【技術(shù)實(shí)現(xiàn)步驟摘要】
本專利技術(shù)涉及軟件安全，特別涉及一種基于圖神經(jīng)網(wǎng)絡(luò)的去中心化金融平臺(tái)借貸智能合約漏洞檢測(cè)方法及系統(tǒng)。
技術(shù)介紹
1、近年來(lái)，區(qū)塊鏈技術(shù)和去中心化金融平臺(tái)(decentralized?finance,defi)迅速發(fā)展。defi平臺(tái)運(yùn)用了區(qū)塊鏈的去中心化、內(nèi)容不可篡改等技術(shù)優(yōu)勢(shì)，利用智能合約系統(tǒng)完成了貸款、交易、衍生品等的金融服務(wù)，為用戶展示了一種嶄新的金融模式。然而，智能合約的實(shí)際應(yīng)用帶來(lái)了巨大的安全性挑戰(zhàn)。因?yàn)檫\(yùn)行于更加開(kāi)放透明的區(qū)塊鏈中，智能合約程序存在的技術(shù)缺陷更易被發(fā)掘與應(yīng)用。
2、圖神經(jīng)網(wǎng)絡(luò)(graph?neural?networks,gnns)作為一項(xiàng)前沿的深度學(xué)習(xí)技術(shù)，擅長(zhǎng)處理圖結(jié)構(gòu)化的數(shù)據(jù)，并能精準(zhǔn)地對(duì)代碼進(jìn)行建模。利用gnns進(jìn)行自動(dòng)化與智能化的智能合約代碼分析，預(yù)期將提高漏洞檢測(cè)的效率與準(zhǔn)確性，進(jìn)而更有效地應(yīng)對(duì)去中心化金融(defi)領(lǐng)域的安全挑戰(zhàn)。傳統(tǒng)上用于智能合約的安全分析方法，如：基于規(guī)則的靜態(tài)分析方法覆蓋面有限，容易產(chǎn)生誤報(bào)和漏報(bào)。這類方法通過(guò)預(yù)定義的漏洞模式和代碼規(guī)則對(duì)智能合約進(jìn)行掃描和匹配，但無(wú)法適應(yīng)不斷變化的攻擊手段和復(fù)雜的合約邏輯，導(dǎo)致檢測(cè)的準(zhǔn)確性和效率較低。又如：基于符號(hào)執(zhí)行和形式化驗(yàn)證的方法需要大量的人工干預(yù)和專家知識(shí)，適用性和自動(dòng)化程度不高。這類方法通過(guò)對(duì)智能合約的語(yǔ)義和行為進(jìn)行形式化建模和推理，但需要手工定義復(fù)雜的約束條件和斷言規(guī)則，對(duì)用戶的專業(yè)能力要求較高，難以大規(guī)模應(yīng)用。再如，基于深度學(xué)習(xí)的漏洞檢測(cè)方法大多將智能合約代碼轉(zhuǎn)換為簡(jiǎn)單的序列表示，忽略了代碼的結(jié)構(gòu)信息和語(yǔ)義關(guān)
技術(shù)實(shí)現(xiàn)思路
1、為此，本專利技術(shù)提供一種基于圖神經(jīng)網(wǎng)絡(luò)的去中心化金融平臺(tái)借貸智能合約漏洞檢測(cè)方法及系統(tǒng)，利用gnns來(lái)進(jìn)行智能合約的表示學(xué)習(xí)，能夠揭示代碼中的潛在模式，并精準(zhǔn)捕捉合約的語(yǔ)義及數(shù)據(jù)流特性，從而自動(dòng)識(shí)別出存在于借貸合約中的可重入性及時(shí)間戳依賴漏洞，實(shí)現(xiàn)智能合約漏洞的高效、準(zhǔn)確檢測(cè)和分類。
2、按照本專利技術(shù)所提供的設(shè)計(jì)方案，一方面，提供一種基于圖神經(jīng)網(wǎng)絡(luò)的去中心化金融平臺(tái)借貸智能合約漏洞檢測(cè)方法，包含：
3、收集智能合約源碼數(shù)據(jù)，根據(jù)數(shù)據(jù)中是否存在漏洞對(duì)智能合約源碼數(shù)據(jù)進(jìn)行漏洞標(biāo)記；并將智能合約源碼數(shù)據(jù)編譯為抽象語(yǔ)法樹(shù)，以利用抽象語(yǔ)法樹(shù)構(gòu)建用于描述智能合約源碼實(shí)體關(guān)系及交互模式的合約代碼異構(gòu)圖；
