【技术实现步骤摘要】
一种基于图神经网络的智能合约重入性漏洞检测的方法
本专利技术属于区块链智能合约安全漏洞检测
，具体涉及一种基于图神经网络的智能合约重入性漏洞检测的方法。
技术介绍
智能合约是区块链的核心技术之一，是多方参与场景中的共识规则，更是智能合约是价值传递的中枢。之所以区块链出现以后安全问题变得前所未有的重要，是因为智能合约实现的是一种价值传递，区块链上的每一个数字都是价值，每个漏洞导致的数字变化，其背后就是巨额的价值损失。2016年6月TheDAO安全漏洞，导致5000万美元的损失；2017年7月Parity多签名钱包两次安全漏洞，分别导致3000万美元、1.52亿美元的损失。2018年4月BEC代币被盗事件，由于一行代码的安全漏洞引发其9亿美元市值几乎归零。近年来，由于智能合约安全问题造成大量财务损失，智能合约漏洞检测已引起广泛关注。现有智能合约漏洞检测的方法依靠专家手动定义的严格规则(或模拟)，是劳动密集型且不可扩展的。更重要的是，专家制定的规则容易出错，同时容易被攻击者攻破。重入性漏洞是最常见的智能合约漏洞之一，...
【技术保护点】
1.一种基于图神经网络的智能合约重入性漏洞检测的方法，其特征在于，具体包括如下步骤：/n(1)收集智能合约源码数据集；/n(2)由智能合约源码数据集抽取构建图结构模型；/n(3)对所述图结构模型进行标准化处理；/n(4)构建时间消息流的图神经网络，将标准化处理后的图结构模型作为输入数据传入图神经网络；/n(5)由图神经网络训练、学习得到检测模型，并使用所述的检测模型检测智能合约重入性漏洞。/n
【技术特征摘要】
1.一种基于图神经网络的智能合约重入性漏洞检测的方法，其特征在于，具体包括如下步骤：
(1)收集智能合约源码数据集；
(2)由智能合约源码数据集抽取构建图结构模型；
(3)对所述图结构模型进行标准化处理；
(4)构建时间消息流的图神经网络，将标准化处理后的图结构模型作为输入数据传入图神经网络；
(5)由图神经网络训练、学习得到检测模型，并使用所述的检测模型检测智能合约重入性漏洞。
2.根据权利要求1所述的基于图神经网络的智能合约重入性漏洞检测的方法，其特征在于，所述步骤(2)使用自动抽图工具把智能合约源码转变为图结构模型，具体抽取步骤包括：
(a)智能合约源码的预处理，删除智能合约源码中所有非ASCII码字符和注释，然后，将所有调用都展开到非内置函数，使所述智能合约源码转换为一段顺序代码，同时，对所述顺序代码贴标签，即重入性和非重入性两种标签；
(b)构建节点结构，根据不同程序中元素的重要性不同，从所述顺序代码中提取三类节点：核心节点、普通节点、fallback节点；
(c)构建边结构，根据节点间在时间上的彼此关系，构造四种类型的边，即控制流、数据流、正向边、fallback边；
(d)特征提取，提取节点和边的特征。
3.根据权利要求2所述基于图神经网络的智能合约重入性漏洞检测的方法，其特征在于，所述步骤(b)包括：
节点模型的构造，对call.value进行直接或间接调用的节点为核心节点；
其中，withdraw函数包括一个call.value的直接调用，若函数直接或通过调用链调用withdraw函数，将其定义为间接withdraw函数；直接调用源程序S中的call.value，为核心节点，定义其类型为C；对于节点调用withdraw函数或间接调用withdraw函数，节点构造为核心节点，并定义该节点的类型分别为W和I，即共构造三种核心节点，C、W和I；
普通节点为用于建模关键变量，用户余额、奖励标志为普通节点，定义类型为N；
fallback节点，定义类型为F，可以激发攻击者合同中的fallback函数，fallback函数可以与被测函数交互。
4.根据权利要求2所述基于图神经网络的智能合约重入性漏洞检测的方法，其特征在于，所述步骤(c)还包括：
边模型的构造，根据节点间在时间上的彼此关系，构造四种类型的边结构，即控制流、数据流、正向边、fallback边；
控制流，为条件语句或安全性句柄语句的控件语义；
数据流，用于跟踪变量的用法，涉及对变量的访问、修改；
正向边，用于描述功能代码中的自然顺序关系，正向边线连接两个相邻的顺序节点；
fallback边，用于显示地建模中智能合约的fallback机制,构造两个fallback边以激发被...
【专利技术属性】
技术研发人员：黄步添，俞之贝，刘成永，苑振霞，焦颖颖，罗春凤，黄媛媛，
申请(专利权)人：杭州云象网络技术有限公司，
类型：发明
国别省市：浙江;33
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。