基于特征调制图神经网络的智能合约源码漏洞检测

摘要

随着区块链技术的广泛应用，智能合约的安全问题引起广泛关注。针对智能合约源码向字节码转化会丢失部分语义信息，而现有深度学习漏洞检测方法不能很好地检测重入漏洞和时间戳漏洞等问题，本文提出一种基于特征调制图神经网络的智能合约源码漏洞检测方法（GNN-film）。首先，分析重入漏洞和时间戳漏洞的特点，使用智能合约源码构建图结构并将其精简化；其次，搭建基于特征级线性调制的图神经网络模型，利用该网络模型强大的特征调制能力对合约漏洞特征进行精确表示；最后，将精简化后的图结构数据输入搭建的模型中获得检测结果。实验结果显示，本文方法对重入漏洞和时间戳漏洞检测的准确率达到91.00%和91.64%，相较基于图神经网络的方法分别提升了4.20百分点和9.70百分点，证明本文方法对相关漏洞检测的能力要优于其他检测工具。

关键词

智能合约 / 漏洞检测 / 重入漏洞 / 时间戳漏洞 / 特征调制图神经网络