4、構(gòu)建圖神經(jīng)網(wǎng)絡(luò)模型，利用合約代碼異構(gòu)圖對(duì)圖神經(jīng)網(wǎng)絡(luò)模型進(jìn)行漏洞預(yù)測(cè)訓(xùn)練，得到智能合約漏洞檢測(cè)模型，其中，所述圖神經(jīng)網(wǎng)絡(luò)模型利用層次化注意力增強(qiáng)機(jī)制逐層捕獲合約代碼異構(gòu)圖的結(jié)構(gòu)特征并基于結(jié)構(gòu)特征預(yù)測(cè)識(shí)別合約代碼中的漏洞；
5、將待檢測(cè)智能合約源碼轉(zhuǎn)化為目標(biāo)合約代碼異構(gòu)圖，并利用智能合約漏洞檢測(cè)模型對(duì)目標(biāo)合約代碼異構(gòu)圖進(jìn)行漏洞預(yù)測(cè)。
6、作為本專利技術(shù)基于圖神經(jīng)網(wǎng)絡(luò)的去中心化金融平臺(tái)借貸智能合約漏洞檢測(cè)方法，進(jìn)一步地，將智能合約源碼數(shù)據(jù)編譯為抽象語(yǔ)法樹(shù)，包含：
7、對(duì)智能合約源碼數(shù)據(jù)進(jìn)行預(yù)處理，所述預(yù)處理包括格式化、注釋去除及標(biāo)識(shí)符重命名；
8、利用編譯器將預(yù)處理后的智能合約源碼解析為抽象語(yǔ)法樹(shù)，在抽象語(yǔ)法樹(shù)中每個(gè)節(jié)點(diǎn)對(duì)應(yīng)一個(gè)語(yǔ)法元素。
9、作為本專利技術(shù)基于圖神經(jīng)網(wǎng)絡(luò)的去中心化金融平臺(tái)借貸智能合約漏洞檢測(cè)方法，進(jìn)一步地，利用抽象語(yǔ)法樹(shù)構(gòu)建用于描述智能合約源碼實(shí)體關(guān)系及交互模式的合約代碼異構(gòu)圖，包含：
10、提取抽象語(yǔ)法樹(shù)中智能合約源碼語(yǔ)法信息和語(yǔ)義信息，所述語(yǔ)法信息包括抽象語(yǔ)法樹(shù)中的變量聲明節(jié)點(diǎn)類型、函數(shù)定義節(jié)點(diǎn)類型、修飾器節(jié)點(diǎn)類型、表達(dá)式語(yǔ)句節(jié)點(diǎn)類型和控制流語(yǔ)句節(jié)點(diǎn)類型，所述語(yǔ)義信息包括用于表示代碼執(zhí)行先后順序的控制流邊、用于表示代碼變量定義和使用關(guān)系的數(shù)據(jù)流邊和用于表示函數(shù)之間調(diào)用關(guān)系的調(diào)用邊；
11、將智能合約源碼語(yǔ)法信息和語(yǔ)義信息統(tǒng)一建模至合約代碼異構(gòu)圖中。
12、作為本專利技術(shù)基于圖神經(jīng)網(wǎng)絡(luò)的去中心化金融平臺(tái)借貸智能合約漏洞檢測(cè)方法，進(jìn)一步地，所述圖神經(jīng)網(wǎng)絡(luò)模型包含：異構(gòu)圖注意力單元、圖池化層和圖分類層，其中，所述異構(gòu)圖注意力單元包括：用于將異構(gòu)圖節(jié)點(diǎn)映射為初始特征向量的節(jié)點(diǎn)嵌入層、用于利用層次化注意力增強(qiáng)機(jī)制逐層捕獲合約代碼異構(gòu)圖的結(jié)構(gòu)特征的異構(gòu)圖注意力層、用于對(duì)節(jié)點(diǎn)結(jié)構(gòu)特征進(jìn)行聚合來(lái)生成異構(gòu)圖特征表示的圖表示學(xué)習(xí)層、及用于使用softmax將異構(gòu)圖特征表示映射為漏洞類型概率分布的預(yù)測(cè)輸出層，所述圖池化層用于利用節(jié)點(diǎn)在指定邊類型下的重要性得分對(duì)每種邊類型下的節(jié)點(diǎn)特征進(jìn)行聚合并得到關(guān)系級(jí)別的圖表示、并通過(guò)聚合不同邊類型下的圖表示來(lái)獲取最終輸出的圖表示，所述圖分類層用于將最終輸出的圖表示輸入至多層感知機(jī)中以利用多層感知機(jī)預(yù)測(cè)識(shí)別智能合約源碼中漏洞類型。
