基于以太坊多模态数据融合的智能合约可信度分析
机器学习
2025-04-01 v2 人工智能
密码学与安全
新兴技术
摘要
智能合约可信度评估是促进去中心化生态系统信任的关键步骤。然而，现有方法仅依赖代码分析或交易数据，难以洞察可信度的演变。我们提出一种多模态数据融合框架，将代码特征与交易数据集成以提升可信度预测。该框架首先聚焦于 AI 驱动的代码分析，利用 GAN 增强的 opcode 嵌入处理类别不平衡问题，在识别非法合约方面达到 97.67% 的准确率和 0.942 的召回率，显著优于传统过采样方法。这构成了以可信度为核心的融合策略，代码与交易数据组合的模型在召回率上比单一来源模型提升 7.25%，在多个验证集上表现稳健。通过提供对智能合约行为的全面视图，我们的方法增强了可信度评估、识别欺诈活动和预测异常模式的能力。这些能力有助于实现更精准的可信度评估、主动风险缓解以及提升区块链安全性。
引用
@article{arxiv.2503.17426,
title = {Enhanced Smart Contract Reputability Analysis using Multimodal Data Fusion on Ethereum},
author = {Cyrus Malik and Josef Bajada and Joshua Ellul},
journal= {arXiv preprint arXiv:2503.17426},
year = {2025}
}