智能合约的漏洞检测方法、装置、程序产品及电子设备与流程
本技术涉及区块链或其他相关,具体而言,涉及一种智能合约的漏洞检测方法、装置、程序产品及电子设备。
背景技术:
1、在智能合约安全检测领域,随着区块链技术的广泛应用,智能合约作为去中心化应用的核心代码载体,其安全性至关重要,智能合约具有不可篡改性和直接处理资产的特性,若智能合约代码存在漏洞,往往导致严重的资产损失。目前,现有的智能合约安全检测技术主要依赖专家人工审查的方式,在这种模式下,安全专家需要逐行阅读合约源码,凭借个人经验识别潜在的逻辑错误、重入攻击、权限越界等安全隐患。
2、尽管专家检测方法在深度分析复杂业务逻辑方面具有一定优势,但其存在显著的技术缺陷:首先,检测效率低下,面对海量且快速迭代的智能合约项目,人工审查耗时较长,难以满足大规模自动化检测的需求,严重制约了区块链业务的发展速度;其次,人工审查方式的准确度与一致性难以保障,检测质量高度依赖专家的个人经验水平、知识储备及工作状态,不同专家对同一合约的评估结果可能存在较大差异,且容易因疲劳或疏忽导致漏报或误报,此外,专家知识难以标准化和规模化复用,面对新型漏洞或复杂交互场景时,人工检测的响应滞后性明显。
3、针对现有技术中依赖专家经验导致的智能合约漏洞检测的效率差、准确度低的技术问题,目前尚未提出有效的解决方案。
技术实现思路
1、本技术提供了一种智能合约的漏洞检测方法、装置、程序产品及电子设备,以至少解决基于现有技术对智能合约进行漏洞检测的效率差、准确度低的技术问题。
2、根据本技术的一个方面,提供了一种智能合约的漏洞检测方法,包括:对智能合约的结构化特征进行解析,得到解析结果,其中,结构化特征包括合约特征和上下文特征,解析结果包括合约调用图、变量依赖图、注释文档以及风险边界数据;通过l个检测智能体对解析结果并行进行漏洞检测,得到初始漏洞集合,其中,初始漏洞集合包括x个候选漏洞,l和x均为正整数;对初始漏洞集合中的x个候选漏洞进行筛选,得到y个置信度评分大于或等于预设置信度评分并且漏洞类型不存在冲突的目标漏洞,其中,y为小于或等于x的正整数;基于y个目标漏洞中的每个目标漏洞的触发条件对智能合约进行测试,得到每个目标漏洞对应的测试结果;基于每个目标漏洞对应的测试结果生成智能合约的检测报告。
3、可选地,在对智能合约的结构化特征进行解析之前,获取智能合约的代码信息和上下文信息,其中,代码信息为源代码信息或字节码信息,上下文信息包括接口交互规范、预设漏洞知识库、智能合约之间的调用关系以及调用日志;基于代码信息生成中间表示数据、抽象语法树以及控制流图,其中,中间表示数据为剥离了代码信息所使用的编程语言的语法细节的数据;对中间表示数据、抽象语法树以及控制流图进行特征提取,得到智能合约的合约特征,并且对上下文信息进行特征提取,得到智能合约的上下文特征,其中,合约特征用于表征智能合约的函数签名、变量依赖关系以及控制结构。
4、可选地,对智能合约的结构化特征进行解析,得到解析结果,包括:在通过解析智能体对结构化特征中的合约特征进行解析,得到智能合约的合约控制关系和数据流关系之后,基于合约控制关系生成解析结果中的合约调用图,并且基于数据流关系生成解析结果中的变量依赖图;在通过解析智能体对结构化特征中的上下文特征进行解析,得到代码注释数据、接口定义数据以及语义推断数据之后,基于代码注释数据、接口定义数据以及语义推断数据生成解析结果中的注释文档;在通过解析智能体对结构化特征进行解析,得到权限边界数据、资产流转边界数据以及异常状态的传播范围之后,将权限边界数据、资产流转边界数据以及传播范围作为解析结果中的风险边界数据。