13、作為本專利技術(shù)基于圖神經(jīng)網(wǎng)絡(luò)的去中心化金融平臺(tái)借貸智能合約漏洞檢測(cè)方法，進(jìn)一步地，利用層次化注意力增強(qiáng)機(jī)制逐層捕獲合約代碼異構(gòu)圖的結(jié)構(gòu)特征，包含：
14、在當(dāng)前捕獲結(jié)構(gòu)特征的層級(jí)，對(duì)于每個(gè)異構(gòu)圖節(jié)點(diǎn)，根據(jù)鄰居節(jié)點(diǎn)的類型和特征計(jì)算注意力權(quán)重，使用注意力權(quán)重對(duì)鄰居節(jié)點(diǎn)的特征進(jìn)行加權(quán)求和并生成聚合特征，將當(dāng)前層節(jié)點(diǎn)的當(dāng)前特征與聚合特征進(jìn)行拼接或相加，并通過(guò)非線性激活函數(shù)relu來(lái)得到下一捕獲結(jié)構(gòu)特征層級(jí)中的節(jié)點(diǎn)特征，迭代執(zhí)行，直至迭代次數(shù)大于預(yù)設(shè)特征捕獲層數(shù)，將最后一捕獲結(jié)構(gòu)特征層中的節(jié)點(diǎn)特征作為合約代碼異構(gòu)圖的結(jié)構(gòu)特征。
15、作為本專利技術(shù)基于圖神經(jīng)網(wǎng)絡(luò)的去中心化金融平臺(tái)借貸智能合約漏洞檢測(cè)方法，進(jìn)一步地，圖池化層最終輸出的圖表示表示為：其中，γr為關(guān)系r的重要性分?jǐn)?shù)，為異構(gòu)圖中關(guān)系集合，hr為在關(guān)系r下聚合節(jié)點(diǎn)表示，且為異構(gòu)圖節(jié)點(diǎn)集合，為節(jié)點(diǎn)vi在關(guān)系r下的重要性分?jǐn)?shù)。
16、作為本專利技術(shù)基于圖神經(jīng)網(wǎng)絡(luò)的去中心化金融平臺(tái)借貸智能合約漏洞檢測(cè)方法，進(jìn)一步地，利用合約代碼異構(gòu)圖對(duì)圖神經(jīng)網(wǎng)絡(luò)模型進(jìn)行漏洞預(yù)測(cè)訓(xùn)練，包含：
17、利用交叉熵?fù)p失函數(shù)作為漏洞預(yù)測(cè)訓(xùn)練目標(biāo)函數(shù)；
18、基于漏洞預(yù)測(cè)訓(xùn)練目標(biāo)函數(shù)并通過(guò)梯度反向傳播優(yōu)化算法對(duì)圖神經(jīng)網(wǎng)絡(luò)模型進(jìn)行訓(xùn)練優(yōu)化，直至模型收斂或達(dá)到訓(xùn)練優(yōu)化最大迭代次數(shù)，以將訓(xùn)練后的圖神經(jīng)網(wǎng)絡(luò)模型作為智能合約漏洞檢測(cè)模型。
19、再一方面，本專利技術(shù)還提供一種基于圖神經(jīng)網(wǎng)絡(luò)的去中心化金融平臺(tái)借貸智能合約漏洞檢測(cè)系統(tǒng)，包含：樣本收集模塊、模型訓(xùn)練模塊和漏洞檢測(cè)模塊，其中，
20、樣本收集模塊，用于收集智能合約源碼數(shù)據(jù)，根據(jù)數(shù)據(jù)中是否存在漏洞對(duì)智能合約源碼數(shù)據(jù)進(jìn)行漏洞標(biāo)記；并將智能合約源碼數(shù)據(jù)編譯為抽象語(yǔ)法樹(shù)，以利用抽象語(yǔ)法樹(shù)構(gòu)建用于描述智能合約源碼實(shí)體關(guān)本文檔來(lái)自技高網(wǎng)...
