结合图神经网络与专家知识用于智能合约漏洞检测

近年来，由于黑客攻击造成的重大损失，智能合约漏洞检测引起了广泛关注。现有的合约安全分析工作严重依赖于专家定义的刚性规则，这些规则劳动密集且不可扩展。更重要的是，专家定义的规则往往容易出错，并存在被狡猾的攻击者欺骗的固有风险。近期研究侧重于利用符号执行和形式化分析进行智能合约漏洞检测，但尚未实现精确且可扩展的解决方案。尽管已有多种方法被提出用于检测智能合约中的漏洞，但考虑将专家定义的安全模式与深度神经网络相结合的工作仍然缺乏。在本文中，我们探索利用图神经网络和专家知识进行智能合约漏洞检测。具体而言，我们将源代码丰富的控制流和数据流语义转化为合约图。为了突出图中的关键节点，我们进一步设计了一个节点消除阶段来规范化该图。然后，我们提出了一种新颖的时间消息传播网络，从规范化后的图中提取图特征，并将该图特征与设计的专家模式相结合，以产生最终的检测系统。在以太坊和VNT Chain平台上所有具有源代码的智能合约上进行了大量实验。实证结果表明，在三种类型的漏洞上，我们的方法相比最先进的方法有显著的准确性提升，其中对于重入漏洞、时间戳依赖漏洞和无限循环漏洞，我们方法的检测准确率分别达到了89.15%、89.02%和83.21%。