基于图神经网络的智能合约漏洞检测方法、系统和设备技术方案

本发明专利技术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。

【技术实现步骤摘要】

本专利技术涉及网络安全，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。

技术介绍

1、传统的智能合约漏洞检测方法包括模糊测试、符号执行和形式化验证为三种最常用的技术。模糊测试是一种较为高效的软件分析技术，其核心思想是为程序提供大量测试样例，在程序执行过程中监控程序异常行为，以发现程序漏洞；符号执行是一种自动化漏洞检测技术，目前被广泛用于智能合约的漏洞检测；形式化验证技术是通过严谨可验证的描述语言或逻辑来描述程序,以便对其进行严格的数学推理和验证，从而获得漏洞检测结果。然而，这些检测方法存在以下不足：1)高误报率，可能产生大量的误报，即错误地标记一些合法代码或行为为错误或漏洞；2)易发生状态空间爆炸和执行路径指数级增长，覆盖漏洞种类不全面；3)自定义漏洞检测的建模需要一定的人工经验，切探测出的漏洞不一定是实际可达的。上述出现不足造成目前智能合约的检测难度大，检测结果的精确率低。

技术实现思路

1、本专利技术的目的是提供一种基于图神经网络的智能合约漏洞检测方法、系统和设备。

<p>2、本专利技术技本文档来自技高网...

【技术保护点】

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：

2.根据权利要求1所述的基于图神经网络的智能合约漏洞检测方法，其特征在于，所述S3中邻居节点信息聚合处理的操作具体为：

3.根据权利要求1所述的1所述的基于图神经网络的智能合约漏洞检测方法，其特征在于，所述S3中得到图特征向量的操作具体为：

4.根据权利要求1所述的基于图神经网络的智能合约漏洞检测方法，其特征在于，所述S1中得到特征指令向量的操作具体为：所述特征指令经分词和嵌入初始化处理，得到所述特征指令向量。

5.根据权利要求1所述的基于图神经网络的智能合约漏洞检测...

【技术特征摘要】

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：

2.根据权利要求1所述的基于图神经网络的智能合约漏洞检测方法，其特征在于，所述s3中邻居节点信息聚合处理的操作具体为：

3.根据权利要求1所述的1所述的基于图神经网络的智能合约漏洞检测方法，其特征在于，所述s3中得到图特征向量的操作具体为：

4.根据权利要求1所述的基于图神经网络的智能合约漏洞检测方法，其特征在于，所述s1中得到特征指令向量的操作具体为：所述特征指令经分词和嵌入初始化处理，得到所述特征指令向量。

5.根据权利要求1所述的基于图神经网络的智能合约漏洞检测方法，其特征在于，所述s1中所述特征指令包括：算术指令、和/或堆栈指令、和/或环境指令、和/或控制指令、和/或区块链系统指令。

【专利技术属性】
技术研发人员：赵相福，甄子贤，张金凯，王奕辰，陈海悦，何龙，
申请(专利权)人：烟台大学，
类型：发明
国别省市：