利用基于对比学习的漏洞检测提升智能合约安全性
密码学与安全
2024-04-30 v1 软件工程
摘要
当前，智能合约漏洞已成为威胁区块链交易安全的主要因素。现有最先进的方法依赖深度学习来缓解这一威胁。它们将每个输入合约视为独立实体，并输入深度学习模型，通过拟合漏洞标签来学习漏洞模式。遗憾的是，它们忽略了合约之间的相关性，未能考虑同类型合约之间的共性和不同类型合约之间的差异。因此，这些方法的性能未达到预期水平。为解决此问题，我们提出了一种新颖的基于对比学习的智能合约漏洞自动识别方法，名为Clear。具体而言，Clear采用对比学习模型来捕获合约间的细粒度关联信息，并基于合约间的关系生成关联标签以指导对比学习模型的训练过程。最后，它结合合约的关联信息和语义信息来检测智能合约漏洞。通过对包含超过4万个智能合约的大规模真实世界数据集进行实证评估，并与13种最先进的基线方法进行比较。我们表明，Clear实现了（1）在所有基线方法中的最优性能；（2）F1分数比现有深度学习方法高出9.73%-39.99%。
引用
@article{arxiv.2404.17839,
title = {Improving Smart Contract Security with Contrastive Learning-based Vulnerability Detection},
author = {Yizhou Chen and Zeyu Sun and Zhihao Gong and Dan Hao},
journal= {arXiv preprint arXiv:2404.17839},
year = {2024}
}