智能合约漏洞检测的知识迁移框架
密码学与安全
2025-01-07 v2 机器学习
摘要
作为区块链3.0时代的基石，智能合约在区块链系统的演进中发挥着关键作用。为解决现有智能合约漏洞检测模型在泛化能力方面的局限性，本文提出了一种融合高效知识迁移的AF-STip智能合约漏洞检测框架。AF-STip以教师网络作为主模型，采用无数据知识蒸馏方法将智能合约处理过的知识迁移到学生模型。学生模型利用该知识增强其漏洞检测能力。该方法显著提升了模型的特征提取与跨类别适应能力，同时降低了计算开销。为进一步增强漏洞特征的提取，本文提出了一种自适应融合模块，旨在加强特征信息的交互与融合。实验结果表明，STip模型在四种漏洞上的平均F1检测分数达到91.16%，且无需披露原始智能合约数据。为验证所提轻量级迁移方法的可行性，学生模型被部署在针对新型漏洞类型的迁移学习任务中，准确率达到91.02%，F1分数为90.46%。据我们所知，AF-STip是首个将无数据知识迁移应用于智能合约漏洞检测的模型。该方法在显著降低计算开销的同时，仍展现出检测新型漏洞的卓越性能。
引用
@article{arxiv.2412.11175,
title = {Knowledge Migration Framework for Smart Contract Vulnerability Detection},
author = {Luqi Wang and Wenbao Jiang},
journal= {arXiv preprint arXiv:2412.11175},
year = {2025}
}