.png){kind=icon}
返回
Smart contract vulnerability detection using opcode sequences with variable length
.png){kind=icon}
PRE
AI
DOI：10.1007/s10115-026-02867-2.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
智能合约代表了区块链技术的基石，能够实现加密货币和去中心化金融（DeFi）中的关键应用。然而，智能合约开发中的固有复杂性经常引入严重的安全漏洞。这一问题因智能合约部署后不可更改的特性而加剧，导致用户和参与者面临巨大的财务损失和风险。因此，漏洞检测和安全审计成为必要任务。现有的基于深度学习的漏洞检测方法局限于固定长度的输入序列，无法有效处理交易执行产生的可变长度操作码序列。这一限制常导致数据截断，通过丢弃关键信息而影响检测精度。为克服此挑战，提出了一种新型神经网络模型，可处理可变长度输入序列。通过交易重放获取数据集的操作码序列。采用ChordMixer架构处理可变长度操作码序列，以保留完整序列信息并提取全局特征。此外，网络中集成了保留机制以识别显著局部特征。对全局和局部序列信息的综合关注促进了更精确的安全分析和智能合约漏洞预测。广泛的实验验证证实了模型的有效性，在七种漏洞类型上达到93.5%的准确率和90.6%的F1分数。该方法通过实现无截断的长序列处理，提升了当前技术水平，在性能上优于依赖固定输入的基线方法。
Keyword:
Blockchain
Vulnerability detection
Smart contracts
Opcode sequences
Deep learning
期刊
IF:
3.1
论文数:
567
被引数:
5.2K
机构
引用论文
分享收藏A practical tutorial on the use of nonparametric statistical tests as a methodology for comparing evolutionary and swarm intelligence algorithms关于使用非参数统计检验作为比较进化和群体智能算法的方法的实用教程
PREAI
分享收藏A review on artificial intelligence thermal fluids and the integration of energy conservation with blockchain technology人工智能热流体综述及能源节约与区块链技术的集成.png)
OAAI
IF0
OAAI分享收藏Combine sliced joint graph with graph neural networks for smart contract vulnerability detection?将切片联合图与图神经网络相结合用于智能合约漏洞检测？
PREAI
分享收藏Smart Contract Vulnerability Detection Based on Hybrid Attention Mechanism Model基于混合注意力机制模型的智能合约漏洞检测OAAI
OAAI分享收藏分享收藏
查看更多内容