基于联合多模态对比学习的智能合约漏洞检测方法及装置

摘要: 本发明涉及区块链安全与深度学习,特别是指一种基于联合多模态对比学习的智能合约漏洞检测方法及装置,适用于链上合约的安全漏洞检测。背景技术:1、智能合约是部署在以太...
基于联合多模态对比学习的智能合约漏洞检测方法及装置

本发明涉及区块链安全与深度学习,特别是指一种基于联合多模态对比学习的智能合约漏洞检测方法及装置,适用于链上合约的安全漏洞检测。

背景技术:

1、智能合约是部署在以太坊等区块链平台上自动执行的程序代码,承载着去中心化金融、非同质化代币、去中心化自治组织等应用的核心逻辑,管理着数百亿美元的加密资产。由于区块链的不可篡改特性,智能合约一旦部署上链,代码无法修改或修复,部署时存在的任何安全漏洞将永久暴露。智能合约漏洞检测已成为区块链安全领域的核心技术瓶颈。

2、现有智能合约漏洞检测技术可归纳为三类,各有其固有缺陷:

3、第一类是基于程序分析的符号执行和形式化验证工具,代表工具有oyente、mythril等。符号执行面临路径爆炸问题,在包含复杂循环和跨合约调用的去中心化金融协议中尤为严重;形式化验证需要人工编写正确性规约,无法规模化应用。

4、第二类是基于规则匹配的静态分析工具,代表工具有slither、smartcheck等。此类工具依赖安全专家预先编码的漏洞模式,仅能检测已知类型漏洞,通过简单代码变换即可规避,无法应对新型攻击向量。

5、第三类是基于单一模态深度学习的检测方法。源代码模态方法,如dr-gcn/tmp(degree-robust graph convolutional network/ temporal message propagation,无度图卷积神经网络/时序消息传播网络),将solidity代码建模为程序图,利用图神经网络学习漏洞模式,但无法感知编译器引入或改变的漏洞。字节码模态方法,如cobra,通过lstm(long short-term memory,长短时记忆网络)或transformer处理evm(ethereum virtualmachine,以太坊虚拟机)操作码序列,捕捉底层执行语义,但缺乏函数边界、变量作用域等高层次程序结构信息。两类单一模态方法均存在信息覆盖不完整的问题。

6、近年来虽有少数多模态融合方法被提出,但仍存在关键瓶颈。cross-modalitymutual learning使用教师-学生蒸馏而非联合优化;cm2vd融合多个模态但采用单一对比损失,将类别判别与跨模态对齐两个可能存在冲突的优化目标混入同一空间。现有方法均未解决核心矛盾:任务判别损失要求将不同类别的嵌入推开,而跨模态对齐损失要求将跨模态样本拉近——在共享嵌入空间中,这两个目标产生方向冲突的梯度信号,导致模型收敛于次优折中点。

7、在现有技术中,缺乏一种能够有效融合异构的双模态信息、并通过解耦架构避免优化目标冲突的智能合约漏洞检测方法。

技术实现思路

1、为了解决智能合约漏洞检测技术中现有单一模态信息不完整以及现有多模态方法优化目标冲突的技术问题,本发明实施例提供了一种基于联合多模态对比学习的智能合约漏洞检测方法及装置。所述技术方案如下:

2、一方面,提供了一种基于联合多模态对比学习的智能合约漏洞检测方法,该方法由基于联合多模态对比学习的智能合约漏洞检测设备实现,该方法包括:

3、s1、获取待检测智能合约的solidity源代码,对solidity源代码进行词法和语法解析生成智能合约抽象语法树,遍历智能合约抽象语法树构建智能合约程序图。

4、s2、将solidity源代码编译为以太坊虚拟机运行时的字节码,对字节码进行反汇编和基本块级控制流图重构,得到重构的控制流图,在重构的控制流图上执行深度优先搜索进行执行路径提取,得到多实例学习的实例集合,将实例集合中的每条执行路径编码为操作码id序列和语义类别id序列。

5、s3、构建源代码编码器,将智能合约程序图输入至源代码编码器,得到源代码模态的图级表示向量。

6、s4、构建双向长短期记忆网络结合指令级注意力和合约级注意力的字节码编码器,通过字节码编码器对操作码id序列和语义类别id序列进行序列建模和两阶段聚合,得到字节码模态的合约级表示向量。

7、s5、对图级表示向量和合约级表示向量分别计算批次margin对比损失;将图级表示向量和合约级表示向量分别经过独立的投影头映射到z-空间,得到投影后的图级表示向量和合约级表示向量,根据投影后的图级表示向量和合约级表示向量计算跨模态相似度矩阵,根据跨模态相似度矩阵计算有监督跨模态信息噪声对比估计损失;对批次margin对比损失和有监督跨模态信息噪声对比估计损失进行联合训练,得到预训练的源代码编码器和字节码编码器。