5、可选地,每个检测智能体包括假设生成器、风险评分器以及上下文分析器,通过l个检测智能体对解析结果并行进行漏洞检测,得到初始漏洞集合,包括:通过每个检测智能体中的假设生成器基于解析结果和预设漏洞知识库确定k个漏洞类型的假设漏洞,其中,k为正整数,假设生成器与预设大模型相连;通过每个检测智能体中的风险评分器确定k个假设漏洞中的每个假设漏洞的评分因素,并且基于每个假设漏洞的评分因素确定每个假设漏洞的风险评分,其中,评分因素至少包括漏洞类型、受攻击概率、影响范围以及攻击者的操作复杂度;通过每个检测智能体中的上下文分析器对解析结果和每个假设漏洞的触发条件进行检测操作,得到上下文匹配度,其中,检测操作包括可达性检测操作和语义一致性检测操作,上下文匹配度用于表征解析结果满足假设漏洞的触发条件的概率;将上下文匹配度大于预设匹配度并且风险评分大于预设风险评分的假设漏洞作为候选漏洞,并且汇总l个检测智能体所确定的x个候选漏洞,得到初始漏洞集合。
6、可选地,对初始漏洞集合中的x个候选漏洞进行筛选,得到y个置信度评分大于或等于预设置信度评分并且漏洞类型不存在冲突的目标漏洞,包括:通过决策智能体基于每个候选漏洞的漏洞类型对x个候选漏洞进行分类,得到z个漏洞集合,其中,z为大于或等于y的正整数,每个漏洞集合中的候选漏洞的漏洞类型相同;基于确定每个候选漏洞的检测智能体的预设权重,对同一个漏洞集合中的候选漏洞的置信度进行加权求和,得到每个漏洞集合对应的置信度评分,其中,置信度为检测智能体所确定的候选漏洞的发生概率;删除置信度评分小于预设置信度评分的漏洞集合,和/或,删除两个存在类型冲突的漏洞集合中的置信度评分低的漏洞集合,得到y个漏洞集合;将y个漏洞集合对应的y个漏洞类型的候选漏洞作为y个目标漏洞。
7、可选地,基于y个目标漏洞中的每个目标漏洞的触发条件对智能合约进行测试,得到每个目标漏洞对应的测试结果,包括:通过验证智能体提取每个目标漏洞的触发条件,其中,每个触发条件包括函数调用入口、输入参数取值范围、权限/时间依赖限制以及状态变量约束条件;在测试策略为沙箱执行策略的情况下,基于每个触发条件生成交易序列,在沙箱环境中执行交易序列,得到每个目标漏洞对应的测试结果;在测试策略为符号执行策略的情况下,基于每个触发条件生成约束条件,通过符号执行器和约束求解器基于约束条件确定每个目标漏洞对应的测试结果。
8、可选地,在得到每个目标漏洞对应的测试结果之后,智能合约的漏洞检测方法还包括:基于每个目标漏洞对应的测试结果确定每个目标漏洞对应的检测因素,其中,检测因素包括验证摘要、关键状态标识以及执行轨迹元数据;对每个目标漏洞对应的检测因素进行哈希加密,并且将哈希加密得到的哈希值作为每个目标漏洞的检测指纹;将每个目标漏洞的检测指纹上传至区块链进行存储。
9、可选地,在得到每个目标漏洞对应的测试结果之后,智能合约的漏洞检测方法还包括:在第i个目标漏洞对应的测试结果用于表征在执行智能合约的过程中,存在第i个目标漏洞的情况下,提高确定第i个目标漏洞的检测智能体的预设权重;在第i个目标漏洞对应的测试结果用于表征在执行智能合约的过程中,不存在第i个目标漏洞的情况下,降低确定第i个目标漏洞的检测智能体的预设权重。
