Sep, 2023
VulnSense:基于图神经网络和语言模型的以太坊智能合约高效漏洞检测
VulnSense: Efficient Vulnerability Detection in Ethereum Smart Contracts by Multimodal Learning with Graph Neural Network and Language Model
Phan The Duy, Nghi Hoang Khoa, Nguyen Huu Quyen, Le Cong Trinh, Vu Trung Kien...
TL;DR本文介绍了 VulnSense 框架,一种基于图形和自然语言处理模型的多模态学习方法,用于高效地检测以太坊智能合约中的漏洞。该框架通过整合源代码、操作码序列和字节码提取的控制流图等三种智能合约特征,运用 Bidirectional Encoder Representations from Transformers (BERT)、Bidirectional Long Short-Term Memory (BiLSTM) 和 Graph Neural Network (GNN) 模型来提取和分析这些特征,最后使用全连接层来预测以太坊智能合约中的漏洞。通过对 3 个数据集(Curated、SolidiFI-Benchmark 和 Smartbugs Wild)组合得到的 1,769 个智能合约进行实验验证,与 GNN、BiLSTM 和 BERT 结构提出的各种单模态和多模态学习技术进行对比,实验证明了我们提出的方法在三类易受攻击智能合约上达到了 77.96% 的平均准确率,超越了现有的单特征或单模型深度学习技术在准确性和效果方面的限制。