Mar, 2024

DISL: 以大规模 Solidity 智能合约数据集推动研究

PDF
TL;DRDISL 数据集包含 514,506 个唯一的 Solidity 文件，部署在以太坊主网上。它满足对大型和多样化的真实世界智能合约数据集的需求。DISL 旨在成为开发机器学习系统和为智能合约设计的软件工程工具进行基准测试的资源。通过聚合截至 2024 年 1 月 15 日的 Etherscan 上的每个经过验证的智能合约，DISL 在规模和新颖性上超过了现有的数据集。
disl datasetsolidity filesethereum mainnetsmart contractsmachine learning systems
发现论文，激发创造
  • 合同发现：数据集和具有竞争基线的少样本语义检索挑战

    该论文提出了一个新的共享任务来从法律文本中进行语义检索，并给出了在这个方法框架下提出的多个解决方案的评估。此外，针对文本片段相关性检测准确度的问题，提出了一些策略。最终，该论文展示了在法律领域专门化的语言模型方面的成果，这些模型已经公开。

    Nov, 2019

  • 利用愚蠢合同进行学校教育

    SCooLS 是一个智能合约学习引擎，使用神经网络来分析以太坊合约字节码，通过半监督学习和图神经网络，可以快速识别智能合约中的漏洞，同时可用于生成利用程序，具有很高的精确度和较低的误报率。

    Apr, 2023

  • D3: 一份庞大的学术元数据集，用于分析计算机科学研究的现状

    本研究提取了 DBLP 上的 600 多万篇计算机科学论文，分析了计算机科学研究的趋势、活动水平、协作情况等方面。该研究的发现是计算机科学是一个快速发展的研究领域，但近年来其平均引用次数有所下降，并且最新的主题趋势也在 DBLP 数据集中得到了呈现。

    Apr, 2022

  • 数据集：自然语言处理社区的共享库

    该研究论文探讨了一个名为 Datasets 的 NLP 数据集库，旨在通过标准化终端用户接口、版本控制和文档，为 NLP 研究人员提供一个小型数据集至互联网规模文集均能使用的轻量级前端，并采用分布式、社区驱动的方法添加数据集和记录使用情况。经过一年的发展，在该库中已经包含超过 650 个独特的数据集，有 250 多名贡献者，并帮助支持了一系列新颖的交叉数据集研究项目和共享任务。

    Sep, 2021

  • 关于精简数据集的多样性和真实性：一种高效的数据集精简范式

    用于大规模真实数据集的数据集压缩方法 RDED 能够在短短 7 分钟内将完整的 ImageNet-1K 压缩为每类只有 10 张图像的小型数据集，并在单个 RTX-4090 GPU 上以 42% 的 Top-1 精度实现了显著的性能提升（而目前最先进方法仅达到 21% 的精度，且需要 6 小时）。

    Dec, 2023

  • ContractFuzzer：用于检测漏洞的智能合约模糊测试工具

    在此研究中，我们提出了一种新的模糊测试工具 ContractFuzzer，用于测试以太坊智能合约的安全漏洞，该工具已经成功检测出了 6991 个智能合约中 459 个高风险漏洞，包括导致 6000 万美元损失的 DAO 合约漏洞和导致 3 亿美元冻结的 Parity Wallet。

    Jul, 2018

  • 区块链上的去中心化与协作型人工智能

    本研究提出了一种基于区块链的框架，通过智能合约共同构建数据集并持续更新模型，使其在公共场所免费使用，并采用金融和非金融激励机制以保证数据的准确性。

    Jul, 2019

  • ContractNLI: 合同文件级别自然语言推理数据集

    本研究提出了一种新的自然语言推理应用 —— 针对合同的 “文档级自然语言推理”，解决了合同审查过于耗时和过于昂贵的问题，并标注并发布了目前最大的包括 607 个合同的语料库。研究还指出，以往的模型在该任务上表现不佳，而研究者引入了一种新的算法，并通过多标签分类和更复杂的上下文分割方法使该任务取得了显著进展，并认为这一领域还有很大的改进空间。

    Oct, 2021

  • SOLID: 一个大规模半监督的辱骂语言识别数据集

    本论文扩展了 OLID 数据集，提出了一个新的名为 SOLID 的数据集，其中包含九百多万英语推文，标记为准半监督方式，使用 SOLID 和 OLID 组合可以获得相当大的性能提升，尤其是在分类学的较低层面。

    Apr, 2020

  • 智能学习寻找愚笨合约

    本研究利用深度学习技术，基于字节码对以太坊智能合约进行漏洞检测，提出了 Deep Learning Vulnerability Analyzer (DLVA), 其训练算法具有通用性和鲁棒性，在速度和精度上有显著的提升。DLVA 主要由三个部分组成: Smart Contract to Vector (SC2V), Sibling Detector (SD) 和 Core Classifier (CC)。DLVA 在测试中的整体准确率为 96.6%，误报率仅为 3.7%。

    Apr, 2023