HyMo：基于新型多模态混合模型的智能合约漏洞检测
密码学与安全
2023-04-27 v1 人工智能
摘要
随着区块链技术的快速发展，智能合约已成为金融、医疗、保险和游戏等众多行业的常用工具。智能合约数量成倍增长，同时由于智能合约漏洞造成的经济损失，其安全性引起了相当关注。现有分析技术能够识别大量智能合约安全缺陷，但过于依赖专家制定的刚性规则，且随着智能合约复杂度上升检测过程耗时更长。本文提出 HyMo 这一多模态混合深度学习模型，其智能地考虑多种输入表示以实现多模态，并采用 FastText 词嵌入技术（将每个词表示为字符的 n-gram）结合 BiGRU 深度学习技术作为序列处理模型（由两个 GRU 组成），以在智能合约漏洞检测中实现更高准确率。该模型利用多种深度学习模型提取特征以识别智能合约漏洞。通过在 ScrawlD 等当前公开可用数据集上的一系列研究，我们表明混合 HyMo 模型具有优异的智能合约漏洞检测性能。因此，相较于其他方法，HyMo 对智能合约漏洞的检测表现更优。
引用
@article{arxiv.2304.13103,
title = {HyMo: Vulnerability Detection in Smart Contracts using a Novel Multi-Modal Hybrid Model},
author = {Mohammad Khodadadi and Jafar Tahmoresnezhad},
journal= {arXiv preprint arXiv:2304.13103},
year = {2023}
}