【技術(shù)保護(hù)點(diǎn)】
1.一種基于圖神經(jīng)網(wǎng)絡(luò)的去中心化金融平臺(tái)借貸智能合約漏洞檢測(cè)方法，其特征在于，包含：
2.根據(jù)權(quán)利要求1所述的基于圖神經(jīng)網(wǎng)絡(luò)的去中心化金融平臺(tái)借貸智能合約漏洞檢測(cè)方法，其特征在于，將智能合約源碼數(shù)據(jù)編譯為抽象語(yǔ)法樹(shù)，包含：
3.根據(jù)權(quán)利要求1或2所述的基于圖神經(jīng)網(wǎng)絡(luò)的去中心化金融平臺(tái)借貸智能合約漏洞檢測(cè)方法，其特征在于，利用抽象語(yǔ)法樹(shù)構(gòu)建用于描述智能合約源碼實(shí)體關(guān)系及交互模式的合約代碼異構(gòu)圖，包含：
4.根據(jù)權(quán)利要求1所述的基于圖神經(jīng)網(wǎng)絡(luò)的去中心化金融平臺(tái)借貸智能合約漏洞檢測(cè)方法，其特征在于，所述圖神經(jīng)網(wǎng)絡(luò)模型包含：異構(gòu)圖注意力單元、圖池化層和圖分類層，其中，所述異構(gòu)圖注意力單元包括：用于將異構(gòu)圖節(jié)點(diǎn)映射為初始特征向量的節(jié)點(diǎn)嵌入層、用于利用層次化注意力增強(qiáng)機(jī)制逐層捕獲合約代碼異構(gòu)圖的結(jié)構(gòu)特征的異構(gòu)圖注意力層、用于對(duì)節(jié)點(diǎn)結(jié)構(gòu)特征進(jìn)行聚合來(lái)生成異構(gòu)圖特征表示的圖表示學(xué)習(xí)層、及用于使用softmax將異構(gòu)圖特征表示映射為漏洞類型概率分布的預(yù)測(cè)輸出層，所述圖池化層用于利用節(jié)點(diǎn)在指定邊類型下的重要性得分對(duì)每種邊類型下的節(jié)點(diǎn)特征進(jìn)行聚合并得到關(guān)系級(jí)別的圖表
5.根據(jù)權(quán)利要求1或4所述的基于圖神經(jīng)網(wǎng)絡(luò)的去中心化金融平臺(tái)借貸智能合約漏洞檢測(cè)方法，其特征在于，利用層次化注意力增強(qiáng)機(jī)制逐層捕獲合約代碼異構(gòu)圖的結(jié)構(gòu)特征，包含：
6.根據(jù)權(quán)利要求4所述的基于圖神經(jīng)網(wǎng)絡(luò)的去中心化金融平臺(tái)借貸智能合約漏洞檢測(cè)方法，其特征在于，圖池化層最終輸出的圖表示表示為：其中，γr為關(guān)系r的重要性分?jǐn)?shù)，為異構(gòu)圖中關(guān)系集合，hr為在關(guān)系r下聚合節(jié)點(diǎn)表示，且為異構(gòu)圖節(jié)點(diǎn)集合，為節(jié)點(diǎn)vi在關(guān)系r下的重要性分?jǐn)?shù)。
7.根據(jù)權(quán)利要求1所述的基于圖神經(jīng)網(wǎng)絡(luò)的去中心化金融平臺(tái)借貸智能合約漏洞檢測(cè)方法，其特征在于，利用合約代碼異構(gòu)圖對(duì)圖神經(jīng)網(wǎng)絡(luò)模型進(jìn)行漏洞預(yù)測(cè)訓(xùn)練，包含：
