基于数据流图和混合网络模型的智能合约漏洞检测

• 全文链接
• 请求原文

作   者：

丁诗琪;  陈正奎;  黄海; 

作者机构：

浙江理工大学计算机科学与技术学院; 

关键词：

数据流图;  智能合约;  漏洞检测;  混合模型; 

期刊名称：

软件工程

i s s n：

2096-1472

年卷期：

2025 年 28 卷 001 期

页   码：

52-56

摘   要：

智能合约控制着区块链上巨额资产的流动，因此确保其安全性至关重要。基于此，提出一种基于数据流图和混合深度学习模型的方法，即DFG-HDP,用于检测智能合约的漏洞。该方法首先对智能合约源码进行清洗和变量规范；其次从源码中提取数据流特征，将其与源码结合作为输入；最后将不同的词嵌入模型与不同的深度学习模型结合，对输入进行学习检测。实验结果表明，该方法在智能合约漏洞检测中的F1值高达89.90%,优于之前的漏洞检测方法CBGRU。这一结果证明了该方法的有效性和优越性。