(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210165284.4 (22)申请日 2022.02.18 (71)申请人 扬州大学 地址 225009 江苏省扬州市大 学南路88号 (72)发明人 蔡杰　李斌　张佳乐　孙小兵　 陈玮彤　 (74)专利代理 机构 南京苏高专利商标事务所 (普通合伙) 32204 专利代理师 柏尚春 (51)Int.Cl. G06F 21/56(2013.01) G06Q 20/40(2012.01) G06Q 20/38(2012.01) G06F 40/30(2020.01) G06N 3/04(2006.01)G06N 3/08(2006.01) (54)发明名称 一种基于多模态特征的智能合约庞氏骗局 检测方法及系统 (57)摘要 本发明公开了一种基于多模态特征的智能 合约庞氏骗局检测方法及系统， 该方法首先对智 能合约源代码进行序列化表示学习， 得到全局词 法特征； 然后利用静态分析构建智能合约交易属 性图， 并通过图神经网络提取局部交易特征； 利 用注意力机制融合全局词法特征和局部交易特 征， 在次基础上进行庞氏骗局智 能合约检测。 本 发明的优势在于： 结合智能合约的全局词法和局 部交易两种模态特征， 充分提取智能合约代码语 义， 提升检测的准确性； 利用程序切片技术和代 码图表示在保留庞氏骗局语义相关代码同时去 除噪声代码， 提升了检测准确性； 本发明基于代 码特征和深度学习的检测方法， 不依赖其它数据 和专家规则， 提高检测适用范围和 效率， 降低了 检测成本 。 权利要求书4页 说明书10页 附图1页 CN 114547611 A 2022.05.27 CN 114547611 A 1.一种基于多模态特 征的智能合约庞氏骗局检测方法， 其特 征在于， 包括以下步骤： (1)构建智能合约源代码数据集， 并利用论坛数据和人工审计方法对数据集中的庞氏 骗局智能合约样本进行 标记； (2)对智能合约进行词法分析， 得到抽象语法树， 使用代码结构化遍历技术将抽象语法 树展开为序列， 得到智能合约序列化表示； (3)利用庞氏骗局智能合约的语法特征作为切片准则， 对智能合约源码进行程序切片， 抽取与庞氏骗局语义相关语句组成切片集合； 并对切片语句集合进 行控制流、 数据流分析， 构建智能合约交易属性图； (4)利用transformer  encoder作为特征提取模型， 将智能合约序列化输入模型中进行 特征提取， 得到智能合约全局特 征向量； (5)利用图卷积神经网络和图自注意力池化操作， 对智能合约交易属性图进行特征提 取， 得到与智能合约交易局部特 征向量； (6)将步骤(4)和步骤(5)得到的智能合约全局词法特征向量和局部交易特征向量进行 融合， 得到智能合约复合特 征向量， 并输入多层感知机预测当前智能合约是否是庞氏骗局。 2.根据权利要求1所述的基于多模态特征的智能合约庞氏骗局检测方法， 其特征在于， 所述步骤(1)包括以下步骤： (1.1)在对收集到的智能合约源码进行人工审计， 确认智能合约样本是否为庞氏骗局 智能合约， 将确认为庞氏骗局的智能合约加入集合Setponzi＝{c1,...,cN}， 其中N表示庞氏 骗局智能合约的数量； (1.2)通过B igQuery数据库收集智能合约地址， 通过Etherscan平台得到对应的智能合 约源代码， 并通过手工确认其中非庞氏合约样本集合， 这些样本组成非庞氏合约集合 Setno_ponzi＝{c1,...,cM}， 其中M表示非庞氏骗局智能合约样本数量； (1.1)综合(1.1)和(1.2)得到的智能合约样本， 得到智能合约数据集Set＝Setponzi∪ Setno_ponzi， 且数据集中智能合约样本数为S＝M+N。 3.