漏洞样本数据构建方法、装置、设备、介质及程序产品与流程
本技术涉及人工智能,尤其涉及漏洞样本数据构建方法、装置、设备、介质及程序产品。
背景技术:
1、随着区块链技术的广泛应用,以太坊等区块链平台上的智能合约凭借自动执行、不可篡改等技术特性,已经广泛应用于去中心化金融(defi)、nft、供应链管理等诸多领域。但智能合约部署后无法二次修改的特性,使其代码漏洞极易被恶意利用,引发巨额资产被盗等安全事故。因此,开展智能合约漏洞检测,可在智能合约上线前规避各类潜在风险,保障区块链安全稳定运行。目前,常规的智能合约漏洞检测方案主要是通过智能合约漏洞检测模型进行检测的,而作为智能合约漏洞检测模型的基础,高质量的数据集构建技术至关重要。
2、在相关技术中,主要是基于源代码和字节码进行数据集构建的。具体地,可以对智能合约源代码与字节码进行数据清洗,再分别从清洗后的源代码中提取抽象语法树特征,从清洗后的字节码中提取基本控制流图,并基于该基本控制流图构建得到跨链控制流图特征。之后,基于抽象语法树特征和跨链控制流图特征,得到最终的融合特征向量,以此完成智能合约漏洞检测模型的数据集的特征构建。
3、然而,在上述数据集的构建过程中,虽然对源代码和字节码进行多维度的结合,但仍然停留在特征的物理拼接层面,从而导致最终构建的数据集可靠性不足。
技术实现思路
1、本技术提供一种漏洞样本数据构建方法、装置、设备、介质及程序产品,用于提升智能合约漏洞检测模型训练效果。
2、第一方面,本技术实施例提供了一种漏洞样本数据构建方法,该方法包括:获取智能合约漏洞样本;获取该智能合约漏洞样本对应的多维特征数据,该多维特征数据包括:源代码特征、字节码特征、操作码特征、历史交互特征以及多维图结构特征;其中,上述历史交互特征是基于该智能合约漏洞样本在区块链网络上的多个合约调用和交互关系日志确定的;将上述多维特征数据进行特征对齐,并将对齐后的多维特征数据输入多模态融合模型进行特征融合,得到该智能合约漏洞样本对应的融合特征数据;基于该智能合约漏洞样本对应的融合特征数据和该智能合约漏洞样本对应的漏洞标签,生成漏洞样本数据,该漏洞样本数据用于训练智能合约漏洞检测模型。
3、本技术提供的技术方案至少带来以下有益效果:本技术通过对获得到的智能合约漏洞样本进行多维特征提取,以获得包含源代码特征、字节码特征、操作码特征、历史交互特征以及多维图结构特征的多维特征数据,从而对多维特征数据进行对齐,以得到结构统一的多维特征数据,进而通过多模态融合模型对该结构统一的多维特征数据进行融合,以得到融合特征数据,将融合特征数据进行标准化处理,便可得到用于训练智能合约漏洞检测模型的高质量的漏洞样本数据,为智能合约漏洞检测模型提供了高质量的训练与评估数据支撑,有效提升了智能合约漏洞检测模型训练效果。
4、一种可能的实现方式,上述源代码特征包括该嵌入向量;上述获取上述智能合约漏洞样本对应的多维特征数据,包括:提取上述智能合约漏洞样本的抽象语义分析树和控制流图,上述抽象语义分析树用于描述代码语法结构,上述控制流图用于描述代码执行逻辑;从上述抽象语义分析树和上述控制流图中提取结构化特征,上述结构化特征包括安全特征、结构特征、变量特征以及常量特征;基于上述结构化特征,生成上述嵌入向量。
5、另一种可能的实现方式,上述获取上述智能合约漏洞样本对应的多维特征数据,包括:基于上述智能合约漏洞样本的源代码,获取上述智能合约漏洞样本的字节码,并将上述字节码转换为操作码序列;从上述操作码序列中提取基本统计特征和操作码语义特征;基于上述基本统计特征,分析字节码指令间的跳转关系,以构建控制流轮廓;从上述基本统计特征中提取字节码结构特征,上述字节码结构特征包括上述字节码的基本块数量、循环深度与控制复杂度;基于上述控制流轮廓和上述字节码结构特征,得到字节码特征;基于上述操作码语义特征和上述基本统计特征,得到操作码特征。