10、根据本技术的另一方面,还提供了一种智能合约的漏洞检测装置,包括:解析单元,用于对智能合约的结构化特征进行解析,得到解析结果,其中,结构化特征包括合约特征和上下文特征,解析结果包括合约调用图、变量依赖图、注释文档以及风险边界数据;检测单元,用于通过l个检测智能体对解析结果并行进行漏洞检测,得到初始漏洞集合,其中,初始漏洞集合包括x个候选漏洞,l和x均为正整数;筛选单元,用于对初始漏洞集合中的x个候选漏洞进行筛选,得到y个置信度评分大于或等于预设置信度评分并且漏洞类型不存在冲突的目标漏洞,其中,y为小于或等于x的正整数;测试单元,用于基于y个目标漏洞中的每个目标漏洞的触发条件对智能合约进行测试,得到每个目标漏洞对应的测试结果;第一生成单元,用于基于每个目标漏洞对应的测试结果生成智能合约的检测报告。
11、根据本技术的另一个方面,还提供了一种计算机程序产品,该计算机程序产品中存储有计算机程序,其中,在计算机程序运行时控制计算机程序产品执行上述任意一项的智能合约的漏洞检测方法。
12、根据本技术的另一个方面,还提供了一种电子设备,其中,电子设备包括一个或多个处理器和存储器,存储器用于存储一个或多个程序,其中,当一个或多个程序被一个或多个处理器执行时,使得一个或多个处理器实现上述任意一项的智能合约的漏洞检测方法。
13、在本技术中,首先对智能合约的结构化特征进行解析,得到解析结果,其中,结构化特征包括合约特征和上下文特征,解析结果包括合约调用图、变量依赖图、注释文档以及风险边界数据,之后,通过l个检测智能体对解析结果并行进行漏洞检测,得到初始漏洞集合,其中,初始漏洞集合包括x个候选漏洞,l和x均为正整数,然后,对初始漏洞集合中的x个候选漏洞进行筛选,得到y个置信度评分大于或等于预设置信度评分并且漏洞类型不存在冲突的目标漏洞,其中,y为小于或等于x的正整数,随后,基于y个目标漏洞中的每个目标漏洞的触发条件对智能合约进行测试,得到每个目标漏洞对应的测试结果;基于每个目标漏洞对应的测试结果生成智能合约的检测报告。
14、由上述内容可知,本技术采用基于多智能体协作与动态筛选的智能合约漏洞检测方式,通过首先对智能合约的结构化特征进行解析,生成包含合约调用图、变量依赖图、注释文档及风险边界数据的解析结果,进而利用l个检测智能体并行处理该解析结果以获取初始漏洞集合,随后对初始漏洞集合进行严格筛选,剔除低置信度及存在类型冲突的候选漏洞,保留y个高置信度且无冲突的目标漏洞,最后基于这些目标漏洞的具体触发条件对智能合约进行针对性测试并生成检测报告的手段,达到了以自动化检测的方式从多源检测结果中精准提炼可信漏洞并验证其真实性的目的,从而实现了过滤漏洞检测过程中的误报与漏报、提升智能合约漏洞检测准确度的技术效果,进而解决了基于现有技术对智能合约进行漏洞检测的效率差、准确度低的技术问题。
版权声明:本站专利文献数据主要来源于国家知识产权局等公开渠道,由 技术新讯 进行整理汇编。页面设计及数据汇编的著作权归本站所有。全部内容仅供个人学习、科研评估与技术交流参考,严禁用于任何商业用途(包括但不限于直接生产制造、技术转让、倒卖数据等)。
免责条款:专利技术具有时效性,本站不对资料的绝对准确性、完整性和可实施性提供任何明示或暗示的担保。因参考本站内容造成的直接或间接损失,本站不承担相关法律责任。若您认为本站内容有侵权问题,请及时提供权属证明与我们联系,本站将在核实后依法处理。反馈意见:yyfuon@163.com