根据权利要求1所述的基于多模态特征的智能合约庞氏骗局检测方法， 其特征在于， 所述步骤(2)包括以下步骤： (2.1)利用solidity编译器将智能合约样本ci编译为抽象语法树， 遍历该抽象语法树并 提取根节点类型为FunctionDefinition的子树， 构建当前智能合约样本ci所包含函数的抽 象语法树 集合 其中K表示当前智能合约ci函数数量； ( 2 .2) 利 用 结 构 化 遍 历 将 函 数 抽 象 语 法 树 展 开 成 t o k e n 序 列 其中 表示当前函数token序列长度； 合并所有函数的t oken序列 集合， 得到当前智能合约样本 ci的序列化表示 ( 2 .3 ) 合 并 所 有 智 能 合 约 样 本 的 序 列 化 表 示 ， 组 成 智 能 合 约 语 料 库 利用FastText模型在 该语料库上进行训练， 得到任意tokeni对应 的初始特 征向量 4.根据权利要求1所述的基于多模态特征的智能合约庞氏骗局检测方法， 其特征在于， 所述步骤(3)包括以下步骤：权　利　要　求　书 1/4 页 2 CN 114547611 A 2(3.1)针对智能合约样本 ci∈Set及其函数抽象语法树 集合 利用语法 分析遍历所有 函数抽象语法树 判断当前函数是否包含转账操作， 如果存在转账操作则 将该函数 加入当前合约样本对应敏感函数集合 其余函数组成非敏感函数集 (3.2)敏感函数集中的任意函数 对其抽象语法树 进行语义分析， 得到该函 数程序依赖图 利用3种转账交易接口作为切片准则， 根据图可达性原理对 进 行后向切片， 得到当前函数的交易切片属性图 且图中节点v∈V表示函数 fi中与交易行为存在语义依赖关系的语句， 图中边e∈E， 包括： 控制流、 数据流、 控制依赖和 数据依赖四种类型； (3.3)遍历 并搜索其中所有节点使用的全局变量， 并组成当前函数fi的交易敏感 全局变量集合 合并所有敏感函数内的交易敏感全局变量， 得到当前智能合约ci 的交易敏感全局变量 集合 (3.4)遍历当前智能合约样本ci中非交易敏感函数 对应抽象语法树， 判断该 函数是否使用交易敏感全局变量 如果使用则将当前函数从非交易敏感函数 集合 转移到交易敏感函数集合 中， 并将当前函数使用的交易敏感全局变量作为 切片准则， 生成该函数的交易切片属性图 (3.5)对任意交易敏感全局变量 遍历当前智能合约寻找该变量的定义 语句， 组成全局 变量定义语句集合Vdef； 合并所有交易敏感函数的交易切片属性图， 和全局 变量定义语句集合Vdef， 生成当前合约样 本的合约交易属性图TPG＝(V,E)； 其中节点v∈V表 示当前智能合约中与交易行为相关的交易敏感全局变量定义、 交易敏感全局变量使用和交 易接口调用等语句； 图中边e∈E包括： 数据流、 控制流、 数据 依赖、 控制依赖和交易敏感变量 修改五种类型。 5.根据权利要求1所述的基于多模态特征的智能合约庞氏骗局检测方法， 其特征在于， 所述步骤(4)包括以下步骤： (4.1)针对任意智能合约样本ci， 将(2.3)生成当前样本的序列化表示 分为多个 batch， 并且每 个batch所包含的token数量为l'； (4.2)针对 任意batc h， 计算每 个token的位置编码向量PE， 计算方法为： PE(pos,2i)＝sin(pos/10 0002i/d) PE(pos,2i+1)＝cos(pos/10 0002i/d) 其中， pos代表当前token在batch中的位置； d是当token位置编码向量的维度大小； i代 表位置编码向量的下 标； (4.3)将token的位置编码向量与token初始特征向量相加得到当前batch中tokeni的初 始化向量 合并所有batch中所有token初始化向量表示， 得到智能合约序列化权　利　要　求　书 2/4 页 3 CN 114547611 A 3