公开(公告)号：CN112115326A

公开(公告)日：2020-12-22

申请号：CN202010836902.4

申请日：2020-08-19

Applicant: 北京交通大学

Inventor： 王伟 ,  李浥东 ,  宋晶晶

IPC: G06F16/906 ,  G06F16/951 ,  G06F21/57 ,  G06N20/00

Abstract: 本发明提供了一种以太坊智能合约的多标签分类和漏洞检测方法。该方法包括：利用已验证的智能合约构成样本数据集，对样本数据集中的样本进行特征提取，使用特征向量来表示样本；基于各个样本的特征向量训练各种多标签分类模型，对各个多标签分类模型的分类效果进行评价，选取分类效果最好的多标签分类模型；将待分类的以太坊智能合约输入到选取的多标签分类模型中，该多标签分类模型输出所述待分类的以太坊智能合约的漏洞检测结果。本发明的方法通过提取静态特征和利用机器学习算法，实现了以太坊智能合约漏洞自动且高效地检测，本方法更适用于大批量合约漏洞检测的应用场景。

公开(公告)号：CN112115326B

公开(公告)日：2022-07-29

申请号：CN202010836902.4

申请日：2020-08-19

Applicant: 北京交通大学

Inventor： 王伟 ,  李浥东 ,  宋晶晶

IPC: G06F16/906 ,  G06F16/951 ,  G06F21/57 ,  G06N20/00

Abstract: 本发明提供了一种以太坊智能合约的多标签分类和漏洞检测方法。该方法包括：利用已验证的智能合约构成样本数据集，对样本数据集中的样本进行特征提取，使用特征向量来表示样本；基于各个样本的特征向量训练各种多标签分类模型，对各个多标签分类模型的分类效果进行评价，选取分类效果最好的多标签分类模型；将待分类的以太坊智能合约输入到选取的多标签分类模型中，该多标签分类模型输出所述待分类的以太坊智能合约的漏洞检测结果。本发明的方法通过提取静态特征和利用机器学习算法，实现了以太坊智能合约漏洞自动且高效地检测，本方法更适用于大批量合约漏洞检测的应用场景。