6、又一种可能的实现方式,上述获取上述智能合约漏洞样本对应的多维特征数据,包括:获取上述智能合约漏洞样本在区块链网络上的多个合约调用和交互关系日志,每个上述多个合约调用和交互关系日志对应一个时间戳;基于从上述多个合约调用和交互关系日志中提取出的日志特征,构建时序依赖图,上述日志特征包括调用频率、调用时间、调用方地址以及与其他合约间的交互关系;上述时序依赖图中的每个节点对应一个调用方地址或合约地址,上述时序依赖图中的每个边对应一个交互关系并附带时间戳属性;基于该时序依赖图,获得上述历史交互特征。
7、又一种可能的实现方式,上述获取上述智能合约漏洞样本对应的多维特征数据,包括:基于上述智能合约漏洞样本的抽象语义分析树和控制流图,生成控制流边;上述控制流边用于表征程序执行序列;基于上述智能合约漏洞样本中的变量数据,构建数据流边,上述数据流边用于表征变量从定义位置到使用位置的数据传递关系;基于上述智能合约漏洞样本在区块链网络上的多个合约调用和交互关系日志,构建跨合约调用边,上述跨合约调用边用于表征不同智能合约间的调用关系;基于上述控制流边、数据流边、跨合约调用边进行多维边融合,得到多维图结构特征。
8、又一种可能的实现方式,上述将上述多维特征数据进行特征对齐,并将对齐后的多维特征数据输入多模态融合模型进行特征融合,得到上述智能合约漏洞样本对应的融合特征数据,包括:将上述时序依赖图与控制流图进行特征映射,以控制流图中表征外部调用的节点为关键锚点,将时序依赖图中对应的交互关系映射至上述关键锚点,并为上述关键锚点添加上述历史交互特征;将上述源代码特征、上述字节码特征、上述操作码特征、上述历史交互特征以及多维图结构特征进行对齐,得到对齐后的多维特征数据。
9、又一种可能的实现方式,上述多模态融合模型为基于注意力机制的神经网络融合模型,上述神经网络融合模型中的每层解码器配置多个独立的注意力头;上述将对齐后的多维特征数据输入多模态融合模型进行特征融合,得到上述智能合约漏洞样本对应的融合特征数据,包括:将对齐后的多维特征数据输入多模态融合模型,对上述对齐后的多维特征数据进行加权处理,得到处理后的多维特征数据;通过上述编码器中的不同注意力头,在不同的表示子空间中对该处理后的多维特征数据中的不同维度的特征数据进行深度处理,并融合得到上述融合特征数据。
10、又一种可能的实现方式,上述漏洞样本数据构建方法还包括:将漏洞样本数据输入基于注意力机制的神经网络融合模型,该神经网络融合模型中的每层解码器配置多个独立的注意力头;通过上述解码器中的多个注意力头,在不同的表示子空间中并行处理上述漏洞样本数据中的上述融合特征数据中的不同维度的特征数据,学习不同维度的特征数据对上述漏洞样本数据的重要性权重,以训练上述神经网络模型。
11、第二方面,本技术实施例提供了本技术提供一种漏洞样本数据构建装置,包括:获取模块,用于获取智能合约漏洞样本;上述获取模块,还用于获取上述智能合约漏洞样本对应的多维特征数据,上述多维特征数据包括:源代码特征、字节码特征、操作码特征、历史交互特征以及多维图结构特征;其中,上述历史交互特征是基于上述智能合约漏洞样本在区块链网络上的多个合约调用和交互关系日志确定的;处理模块,用于将上述多维特征数据进行特征对齐,并将对齐后的多维特征数据输入多模态融合模型进行特征融合,得到上述智能合约漏洞样本对应的融合特征数据;生成模块,用于基于上述处理模块得到的智能合约漏洞样本对应的融合特征数据和上述智能合约漏洞样本对应的漏洞标签,生成漏洞样本数据,上述漏洞样本数据用于训练智能合约漏洞检测模型。
12、一种可能的实现方式,上述获取模块,具体用于:提取上述智能合约漏洞样本的抽象语义分析树和控制流图,上述抽象语义分析树用于描述代码语法结构,上述控制流图用于描述代码执行逻辑;上述抽象语义分析树和上述控制流图中提取结构化特征,上述结构化特征包括安全特征、结构特征、变量特征以及常量特征;基于上述结构化特征,生成上述嵌入向量。
