公开(公告)号：CN119312336A

公开(公告)日：2025-01-14

申请号：CN202411281553.9

申请日：2024-09-13

Applicant: 海南大学

Inventor： 唐湘滟 ,  范冬

IPC: G06F21/57 ,  G06N3/0464 ,  G06N3/042 ,  G06N3/0895 ,  G06N3/0455

Abstract: 本申请实施例公开了一种基于节点特征增强图卷积网络的智能合约漏洞检测方法，包括以下步骤：根据智能合约构建智能合约图；对所述智能合约图进行标准化，得到标准智能合约图；将所述标准智能合约图进行向量化，得到向量化智能合约图；将所述向量化智能合约图输入节点特征增强图卷积网络模型，检测所述智能合约的漏洞。本申请通过加入节点特征增强，模型可以更全面地利用节点的特征信息，能够更好地捕捉节点之间的关系和特征，从而提高了预测准确度。通过对比学习，模型可以学习到更稳定和可靠的特征表示，从而进一步提升了性能表现。

公开(公告)号：CN119323032A

公开(公告)日：2025-01-17

申请号：CN202411281796.2

申请日：2024-09-13

Applicant: 海南大学

Inventor： 程杰仁 ,  范冬

IPC: G06F21/57 ,  G06N3/0464 ,  G06N3/042 ,  G06N3/0895 ,  G06N3/0455

Abstract: 本申请实施例公开了一种基于边失活图卷积网络的智能合约漏洞检测方法，包括以下步骤：根据智能合约构建智能合约图；对所述智能合约图进行标准化，得到标准智能合约图；将所述标准智能合约图进行向量化，得到向量化智能合约图；将所述向量化智能合约图输入边失活图卷积网络模型，检测所述智能合约的漏洞。本申请采用ED‑GCN模型，能够有效地捕获代码中的信息传递和依赖关系，更好地识别潜在的漏洞，采用了边失活方式，使得模型能够学习到更加丰富和深入的特征表示，能够有效地防止过拟合，通过引入对比学习机制，增强了模型的鲁棒性和安全性。本申请在智能合约漏洞检测上具有更高的准确率、召回率和精确率。