公开(公告)号：CN116881668A

公开(公告)日：2023-10-13

申请号：CN202311058259.7

申请日：2023-08-22

Applicant: 哈尔滨工程大学 ,  哈尔滨工程大学三亚南海创新发展基地 ,  海南俊码数据研究院有限公司

Inventor： 庄园 ,  樊泽楷 ,  刘昊洋 ,  王诚 ,  段毅航 ,  蔡成涛 ,  王巍 ,  李承国 ,  王小芳 ,  杨明刚 ,  陈征平 ,  陈志远 ,  李晋 ,  曹雪 ,  冯晓宁 ,  付岩 ,  关键 ,  兰海燕 ,  李智慧 ,  刘海波

IPC: G06F18/20 ,  G06F18/22 ,  G06F18/25 ,  G06N3/0464 ,  G06N3/08

Abstract: 本发明提出基于跨模态预训练模型的智能合约相似性检测方法，包括：构建智能合约的控制流图；提取所述智能合约中的注释信息，将所述控制流图与所述注释信息进行对应，获取对应图；将所述对应图中的信息输入预设的跨模态预训练模型，获取合约的特征表示向量；基于所述特征表示向量，通过阈值进行合约相似性的判定。本发明能实现高精度智能合约语义相似性检测。

公开(公告)号：CN114841318A

公开(公告)日：2022-08-02

申请号：CN202210474802.0

申请日：2022-04-29

Applicant: 哈尔滨工程大学

Inventor： 庄园 ,  孙国凯 ,  孙建国 ,  武俊鹏 ,  刘昊洋 ,  李俊

IPC: G06N3/04 ,  G06N3/08 ,  G06V10/80 ,  G06V30/416

Abstract: 基于跨模态知识蒸馏的智能合约漏洞检测方法,涉及区块链技术领域，针对现有技术中无法将两种模态的特征信息融合并加以处理的问题，与现有技术相比，本申请针对当前仅分析一种模态的逻辑信息作为智能合约漏洞检测的基础，提出基于跨模态知识蒸馏的智能合约漏洞检测方法。本申请的漏洞检测方法可有效地发现大量智能合约存在的漏洞，且准确度较高。本申请提出的漏洞检测方法有助于在智能合约漏洞造成损失之前发现和预防漏洞，避免不可估量的经济损失。

公开(公告)号：CN114841318B

公开(公告)日：2024-10-15

申请号：CN202210474802.0

申请日：2022-04-29

Applicant: 哈尔滨工程大学

Inventor： 庄园 ,  孙国凯 ,  孙建国 ,  武俊鹏 ,  刘昊洋 ,  李俊

IPC: G06F21/57 ,  G06N3/096 ,  G06N3/045 ,  G06N3/0464 ,  G06N3/042 ,  G06F18/25 ,  G06F40/16 ,  G06F40/30

Abstract: 基于跨模态知识蒸馏的智能合约漏洞检测方法,涉及区块链技术领域，针对现有技术中无法将两种模态的特征信息融合并加以处理的问题，与现有技术相比，本申请针对当前仅分析一种模态的逻辑信息作为智能合约漏洞检测的基础，提出基于跨模态知识蒸馏的智能合约漏洞检测方法。本申请的漏洞检测方法可有效地发现大量智能合约存在的漏洞，且准确度较高。本申请提出的漏洞检测方法有助于在智能合约漏洞造成损失之前发现和预防漏洞，避免不可估量的经济损失。

公开(公告)号：CN114153640A

公开(公告)日：2022-03-08

申请号：CN202111421597.3

申请日：2021-11-26

Applicant: 哈尔滨工程大学

Inventor： 庄园 ,  邱天瑞 ,  孙建国 ,  何佳蔓 ,  刘昊洋 ,  武俊鹏 ,  黄子瑶

IPC: G06F11/07 ,  G06F11/14 ,  G06F9/50 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明属于分布式流处理系统容错技术领域，具体涉及一种基于深度强化学习的系统容错策略方法。本发明将深度强化学习技术应用于分布式流处理系统的容错问题中，能够将容错问题中数据备份的分配问题表述为资源分配问题，构建以任务和任务之间的联系为顶点和边的神经网络模型，并经过多层次的训练，有效的使当前系统容错问题处理效果更优秀，同时能够为分布式流处理系统容错问题提供一种基于深度强化学习的可行的方法。本发明所提供的技术方案可恰当分配备份资源，对系统容错开销进行评价，从而降低当前主要以上游备份为主要方案进行处理的复杂度，提高系统容错的效率，降低现有方法的容错开销。

公开(公告)号：CN114153640B

公开(公告)日：2024-05-31

申请号：CN202111421597.3

申请日：2021-11-26

Applicant: 哈尔滨工程大学

Inventor： 庄园 ,  邱天瑞 ,  孙建国 ,  何佳蔓 ,  刘昊洋 ,  武俊鹏 ,  黄子瑶

IPC: G06F11/07 ,  G06F11/14 ,  G06F9/50 ,  G06N3/0464 ,  G06N3/0455 ,  G06N3/0442 ,  G06N3/084 ,  G06N3/092

Abstract: 本发明属于分布式流处理系统容错技术领域，具体涉及一种基于深度强化学习的系统容错策略方法。本发明将深度强化学习技术应用于分布式流处理系统的容错问题中，能够将容错问题中数据备份的分配问题表述为资源分配问题，构建以任务和任务之间的联系为顶点和边的神经网络模型，并经过多层次的训练，有效的使当前系统容错问题处理效果更优秀，同时能够为分布式流处理系统容错问题提供一种基于深度强化学习的可行的方法。本发明所提供的技术方案可恰当分配备份资源，对系统容错开销进行评价，从而降低当前主要以上游备份为主要方案进行处理的复杂度，提高系统容错的效率，降低现有方法的容错开销。