MultiCFV：基于多模态深度学习检测智能合约控制流漏洞
密码学与安全
2026-01-16 v2
摘要
智能合约功能的引入标志着区块链 2.0 时代的到来，使区块链技术得以支持数字货币交易和复杂分布式应用。然而，许多智能合约被发现包含漏洞和错误，导致区块链内资产损失。尽管已开发了诸多工具在源代码或字节码层面识别漏洞，但大多数仅依赖单一模态，导致性能、准确率受限且泛化能力差。本文提出一种多模态深度学习方法 MultiCFV，旨在分析和检测错误控制流漏洞，同时识别代码克隆。通过源代码生成字节码构建控制流图，运用图嵌入技术提取图特征；同时使用抽象语法树获取语法特征，代码注释捕获关键注释词汇和注释特征。将这三种特征向量融合，创建用于代码检查的数据库，用于检测相似代码并识别合约漏洞。实验结果表明，我们的方法有效地结合了结构、语法和语义信息，提高了智能合约漏洞检测和克隆检测的准确率。
引用
@article{arxiv.2508.01346,
title = {MultiCFV: Detecting Control Flow Vulnerabilities in Smart Contracts Leveraging Multimodal Deep Learning},
author = {Hongli Peng and Xiaoqi Li and Wenkai Li},
journal= {arXiv preprint arXiv:2508.01346},
year = {2026}
}