|
|||||
|
|
| 基于动态模糊测试和机器学习的智能合约漏洞检测方法 | |
| 作者姓名： | 朱飑凯 李颖 张志强 曹敏 刘三满 |
| 作者单位： | 山西警察学院;山西省空间信息网络工程技术研究中心;山西警察学院 |
| 基金项目： | 教育部高等职业教育创新发展行动计划;基础研究项目;山西省高等学校科技创新项目;山西省工程重点学科建设计划;教学改革项目;安徽省农科院院创新团队项目 |
| 摘 要： | 智能合约的出现和发展拓宽了区块链的应用场景和现实意义，但频繁的安全事故给区块链的发展带来了障碍。但是，智能合约漏洞进行完备性和安全性分析的方法仍未被提出。当前对于智能合约的安全保障主要依靠专家审计和人工复查，该方式不能保证代码的绝对安全。针对智能合约漏洞挖掘的误报率、低效能等问题，在动态模糊测试和机器学习方法的基础上，提出一种适用于智能合约漏洞的检测方法与模型。该方法提高了智能合约漏洞挖掘的自动化程度和准确性。 |
| 关 键 词： | 智能合约 安全检测 机器学习 动态模糊测试 特征迁移 |
| 本文献已被 万方数据 等数据库收录！ | |
| 点击此处可从《警察技术》浏览原始摘要信息 | |
| 点击此处可从《警察技术》下载全文 | |