一种基于多智能体协同的智能合约字节码安全审计方法及系统与流程

本发明涉及区块链安全与软件自动化审计，更具体的说是涉及一种基于多智能体协同的智能合约字节码安全审计方法及系统。

背景技术：

1、随着区块链技术的快速发展，智能合约承载了海量的数字资产，其安全性已成为去中心化生态的核心痛点。目前，智能合约的安全审计正面临着由纯闭源环境带来的多级技术连锁瓶颈。

2、由于链上绝大多数智能合约未公开源代码，安全审计必须在纯字节码层面展开。然而，高级控制流与数据结构特征在编译过程中被严重去语义化，导致现有模型极难应对由编译优化或混淆手段带来的指令变体，无法精准捕获程序的底层拓扑。这种纯字节码去语义化场景下的特征缺失，进一步限制了深度学习模型对链上海量无标注合约数据的挖掘能力，使得现有的漏洞分析技术多停留在合约级别的粗粒度检索阶段，难以在函数级粒度上实现缺陷的精准定位与归因。

3、为了应对上述瓶颈，近期研究尝试引入在宏观复杂业务逻辑理解上具备优势的大语言模型参与安全审计。然而，由于大语言模型在独立执行代码审计时，缺乏前述底层客观程序分析和量化缺陷特征的事实支撑，在面对错综复杂的经济模型与合约调用时，极易产生严重的逻辑误判与“幻觉”；而现有的底层静态或动态检测工具虽能输出客观证据，却又完全不具备高层业务流的推演能力。

4、因此，如何打破纯字节码环境下的语义表征瓶颈，在海量无标注数据中实现细粒度函数级缺陷的自动自监督对齐，并建立一种能将底层客观事实特征无损注入高层大语言模型的协同机制以彻底抑制幻觉，是当前智能合约自动化审计领域亟待解决的技术难题。

技术实现思路

1、鉴于上述问题，本发明提出了一种基于多智能体协同的智能合约字节码安全审计方法及系统，旨在克服或至少部分解决上述问题。

2、为了实现上述目的，本发明采用如下技术方案：

3、第一方面，本发明提供了一种基于多智能体协同的智能合约字节码安全审计方法，包括：

4、获取待审计智能合约的二进制字节码，并将所述二进制字节码的底层机器指令转化为高层行为算子；

5、基于所述高层行为算子构建微观函数级控制流图和宏观合约级调用关联图；利用分层残差拓扑网络将所述微观函数级控制流图的微观特征向量注入所述宏观合约级调用关联图的节点特征更新过程，生成合约多维拓扑指纹；

6、构建包含顺序流通道和结构流通道的双通道网络；将所述高层行为算子序列特征输入顺序流通道，将所述合约多维拓扑指纹输入结构流通道；通过跨模态自监督对比学习机制对齐所述双通道网络的特征空间，根据梯度显著性归因机制确诊微观函数级缺陷及算子位置；

7、通过中央调度智能体对所述合约多维拓扑指纹和所述微观函数级缺陷及算子位置进行封装后，注入至高层大语言模型进行逻辑推演，并通过拓扑校验智能体对推演结论进行图可达性校验，生成结构化安全审计报告。

8、进一步地，所述将所述二进制字节码的底层机器指令转化为高层行为算子，具体包括：

9、通过滑动窗口探测算法识别所述底层机器指令中的组合语义模式；

10、当探测到pushx指令后紧接jump指令或jumpi指令时，将该指令对识别为控制流跳转子程序入口模式，抽象为控制算子，并标注跳转目标地址的符号化表示；

11、当探测到push32指令后紧接sstore指令或sload指令时，将该指令序列识别为持久化存储访问模式，抽象为数据算子，并关联存储槽位索引的符号化表示；

12、当探测到push32指令后紧接log0指令至log4指令时，将该指令序列识别为事件主题哈希模式，抽象为传输算子；

13、当探测到调度器代码块中出现push4指令后接eq指令与jumpi指令的组合时，将该指令簇识别为函数选择器路由模式，抽象为控制算子，并标记函数签名哈希值与对应跳转目标地址的映射关系。

14、进一步地，所述基于所述高层行为算子构建微观函数级控制流图和宏观合约级调用关联图，具体包括：

15、以所述待审计智能合约内部的各独立函数为分析单元，通过静态解析所述二进制字节码中的函数选择器与跳转表，自动识别各独立函数的边界范围与入口地址，为每个独立函数构建对应的微观函数级控制流图；

16、将每个所述微观函数级控制流图抽象为一个宏观拓扑节点，基于各独立函数间的调用关系及数据传递关系，构建宏观合约级调用关联图。

17、进一步地，所述宏观合约级调用关联图的节点特征更新过程表示为：

18、

19、其中，表示宏观合约级调用关联图中第个宏观拓扑节点在第图卷积层时的节点特征向量，且，表示第个宏观拓扑节点对应的微观函数级控制流图的微观特征向量；表示非线性激活函数；表示宏观合约级调用关联图中与第个宏观拓扑节点相连的邻居函数节点集合；表示在第图卷积层时第个宏观拓扑节点与第个宏观拓扑节点之间的图注意力系数；表示第图卷积层的权重变换矩阵；表示第个宏观拓扑节点在第图卷积层时的节点特征向量；表示残差控制因子；表示微观特征线性对齐矩阵。

