CN113127042A - 一种智能合约推荐方法、设备及存储介质 - Google Patents

Abstract

本申请一种智能合约推荐方法、设备及存储介质，其中的推荐方法包括在合约函数库中匹配与待更新函数一致的第一函数，以及该第一函数的衍化版本，参考第一函数的部署时间，以及第一函数衍化版本的语法结构，在合约函数库中确定第二函数，第二函数作为推荐结果用于为更新函数提供参考数据，该方法考虑了函数库中函数的衍化关系，支持开发者给定一个待更新函数，通过对发明的实施推荐一个现有的函数给开发人员，可达到更准确的推荐效果；相比较于现有的合约推荐方法，本发明从函数级别对智能合约的更新进行函数推荐，更符合开发人员的需求。

Description

一种智能合约推荐方法、设备及存储介质

技术领域

本发明属于区块链技术领域，具体涉及一种智能合约推荐方法、设备及存储介质。

背景技术

智能合约是运行在例如以太坊这样的区块链系统上的程序，一旦被部署到区块链上就不可篡改，也无法通过打补丁的方式进行修复或更新，如要对智能合约进行更新迭代需要重新发布新的合约，这使智能合约的更新迭代变得不便利。

对于合约用户来说，针对一份待更新的智能合约，要搜索到可用于更新的合约并不容易。目前研究有提出一些智能合约的推荐方法，根据用户需求对智能合约有针对性的推荐，但是鲜有面向开发人员的智能合约推荐方法，这对于开发人员来说不够友好。

发明内容

基于此，本发明提供一种智能合约推荐方法、设备及存储介质，以克服上述现有技术的缺陷。

第一方面，本发明提供一种智能合约推荐方法，包括：

获取待更新智能合约中的待更新函数；

在合约函数库中匹配与待更新函数一致的第一函数，以及第一函数的衍化版本；

参考第一函数的部署时间，及第一函数的衍化版本的语法结构，在合约函数库中确定用于作为推荐结果的第二函数，第二函数作为对待更新函数进行更新时的参考数据。

优选地，参考第一函数的部署时间，及第一函数的衍化版本的语法结构，在合约函数库中确定用于作为推荐结果的第二函数包括：

以部署时间早于第一函数，并且语法结构与第一函数的其中一个衍化版本相同为筛选条件，在合约函数库中确定用于作为推荐结果的第二函数。

优选地，上述方法还包括：

根据设定排序规则，对各第二函数进行排序；

选取排序顺序满足设定排序阈值的第二函数，作为推荐结果。

优选地，对各第二函数进行排序包括：

以各第二函数与第一函数的语法相似度的大小为排序条件，对各第二函数排序。

优选地，匹配第一函数之前，上述推荐方法还包括：

对合约函数库中的函数聚类，每个聚类簇包括一个第一函数，以及该第一函数的衍化版本。

优选地，对合约函数库中的函数聚类包括：

以合约创建者相同和/或函数的语法相似度达到设定阈值作为聚类条件，对合约函数库中的函数进行聚类。

优选地，函数的语法相似度的计算包括：

获取第一待计算函数和第二待计算函数各自的语法token列表；

根据语法token列表获得两个函数各自对应的token序列；

根据token序列确定对应函数的最长匹配子序列；

计算第一待计算函数最长匹配子序列的长度与两个函数的token序列长度中的最大值的比值，作为第一待计算函数的语法相似度。

优选地，根据语法token列表获得对应的token序列包括：

计算语法token列表中各语法token的哈希值；

并将各语法token的哈希值依次拼接，得到对应的token序列。

第二方面，本发明还提供一种智能合约推荐设备，包括：

存储有计算机可执行指令的存储器和处理器；

当计算机可执行指令被处理器执行时使得该推荐设备执行第一方面提供的智能合约推荐方法。

第三方面，本发明还提供一种存储介质，存储有计算机可执行程序，当该程序被执行时可实现第一方面提供的智能合约推荐方法。

从以上技术方案可以看出，本发明具有如下有益效果：

本发明提供的智能合约推荐方法，在合约函数库中匹配与待更新函数一致的第一函数，以及该第一函数的衍化版本，参考第一函数的部署时间，以及第一函数的衍化版本的语法结构，在合约函数库中确定第二函数，第二函数作为更新函数的参考数据，该方法考虑了函数库中函数的衍化关系，支持开发者给定一个已实现的待更新函数，通过对本发明的实施推荐一个现有的函数给开发者用于更新迭代，可达到更准确的推荐效果；相比较于现有的合约推荐方法，本发明从函数级别对智能合约的更新进行函数推荐，更符合开发者的需求。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据提供的附图获得其他的附图。