8、s6、利用预训练的源代码编码器和字节码编码器提取新的图级表示向量和合约级表示向量,对新的图级表示向量和合约级表示向量进行拼接并输入至门控网络得到逐维度加权系数,根据逐维度加权系数对新的图级表示向量和合约级表示向量进行加权融合得到加权融合后的表示,将加权融合后的表示输入至分类器得到漏洞检测结果。

9、可选地,s1中的对solidity源代码进行词法和语法解析生成智能合约抽象语法树,遍历智能合约抽象语法树构建智能合约程序图,包括:

10、利用antlr工具结合solidity语法文件对solidity源代码进行词法和语法解析生成智能合约抽象语法树。

11、遍历智能合约抽象语法树识别函数定义节点、状态变量声明节点、语句节点和控制流结构节点,并构建控制流边、数据流边和跨函数调用边;其中,构建数据流边包括对每个函数维护局部符号表跟踪变量的定义与使用关系;构建控制流边包括对特定节点构建条件分支和循环控制流边;构建跨函数调用边包括识别函数调用表达式。

12、根据节点和边构建智能合约程序图。

13、可选地,s2中的将实例集合中的每条执行路径编码为操作码id序列和语义类别id序列,包括:

14、实例集合中的每条执行路径为以太坊虚拟机指令序列,将以太坊虚拟机指令序列编码为包括操作码id序列和语义类别id序列的二元组;其中,语义类别id序列包括算术类指令、比较类指令、位运算指令、交易上下文指令、内存相关指令、调用数据类指令、区块数据类指令、控制流指令、栈操作指令,以及1个填充/未知类。

15、可选地,s3中的将智能合约程序图输入至源代码编码器,得到源代码模态的图级表示向量,包括:

16、利用源代码编码器中的预训练模型对智能合约程序图中各节点的solidity源代码文本片段进行语义嵌入向量提取,获取各节点的类型标签并进行独热编码,将提取的语义嵌入向量和独热编码进行拼接得到节点初始特征。

17、将节点初始特征输入至预设网络得到节点级特征矩阵,对节点级特征矩阵进行全局均值池化和全局最大值池化,并通过线性层投影得到源代码模态的图级表示向量。

18、可选地,s4中的通过字节码编码器对操作码id序列和语义类别id序列进行序列建模和两阶段聚合,得到字节码模态的合约级表示向量,包括:

19、通过字节码编码器的指令嵌入层对操作码id序列和语义类别id序列进行嵌入和拼接得到指令向量。

20、通过字节码编码器的单层双向长短期记忆网络对展开后的指令向量进行序列建模得到隐状态矩阵。

21、通过字节码编码器的指令级序列层面注意力层计算隐状态矩阵的注意力权重,并根据注意力权重对隐状态矩阵进行加权求和得到路径表示。

22、其中,隐状态矩阵的注意力权重,如下式(1)所示:

23、       (1)

24、式中,表示隐状态矩阵的注意力权重,表示参数向量,表示矩阵转置,表示隐状态矩阵。

25、通过字节码编码器的合约级注意力层计算合约级注意力权重,并根据合约级注意力权重对路径表示进行加权求和得到字节码模态的合约级表示向量。

26、其中,合约级注意力权重,如下式(2)所示:

27、       (2)

28、式中,表示合约级注意力权重,表示参数向量,表示将同一合约下的k条路径表示重组得到的张量。

29、可选地,s5中的对图级表示向量和合约级表示向量分别计算批次margin对比损失,包括:

30、获取给定批次内若干个智能合约的二元漏洞标签和h-空间的图级表示向量和合约级表示向量并计算成对欧氏距离矩阵,根据成对欧氏距离矩阵构建正样本掩码和负样本掩码,根据成对欧氏距离矩阵、正样本掩码和负样本掩码定义批次margin对比损失,如下式(3)所示:

31、       (3)

32、式中,表示批次margin对比损失,表示正样本掩码矩阵,表示正样本掩码,表示第个合约在批次中的序号,表示第个合约在批次中的序号,表示成对欧氏距离矩阵,表示负样本掩码矩阵,表示负样本掩码,,表示margin超参数。

33、可选地,s5中的根据投影后的图级表示向量和合约级表示向量计算跨模态相似度矩阵,根据跨模态相似度矩阵计算有监督跨模态信息噪声对比估计损失,包括:

34、根据投影后的图级表示向量和合约级表示向量计算跨模态相似度矩阵。

35、获取二元漏洞标签,根据二元漏洞标签构建有监督正样本掩码。

36、根据跨模态相似度矩阵和有监督正样本掩码定义有监督跨模态信息噪声对比估计损失,如下式(4)所示:

37、   (4)

38、       (5)

39、式中,表示有监督跨模态信息噪声对比估计损失,表示有监督正样本掩码矩阵,其中表示第个合约与第个合约具有相同漏洞标签,表示该矩阵中正样本对的总数,表示有监督正样本掩码,表示第个合约在批次中的序号,表示第个合约在批次中的序号,表示第个合约的源代码与第个合约的字节码构成正样本对时,源代码到字节码方向的对数概率,表示第个合约的字节码与第个合约的源代码构成正样本对时,字节码到源代码方向的对数概率,表示跨模态相似度矩阵,表示对批次内所有合约序号求和,表示第个合约代码与第个合约字节码之间的跨模态相似度。

