.png){kind=icon}
返回
Efficient Path-Driven Vulnerability Detection for Complex Smart Contracts via Graph Compression
.png){kind=icon}
PRE
AI
DOI：10.1007/s10922-026-10052-7.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
智能合约作为区块链系统的核心组件，封装了去中心化应用的自动化执行逻辑。然而，其漏洞可能导致严重的安全漏洞和财务损失，使得高效的自动化漏洞检测至关重要。现代智能合约具有日益复杂的业务逻辑，包括广泛的函数调用和复杂的模块间交互，这导致潜在执行路径数量呈指数级增长。这种路径爆炸给现有检测方法带来了巨大的计算挑战，限制了其效率和准确性。在本研究中，我们提出了一种基于图压缩的路径序列建模框架，通过简化合约图结构同时保留关键的语义和控制依赖关系来解决这些挑战。我们的方法根据预定义规则提取候选子图，并使用预训练的异构图神经网络进行压缩。沿执行路径的序列特征通过LSTM编码器捕获，结构嵌入与路径语义融合，生成用于下游分析的信息性表示。我们进一步引入了一个专门的模型——边界感知路径Transformer，专门用于路径级别的表示学习。为减轻图压缩固有的信息损失，我们设计了一个边界对齐模块。该模块利用注意力机制将前驱节点的出口特征严格对齐到后继节点的入口特征，从而确保压缩执行路径上的语义一致性和流程连续性。实验结果表明，SmartPath在合成跨合约漏洞数据集上平均F1分数提升了32.75%，在真实世界复杂合约检测中进一步提升了10.21%，持续超越现有最优方法。
Keyword:
Smart contract
Ethereum
Blockchain
Vulnerability detection
Deep learning
期刊
IF:
3.9
论文数:
1.0K
被引数:
1.3K
机构
引用论文
.png){kind=icon}
分享收藏
Vulnerability Detection by Learning From Syntax-Based Execution Paths of Code通过基于语法的代码执行路径学习进行漏洞检测
PREAI
分享收藏SmartGuard: Making Prediction Verifiable Through Transaction Sequences for Smart Contract Vulnerability DetectionSmartGuard：通过交易序列使预测可验证，用于智能合约漏洞检测
PREAI
分享收藏Blockchain on Security and Forensics Management in Edge Computing for IoT: A Comprehensive Survey
PREAI
分享收藏分享收藏Anomaly Detection Services for Blockchain Smart Contracts with Unknown Vulnerabilities针对具有未知漏洞的区块链智能合约的异常检测服务
PREAI
分享收藏
查看更多内容