8.一種基于圖神經(jīng)網(wǎng)絡(luò)的去中心化金融平臺(tái)借貸智能合約漏洞檢測(cè)系統(tǒng)，其特征在于，包含：樣本收集模塊、模型訓(xùn)練模塊和漏洞檢測(cè)模塊，其中，
9.一種電子設(shè)備，其特征在于，包括：
10.一種計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)，其特征在于，所述計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)中存儲(chǔ)有計(jì)算機(jī)程序，當(dāng)計(jì)算機(jī)程序被執(zhí)行時(shí)，能夠?qū)崿F(xiàn)如權(quán)利要求1～7任一項(xiàng)所述的方法。
...【技術(shù)特征摘要】
1.一種基于圖神經(jīng)網(wǎng)絡(luò)的去中心化金融平臺(tái)借貸智能合約漏洞檢測(cè)方法，其特征在于，包含：
2.根據(jù)權(quán)利要求1所述的基于圖神經(jīng)網(wǎng)絡(luò)的去中心化金融平臺(tái)借貸智能合約漏洞檢測(cè)方法，其特征在于，將智能合約源碼數(shù)據(jù)編譯為抽象語(yǔ)法樹(shù)，包含：
3.根據(jù)權(quán)利要求1或2所述的基于圖神經(jīng)網(wǎng)絡(luò)的去中心化金融平臺(tái)借貸智能合約漏洞檢測(cè)方法，其特征在于，利用抽象語(yǔ)法樹(shù)構(gòu)建用于描述智能合約源碼實(shí)體關(guān)系及交互模式的合約代碼異構(gòu)圖，包含：
4.根據(jù)權(quán)利要求1所述的基于圖神經(jīng)網(wǎng)絡(luò)的去中心化金融平臺(tái)借貸智能合約漏洞檢測(cè)方法，其特征在于，所述圖神經(jīng)網(wǎng)絡(luò)模型包含：異構(gòu)圖注意力單元、圖池化層和圖分類層，其中，所述異構(gòu)圖注意力單元包括：用于將異構(gòu)圖節(jié)點(diǎn)映射為初始特征向量的節(jié)點(diǎn)嵌入層、用于利用層次化注意力增強(qiáng)機(jī)制逐層捕獲合約代碼異構(gòu)圖的結(jié)構(gòu)特征的異構(gòu)圖注意力層、用于對(duì)節(jié)點(diǎn)結(jié)構(gòu)特征進(jìn)行聚合來(lái)生成異構(gòu)圖特征表示的圖表示學(xué)習(xí)層、及用于使用softmax將異構(gòu)圖特征表示映射為漏洞類型概率分布的預(yù)測(cè)輸出層，所述圖池化層用于利用節(jié)點(diǎn)在指定邊類型下的重要性得分對(duì)每種邊類型下的節(jié)點(diǎn)特征進(jìn)行聚合并得到關(guān)系級(jí)別的圖表示、并通過(guò)聚合不同邊類型下的圖表示來(lái)獲取最終輸出的圖表示，所述圖分類層...
【專利技術(shù)屬性】
技術(shù)研發(fā)人員：魏強(qiáng)，潘邦，王允超，陳昊文，王云峰，燕宸毓，崔雄偉，
申請(qǐng)(專利權(quán))人：中國(guó)人民解放軍網(wǎng)絡(luò)空間部隊(duì)信息工程大學(xué)，
類型：發(fā)明
國(guó)別省市：
還沒(méi)有人留言評(píng)論。發(fā)表了對(duì)其他瀏覽者有用的留言會(huì)獲得科技券。