13、另一种可能的实现方式,上述获取模块,还用于:基于上述智能合约漏洞样本的源代码,获取上述智能合约漏洞样本的字节码,并将上述字节码转换为操作码序列;从上述操作码序列中提取基本统计特征和操作码语义特征;基于上述基本统计特征,分析字节码指令间的跳转关系,以构建控制流轮廓;从上述基本统计特征中提取字节码结构特征,上述字节码结构特征包括上述字节码的基本块数量、循环深度与控制复杂度;基于上述控制流轮廓和上述字节码结构特征,得到字节码特征;基于上述操作码语义特征和上述基本统计特征,得到操作码特征。
14、又一种可能的实现方式,上述获取模块,还用于:获取上述智能合约漏洞样本在区块链网络上的多个合约调用和交互关系日志,每个上述多个合约调用和交互关系日志对应一个时间戳;基于从上述多个合约调用和交互关系日志中提取出的日志特征,构建时序依赖图,上述日志特征包括调用频率、调用时间、调用方地址以及与其他合约间的交互关系;上述时序依赖图中的每个节点对应一个调用方地址或合约地址,上述时序依赖图中的每个边对应一个交互关系并附带时间戳属性;基于上述时序依赖图,获得上述历史交互特征。
15、又一种可能的实现方式,上述获取模块,还用于:基于上述智能合约漏洞样本的抽象语义分析树和控制流图,生成控制流边;上述控制流边用于表征程序执行序列;基于上述智能合约漏洞样本中的变量数据,构建数据流边,上述数据流边用于表征变量从定义位置到使用位置的数据传递关系;基于上述智能合约漏洞样本在区块链网络上的多个合约调用和交互关系日志,构建跨合约调用边,上述跨合约调用边用于表征不同智能合约间的调用关系;基于上述控制流边、数据流边、跨合约调用边进行多维边融合,得到多维图结构特征。
16、又一种可能的实现方式,上述处理模块,具体用于:将上述时序依赖图与控制流图进行特征映射,以控制流图中表征外部调用的节点为关键锚点,将时序依赖图中对应的交互关系映射至上述关键锚点,并为上述关键锚点添加上述历史交互特征;将上述源代码特征、上述字节码特征、上述操作码特征、上述历史交互特征以及多维图结构特征进行对齐,得到对齐后的多维特征数据。
17、又一种可能的实现方式,上述处理模块,还用于:将对齐后的多维特征数据输入多模态融合模型,对上述对齐后的多维特征数据进行加权处理,得到处理后的多维特征数据;通过上述编码器中的不同注意力头,在不同的表示子空间中对上述处理后的多维特征数据中的不同维度的特征数据进行深度处理,并融合得到上述融合特征数据。
18、又一种可能的实现方式,上述处理模块,还用于:将漏洞样本数据输入基于注意力机制的神经网络融合模型,上述神经网络融合模型中的每层解码器配置多个独立的注意力头;通过上述解码器中的多个注意力头,在不同的表示子空间中并行处理上述漏洞样本数据中的上述融合特征数据中的不同维度的特征数据,学习不同维度的特征数据对上述漏洞样本数据的重要性权重,以训练上述神经网络模型。
19、第三方面,本技术提供一种电子设备,该电子设备包括:处理器和存储器;该存储器存储可在处理器上运行的程序或指令,上述程序或指令被该处理器执行时实现上述第一方面的方法。
20、第四方面,本技术提供一种可读存储介质,该可读存储介质上存储程序或指令,上述程序或指令被计算机执行时实现上述第一方面的方法。
21、第五方面,本技术提供一种计算机程序产品,该计算机程序产品被存储在存储介质中,当该计算机程序产品被计算机执行时以实现上述第一方面的方法。
22、第六方面,本技术实施例提供了一种芯片,该芯片包括处理器和通信接口,上述通信接口和所述处理器耦合,上述处理器用于运行程序或指令,实现如上述第一方面的方法。
23、上述第二方面至第六方面的有益效果参考第一方面的对应描述,不再赘述。
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