20、进一步地，所述通过跨模态自监督对比学习机制对齐所述双通道网络的特征空间，具体包括：

21、将所述顺序流通道输出的顺序流特征向量和所述结构流通道输出的结构流特征向量，投影至高维共性语义空间，获得对应的顺序流特征投影向量和结构流特征投影向量；

22、在训练批次内，将同一智能合约的顺序流特征投影向量与结构流特征投影向量构建为同源正样本对，将同一个训练批次内其他不同智能合约的结构流特征投影向量，与当前智能合约的顺序流特征投影向量构建为非同源负样本；

23、利用infonce对比损失函数进行自监督训练，实现两通道的特征空间对齐。

24、进一步地，所述基于学成后的双通道网络根据梯度显著性归因机制确诊微观函数级缺陷及算子位置，具体包括：

25、利用学成后的双通道网络对所述智能合约进行推理，获得整体合约漏洞风险概率；当所述整体合约漏洞风险概率超过预设阈值时，启动所述梯度显著性归因机制；

26、所述梯度显著性归因机制包括函数级定位和算子级定位；

27、所述函数级定位包括：计算所述整体合约漏洞风险概率对每个微观函数级控制流图的微观特征向量分量的一阶偏导数，并基于偏导数的范数计算各独立函数的显著性敏感度得分，将得分最高的独立函数确认为漏洞疑点函数；

28、所述算子级定位包括：在锁定漏洞疑点函数后，计算所述整体合约漏洞风险概率对所述漏洞疑点函数内各行为算子特征向量的梯度向量；基于所述梯度向量的范数确定各行为算子对风险的贡献幅值，将贡献幅值最大的算子节点确认为缺陷指令位置。

29、进一步地，所述整体合约漏洞风险概率表示为：

30、

31、其中，表示整体合约漏洞风险概率；表示激活函数；表示分类权值矩阵；表示顺序流通道输出的顺序流特征投影向量；表示结构流通道输出的结构流特征投影向量；表示将顺序流特征投影向量与结构流特征投影向量进行拼接后的联合特征向量。

32、进一步地，所述通过中央调度智能体对所述合约多维拓扑指纹和所述微观函数级缺陷及算子位置进行封装，具体包括：

33、所述中央调度智能体通过系统内置的标准化事实注入接口，将所述合约多维拓扑指纹与所述微观函数级缺陷及算子位置转换为格式化事实上下文数据包；

34、将所述事实上下文数据包与预设的安全审计引导指令进行拼接封装，形成注入所述高层大语言模型的上下文关联窗口输入；

35、其中，所述事实上下文数据包在推理全过程中保持不可篡改状态，以强约束所述高层大语言模型的推演范围。

36、进一步地，所述通过拓扑校验智能体对推演结论进行图可达性校验，具体包括：所述拓扑校验智能体从高层大语言模型输出的推演结论中，提取涉及的攻击路径主张；并在所述微观函数级控制流图和宏观合约级调用关联图中进行图可达性校验；若所述攻击路径主张在物理拓扑中不可达，则标记为逻辑不一致并触发所述高层大语言模型重新推演。

37、第二方面，本发明提供了一种基于多智能体协同的智能合约字节码安全审计系统，使用上述的基于多智能体协同的智能合约字节码安全审计方法，包括：

38、语义抽象模块，用于获取待审计智能合约的二进制字节码，并将所述二进制字节码的底层机器指令转化为高层行为算子；

39、拓扑指纹构建模块，用于基于所述高层行为算子构建微观函数级控制流图和宏观合约级调用关联图；利用分层残差拓扑网络将所述微观函数级控制流图的微观特征向量注入所述宏观合约级调用关联图的节点特征更新过程，生成合约多维拓扑指纹；

40、跨模态对比学习模块，用于构建包含顺序流通道和结构流通道的双通道网络；将所述高层行为算子序列特征输入顺序流通道，将所述合约多维拓扑指纹输入结构流通道；通过跨模态自监督对比学习机制对齐所述双通道网络的特征空间，根据梯度显著性归因机制确诊微观函数级缺陷及算子位置；

41、多智能体协同推理模块，用于通过中央调度智能体对所述合约多维拓扑指纹和所述微观函数级缺陷及算子位置进行封装后，注入至高层大语言模型进行逻辑推演，并通过拓扑校验智能体对推演结论进行图可达性校验，生成结构化安全审计报告。

42、经由上述的技术方案可知，与现有技术相比，本发明公开提供了一种基于多智能体协同的智能合约字节码安全审计方法及系统，具有如下有益效果：

43、本发明通过将待审计智能合约的二进制字节码转化为高层行为算子，并构筑微观函数级控制流图和宏观合约级调用关联图，通过分层残差融合机制实现跨层级特征注入，使得最终输出的合约多维拓扑指纹兼具微观指令细节与宏观业务流语义，具备极强的抗干扰性，即使面对因编译优化或混淆导致的指令与语法差异，依然能精准提取功能骨架，极大提高了闭源场景下的同源识别与安全预警准确率。

44、本发明通过将双通道特征投射至共性语义空间，并实现跨模态自监督对齐，从根本上降低了数据标注成本。在此基础上，通过基于梯度的显著性归因机制，实现了从合约级风险概率到“具体疑点函数及内部特定行为算子”的两级精准确诊，显著节省了人工审计与漏洞排查的时间成本。

45、本技术通过标准化事实注入接口，将底层确诊的拓扑指纹与归因数据封装为不可篡改的事实数据包，并基于上下文拼接矩阵进行强约束注入。该架构强迫大语言模型在推演复杂业务逻辑时必须基于底层铁证，再辅以拓扑校验智能体对攻击路径进行图可达性逆向验证，从根本上杜绝了模型的随机幻觉与编造，使最终输出的安全审计报告兼具底层客观诊断事实与高层逻辑连贯性。