40、另一方面,提供了一种基于联合多模态对比学习的智能合约漏洞检测装置,该装置应用于基于联合多模态对比学习的智能合约漏洞检测方法,该装置包括:

41、智能合约程序图构建模块,用于获取待检测智能合约的solidity源代码,对solidity源代码进行词法和语法解析生成智能合约抽象语法树,遍历智能合约抽象语法树构建智能合约程序图。

42、执行路径编码模块,用于将solidity源代码编译为以太坊虚拟机运行时的字节码,对字节码进行反汇编和基本块级控制流图重构,得到重构的控制流图,在重构的控制流图上执行深度优先搜索进行执行路径提取,得到多实例学习的实例集合,将实例集合中的每条执行路径编码为操作码id序列和语义类别id序列。

43、源代码编码器模块,用于构建源代码编码器,将智能合约程序图输入至源代码编码器,得到源代码模态的图级表示向量。

44、字节码编码器模块,用于构建双向长短期记忆网络结合指令级注意力和合约级注意力的字节码编码器,通过字节码编码器对操作码id序列和语义类别id序列进行序列建模和两阶段聚合,得到字节码模态的合约级表示向量。

45、双空间对比预训练模块,用于对图级表示向量和合约级表示向量分别计算批次margin对比损失;将图级表示向量和合约级表示向量分别经过独立的投影头映射到z-空间,得到投影后的图级表示向量和合约级表示向量,根据投影后的图级表示向量和合约级表示向量计算跨模态相似度矩阵,根据跨模态相似度矩阵计算有监督跨模态信息噪声对比估计损失;对批次margin对比损失和有监督跨模态信息噪声对比估计损失进行联合训练,得到预训练的源代码编码器和字节码编码器。

46、门控多模态融合分类模块,用于利用预训练的源代码编码器和字节码编码器提取新的图级表示向量和合约级表示向量,对新的图级表示向量和合约级表示向量进行拼接并输入至门控网络得到逐维度加权系数,根据逐维度加权系数对新的图级表示向量和合约级表示向量进行加权融合得到加权融合后的表示,将加权融合后的表示输入至分类器得到漏洞检测结果。

47、另一方面,提供一种基于联合多模态对比学习的智能合约漏洞检测设备,所述基于联合多模态对比学习的智能合约漏洞检测设备包括:处理器;存储器,所述存储器上存储有计算机可读指令,所述计算机可读指令被所述处理器执行时,实现如上述基于联合多模态对比学习的智能合约漏洞检测方法中的任一项方法。

48、另一方面,提供了一种计算机可读存储介质,所述存储介质中存储有至少一条指令,所述至少一条指令由处理器加载并执行以实现上述基于联合多模态对比学习的智能合约漏洞检测方法中的任一项方法。

49、本发明实施例提供的技术方案带来的有益效果至少包括:

50、本发明中,新颖地通过双模态架构同时分析源代码图结构和字节码操作码序列:源代码模态通过antlr4构建scpg图捕获控制流、数据流和函数调用三种程序语义关系,利用rgcn进行关系感知的图消息传递,字节码模态通过ethersolve反编译和bi-lstm+双层注意力捕获evm底层执行语义;两种模态的互补性使得单一模态无法检测的漏洞在另一模态中显露,降低了漏检率。

51、本发明的核心创新在于提出双空间解耦对比预训练方法:在h-表示空间施加批次margin对比损失学习漏洞判别表示,在z-对齐空间通过独立投影头映射后施加有监督跨模态infonce损失实现模态对齐;两个空间通过投影头解耦,避免了现有方法中类别分离目标与模态对齐目标产生方向冲突梯度信号的关键瓶颈。预训练后的编码器在h-空间同时具备漏洞判别性和跨模态对齐性,为下游分类提供了优越的初始化。

52、z-空间的有监督跨模态infonce损失通过利用标签信息构建正样本掩码,将批次中所有同标签跨模态对均作为正样本,相较无监督infonce大幅扩充了有效训练信号密度,同时使对齐空间按漏洞类型组织,具有更清晰的语义结构。

53、在预训练阶段将计算密集的编码器训练以离线方式完成,下游分类时仅通过预训练编码器进行前向推理再加轻量门控融合和分类mlp,推理效率高。门控融合的逐维度加权系数g直接指示了各语义维度上源码模态的相对重要性,为安全分析人员提供了可解释的决策依据。

54、字节码编码器的双层注意力机制(指令级注意力定位关键操作码、合约级注意力定位关键执行路径)进一步增强了模型的可解释性,有助于安全审计人员理解漏洞检测的判断依据,提升模型在实际安全审计中的可信度和实用性。