多模态深度学习的区块链智能合约漏洞检测方法

摘要

智能合约推动了区块链技术的深化发展，然而其存在的安全隐患给区块链应用带来了诸多挑战.在现有研究中，源代码通常被视为序列，以向量形式进行表示，或者被建模为图结构，利用图神经网络进行分析.在此基础上，本文提出了一种基于多模态深度学习的区块链智能合约漏洞检测方法.该方法充分利用智能合约的计算机视觉特征、代码语义特征和图特征进行漏洞检测.具体而言，该方法首先提取智能合约的代码属性图(CPG),并利用计算机视觉模型SwinV2学习CPG图像视觉特征；同时，利用预训练模型UniXcoder学习智能合约源代码的代码语义特征；最后，利用多组交错的GNN块学习CPG的图特征.将这3个特征向量拼接，构建出一个特征向量，实现特征融合.为了验证多模态检测方法的有效性，本文在真实智能合约的数据集上，与多种主流的智能合约漏洞检测方法进行对比实验.实验结果表明，多模态检测方法在检测重入漏洞方面的召回率、准确率和F1值分别可以达到0.94、0.92和0.93.

关键词

区块链 / 智能合约 / 多模态 / 预训练模型 / 漏洞检测