理操作，拆分智能合约源码，提取重要的属性特征；所述图构建模块2用于构建合约图，获取关键变量的调用和依存关系，并进行分析；所述漏洞检测模型建立模块3用于通过MLP对输入数据进行过滤，基于图卷积对过滤数据进行特征提取，将提取的特征向量整合构建漏洞检测模型；所述漏洞检测模型建立模块3包括特征过滤模块31、第一特征提取模块32、第二特征提取模块33和整合模块34；所述特征过滤模块31用于通过多层感知器对输入的多个数据特征进行过滤；所述第一特征提取模块32用于使用图卷积对图数据进行第一特征向量提取；所述第二特征提取模块33用于使用多头注意力机制辅助第一特征提取模块32进行第二特征向量提取；所述整合模块34用于将第一特征向量和第二特征向量进行合并，得到最终特征向量，建立漏洞检测模型；所述训练模块4用于将处理好的智能合约数据输入建立的漏洞检测模型中进行训练，寻找被测的智能合约存在漏洞的可能性，在存在漏洞时，将合约漏洞对应的约束条件添加到路径约束条件集中，用于约束求解，并对检测漏洞进行分类，完成对漏洞的检测；所述报告提交模块5用于生成漏洞检测报告，根据报告进行智能合约改进。

全文数据：

权利要求：

百度查询： 厦门大学 基于图卷积的智能合约漏洞检测系统

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