SCSGuard：面向以太坊智能合约的深度骗局检测

智能合约是区块链系统的构建基石，实现了自动化的点对点交易与去中心化服务。随着智能合约日益普及，区块链系统尤其是以太坊，已成为各类欺诈活动的“天堂”，其中庞氏、蜜罐与钓鱼骗局尤为突出。形式化验证与符号分析已被用于通过分析代码与函数调用来对抗这些破坏性骗局，然而每种个体骗局的漏洞都需被谨慎地预先定义。本工作中，我们提出 SCSGuard，一种新颖的深度学习骗局检测框架，其利用智能合约可自动提取的字节码作为新特征。我们设计了一个带注意力机制的 GRU 网络，从 N-gram 字节码模式中学习，并判定智能合约是否具有欺诈性。我们的框架相较基线算法在三个方面具有优势。首先，SCSGuard 为不同骗局类型提供统一解决方案，从而减轻了对代码分析技能的需求。其次，SCSGuard 的推理比代码分析快数个数量级。第三，实验结果表明，在相似设置下，SCSGuard 对庞氏与蜜罐骗局均取得高准确率（0.92∼0.94）、精确率（0.94∼0.96%）与召回率（0.97∼0.98），并有可能用于检测新型钓鱼智能合约。