针对具有未知漏洞的区块链智能合约的异常检测服务

《ACM Transactions on Software Engineering and Methodology》：Anomaly Detection Services for Blockchain Smart Contracts with Unknown Vulnerabilities

本文提出基于深度学习的智能合约异常检测框架ASCD，融合LSTM和图神经网络（GIN）处理合约语义特征与控制流信息，采用DeepSVDD技术检测已知及未知漏洞，经测试在3万余份合约中未知漏洞检测准确率达77%，显著优于传统规则方法。

　　

摘要

智能合约中的安全漏洞可能会带来严重的经济后果。现有的智能合约漏洞检测方法主要依赖于专家制定的严格规则，在检测未知漏洞方面存在困难。本文提出了一种新的异常智能合约检测器（ASCD），能够有效检测智能合约中的已知和未知漏洞。该方法通过将未知漏洞视为代码异常，并利用名为DeepSVDD的异常检测技术来识别这些漏洞。此外，还采用了一种新的特征提取方法：将智能合约源代码编译为操作码，从操作码序列中提取语义特征，从控制流图中提取控制流特征。通过结合LSTM和GIN算法，将这些语义特征和控制流特征融合在一起，为异常检测提供了全面的智能合约表示。通过大量实验验证了ASCD模型的有效性，测试了超过30,000个智能合约。该模型在检测已知漏洞时的F1分数显著优于现有方法，并在检测未知漏洞时达到了77%的高准确率。