.png){kind=icon}
返回
VulFinder: Exploring Chaincode Vulnerabilities More Effectively and Efficiently Using Knowledge Graph Based Defect Pattern Matching
.png){kind=icon}
PRE
AI
DOI：10.1109/TSE.2025.3605379.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
Hyperledger Fabric 是 Linux Foundation 的一个开源项目，它是一种模块化区块链框架，并已成为企业区块链平台的非官方标准。在 Hyperledger Fabric 中，智能合约也称为 chaincode，通常使用通用编程语言编写，包括 Go、Java 或 Node.js 等。尽管已有一些针对 Java 和 Node.js 的漏洞检测方法，但针对 Go 的漏洞检测方法非常少，尤其是在将其作为 Hyperledger Fabric 中智能合约编程语言的情况下。本文提出了一种基于知识图谱的缺陷模式匹配方法，并开发了一个名为 VulFinder 的工具，用于检测 chaincode 中的漏洞，即使用 Go 语言编写的智能合约。采用知识图谱是因为它能够完整保留智能合约的语法和逻辑信息。该方法包括两个关键步骤：首先，从 Go language specification 和 chaincode 源代码构建知识图谱，包括本体层定义和实例层构建；其次，定义缺陷模式，并使用 SPARQL 查询语句在知识图谱上匹配和定位漏洞。为评估 VulFinder 的检测有效性和效率，由于缺乏公开数据集，我们通过手动分析和漏洞注入构建了两个数据集。实验结果表明，VulFinder 能够有效检测 22 种典型的 chaincode 漏洞，其 recall 高达 98.87%，而 false negative rate 低至 1.13%。
Keyword:
Hyperledger fabric
chaincode
vulnerability detection
knowledge graph
期刊
IF:
5.6
论文数:
2.9K
被引数:
1.1W
机构
引用论文
.png){kind=icon}
Learning to Fuzz from Symbolic Execution with Application to Smart Contracts学习从应用程序的符号执行到智能合约的模糊
PREAI
分享收藏Combining Graph Neural Networks With Expert Knowledge for Smart Contract Vulnerability Detection结合图神经网络和专家知识的智能合约漏洞检测
OAAI
OAAI分享收藏
查看更多内容