基于序列特征增强的智能合约漏洞检测模型OA

针对现有智能合约(Smart Contract,SC)漏洞检测方法中局部特征与全局特征融合不足、代码上下文依赖建模不充分等问题,本文提出一种基于序列特征增强的智能合约漏洞检测模型SAFE-SCVDM。该模型创新性地融合代码多维度表征,通过三阶段特征提取架构实现漏洞检测精度提升:首先,设计基于结构遍历(Structure-Based Traversal,SBT)的抽象语法树(Abstract Syntax Tree,AST)转化策略,将抽象语法树转化为含有词汇与层次特征的序列结构;其次,构建节点提取脚本从智能合约代码中挖掘代码的token信息,保留代码的语义特征;随后,提取智能合约全局上下文信息,利用CodeBERT模型将智能合约的源代码转换为代码注释特征,保留代码的全局依赖信息;最后,利用代码注释、SBT方式遍历后的AST序列结构及代码的token序列来作为微调数据集,并对大语言模型进行微调。实验结果表明,SAFE-SCVDM在公开的智能合约漏洞检测数据集上的准确率达到88.41%,比最先进的基准模型提高了9.8%。