图1本发明一种实施例提供的智能合约推荐方法流程图

图2本发明另一实施例提供的智能合约推荐方法流程图

图3本发明另一实施例提供的智能合约推荐设备结构示意图

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

目前的一些智能合约推荐方法，主要面向合约用户，推荐结果针对合约级别，然而与合约相比，函数是更为基本的逻辑单元，一份智能合约除了函数，还有状态变量、事件等成分，基于合约粒度的推荐方法容易受合约中其他成分的影响，导致推荐效果变差。这样的推荐方法对合约开发者也不够友好，相比较于合约用户，开发人员更关注智能合约中的函数，对于开发人员来说，对智能合约的更新实际上是对合约所包含的函数的更新，如果采用现有的推荐方法，开发人员在对智能合约进行更新时还需要在推荐的合约中选取合适的函数，更新效率不高。

少数的面向开发者的推荐方法，单独考虑数据库中的每一份合约的语义信息，根据开发者给定的关键词在数据中进行匹配，并没有考虑到现存合约之间的衍化更新关系，推荐效果不佳。

而本发明所提供的智能合约推荐方法，从函数级别进行推荐，可根据开发人员给定的待更新函数进行函数推荐，以作为更新函数的参考依据。

参阅图1，本实施例提供一种智能合约推荐方法，该方法的执行包括：

S100.获取待更新的智能合约中的待更新函数。

对一个智能合约更新可视为对其包含的函数进行更新迭代，往往一份合约的更新只涉及个别函数，这样的待更新函数可由开发人员根据迭代需求直接给定。

S110.在合约函数库中匹配与待更新函数一致的第一函数，以及第一函数的衍化版本。

函数的衍化版本可视为对函数的多次更新迭代后的版本，在现存的智能合约中存在大量相似的合约，这些相似合约之间存在衍化更新关系。对于一份合约，其中存在有更新版本的函数，也有未发生更新的函数。例如合约1，包含函数A、函数B、函数C，另有合约2和合约3，均是对合约1的更新，其中合约2更新了函数A和函数B，合约3只更新了函数A，则函数A的衍化版本为合约2与合约3的函数A，函数B的衍化版本为合约2的函数B，而函数C不存在衍化版本。

S120.参考第一函数的部署时间，以及第一函数的衍化版本的语法结构，在合约函数库中确定用于作为推荐结果的第二函数，第二函数作为对待更新函数进行更新时的参考数据。

第二函数可以视作第一函数的一个特别衍化版本，只是在部署时间和语法结构上与第一函数有所区别，所以认为这样的衍化同样适用于与第一函数一致的其他函数，可以用作更新函数的参考数据。

本实施例提供的智能合约推荐方法，考虑了函数库中函数的衍化关系，支持开发人员给定一个待更新函数，推荐一个现有的函数给开发者用于更新迭代，可达到更准确的推荐效果，更新效率更高，而且函数级别的更新推荐，更符合开发人员的需求。

在进一步的实施例中，步骤S120确定用于作为推荐结果的第二函数的过程，包括：

以部署时间早于第一函数，并且语法结构与第一函数的其中一个衍化版本相同为参考条件，在合约函数库中确定用于作为推荐结果的第二函数。

在进一步的实施例中，考虑到有不止一个第二函数，为了达到最佳的推荐效果，在上述实施例的基础上，推荐方法还可以包括：

根据设定排序规则，对各第二函数进行排序；

选取排序顺序满足设定排序阈值的第二函数，作为推荐结果。

在进一步的实施例中，设定排序规则可以是各第二函数与第一函数的语法相似度的大小，也可以是各第二函数的部署时间先后顺序。

例如，当设定排序规则是各第二函数与第一函数的语法相似度的大小时，可以将各第二函数按照语法相似度从高到低排序，选择Top N个函数作为推荐结果。当设定排序规则是各第二函数的部署时间先后顺序时，可以选择最早部署的N个第二函数作为推荐函数。

在进一步的实施例中，合约函数库中的函数已根据聚类条件事先完成了聚类，每个聚类簇下包括一个第一函数，以及该第一函数的衍化版本，聚类条件可以是合约创建者相同、函数的语法相似度达到设定阈值中的至少一个。

