图神经网络增强的教育区块链智能合约漏洞检测
密码学与安全
2023-03-09 v1 机器学习
摘要
随着区块链技术的发展,区块链与教育的交叉日益受到关注,各类教育评价系统与电子学习系统基于区块链技术被开发出来。其中,以太坊智能合约因其构建教育智能交易系统与智能学习平台的“事件触发”机制而受到开发者青睐。然而,由于区块链的不可篡改性,已发布的智能合约无法修改,因此教育区块链中有问题的合约无法通过修改代码来修复。近年来,由智能合约漏洞引发的安全事件造成了巨大的财产损失,因此教育区块链中智能合约漏洞的检测成为一大挑战。为解决该问题,本文提出一种基于图神经网络(GNN)的教育区块链智能合约漏洞检测方法。首先,对字节码进行反编译以获取操作码。其次,划分基本块,并根据操作码执行逻辑添加基本块之间的边。然后,构建控制流图(CFG)。最后,我们设计了一个基于 GNN 的漏洞检测模型。实验结果表明,所提方法对智能合约漏洞检测是有效的。相比传统方法,其能以更少的 GCN 模型层数取得良好结果,表明合约字节码与 GCN 模型在漏洞检测中是高效的。
引用
@article{arxiv.2303.04477,
title = {Graph Neural Networks Enhanced Smart Contract Vulnerability Detection of Educational Blockchain},
author = {Zhifeng Wang and Wanxuan Wu and Chunyan Zeng and Jialong Yao and Yang Yang and Hongmin Xu},
journal= {arXiv preprint arXiv:2303.04477},
year = {2023}
}
备注
8 pages, 8 figures