BriefGPT - AI 论文速递
·
智能合约代码的高效漏洞避免：基于漏洞约束解码的方法
💡
原文英文，约100词，阅读约需1分钟。
📝
内容提要
VulnSense是一种基于图形和自然语言处理模型的多模态学习方法，用于高效地检测以太坊智能合约中的漏洞。该框架整合了三种智能合约特征，并使用多种模型进行分析，最终使用全连接层来预测漏洞。实验证明，该方法在三类易受攻击智能合约上达到了77.96%的平均准确率。
🎯
关键要点
- VulnSense框架是一种基于图形和自然语言处理模型的多模态学习方法。
- 该方法用于高效检测以太坊智能合约中的漏洞。
- 框架整合了源代码、操作码序列和字节码提取的控制流图三种特征。
- 使用BERT、BiLSTM和GNN模型提取和分析特征。
- 最终通过全连接层预测智能合约中的漏洞。
- 实验验证了在3个数据集上，方法达到了77.96%的平均准确率。
- 该方法超越了现有单特征或单模型深度学习技术的准确性和效果限制。
➡️
