基于预训练技术和专家知识的重入漏洞检测

摘要：

随着区块链中智能合约的安全问题日益突出,智能合约的漏洞检测任务逐渐成为研究的热点.然而,目前的智能合约重入漏洞检测技术主要是符号执行、静态分析、形式化验证和模糊测试等传统的检测方法,这些检测方法不仅存在较高的误报率和漏报率,而且检测精度较低.同时,基于深度学习的方法也有其独特的局限性.针对这些问题,文中提出了一种将预训练技术与传统的专家知识相融合的检测方法,同时将智能合约进行切片处理,以此减小无关数据对模型的影响.文中聚焦于重入漏洞的检测,在203716份合约数据集上进行实验.实验结果表明,基于预训练技术和专家知识的智能合约重入漏洞检测方法具有96.2％的精确率、97.7％的召回率以及96.9％的F1分数,检测效果均优于现有的检测方法.

关键词：区块链、智能合约、漏洞检测、预训练技术、专家知识

所属期刊栏目：49

分类号：TP311(计算技术、计算机技术)

资助基金：国家自然科学基金;国家社会科学基金

在线出版日期：2023-05-22（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：701-708