在进一步的实施例中，计算函数的语法相似度有如下过程：

此处定义需要计算语法相似度的两个函数为第一待计算函数和第二待计算函数。

获取第一待计算函数和第二待计算函数各自的语法token列表；

根据语法token列表获得两个函数各自对应的token序列；

根据token序列确定对应函数的最长匹配子序列；

计算第一待计算函数最长匹配子序列的长度与两个函数的token序列长度中的最大值的比值，作为第一待计算函数的语法相似度。

在进一步的实施例中，获得token序列可以包括：

计算语法token列表中各语法token的哈希值；

并将各语法token的哈希值依次拼接，得到对应的token序列。

参阅图2，图2示出了本发明的另一种智能合约推荐方法，该方法包括：

S200.获取待更新的智能合约中的待更新函数。

需要更新的函数由开发人员根据智能合约的迭代需求直接给定。

S210.在合约函数库中匹配与待更新函数一致的目标函数，以及目标函数的衍化版本。

目标函数的衍化版本可视为对目标函数的更新迭代，与目标函数有衍化更新的关系

S220.参考目标函数的部署时间，及目标函数衍化版本的语法结构，在合约函数库中确定用于作为推荐结果的推荐函数，推荐函数作为对待更新函数进行更新时的参考数据。

步骤S210之前还可以包括对合约函数库的建立过程，该过程包括：

(1)收集智能合约数据。

具体地，本实施例从以太坊智能合约平台Etherscan上收集了2020年12月以前共计172645份开源的智能合约源代码。

(2)提取智能合约函数。

对步骤S221中收集到的智能合约源代码，使用Solidity解析器解析每一份源代码，获取其对应的抽象语法树，对抽象语法树遍历得到每一份智能合约包含的函数，本实施例从172645份源代码中共提取出4045583个有效的合约函数，组成合约函数库。

(3)对函数库中的函数进行聚类。

聚类条件为将同一个创建者部署，语法相似的若干个函数聚为一类，具体地，函数相似度达到设定阈值则可以认为两个函数在语法上相似，并将其中部署时间最早的函数定为目标函数，相同聚类下的其余函数为该目标函数的衍化版本。

本实施例通过Solidity解析器生成函数的token序列，用于计算函数相似度。具体来说，Solidity解析器对合约源代码进行词法分析得到对应的语法token列表，并将属于标识符类型的语法token替换为统一的占位符“x”，再计算每个语法token的哈希值并依次拼接，得到对应的token序列，进一步根据token序列确定对应的最长匹配子序列，计算当前函数最长匹配子序列的长度与两个函数token序列长度中的最大值的比值，得到当前函数的语法相似度。

本实施例中函数相似度的设定阈值可以是0.8或其他值，本发明不对阈值设定进行具体限定。

通过上述步骤，合约函数库中共聚类得到6484个目标函数。

步骤S220中的确定推荐函数的过程，可以包括：

将与目标函数的其中一个衍化版本语法相同，且部署时间早于目标函数的函数确定为推荐函数。函数的token序列包括了该函数完整的语法信息，因此在步骤S220中可以通过判断两个函数的token序列是否相同来判定函数在语法上是否相同。

对于6484个目标函数，其中有3506个目标函数可以在本实施例建立的合约函数库中找到匹配的推荐函数用于更新迭代。

当存在多个推荐函数时，为了获得最佳的推荐效果，本实施例中在更新迭代前对这多个推荐函数进行排序，具体根据推荐函数与目标函数的语法相似度从高到低排序，实际操作中可以将推荐函数及其排序一同反馈给开发者供其参考，也可以由后台直接选取排序最高的函数作为最终的推荐结果用于更新迭代。

3506个能找到推荐函数的目标函数，其推荐版本的平均排序为2.20，这一结果也印证了本实施例提供的推荐方法所找到的推荐函数可以取得一个较好的推荐排序，本实施例的推荐方法是合理有效的。

本申请实施例提供的智能合约推荐方法可以由智能合约推荐设备执行，该设备可以是服务器、电脑、云端等，图3示出了该推荐设备硬件结构框图，包括：至少一个处理器1，至少一个通信接口2，至少一个存储器3和至少一个通信总线4；

在本申请实施例中，处理器1、通信接口2、存储器3、通信总线4的数量为至少一个，且处理器1、通信接口2、存储器3通过通信总线4完成相互间的通信；

处理器1可能是一个中央处理器CPU，或者是特定集成电路ASIC(ApplicationSpecific Integrated Circuit)，或者是被配置成实施本发明实施例的一个或多个集成电路等；

存储器3可能包含高速RAM存储器，也可能还包括非易失性存储器(non-volatilememory)等，例如至少一个磁盘存储器；

其中，存储器存储有计算机可执行指令，处理器可调用存储器存储的程序，所述程序用于：实现前述各个实施例提供的代码段注释生成流程。

本申请实施例还提供一种存储介质，存储有计算机可执行程序，当该程序被执行时可实现前述各个实施例提供的智能合约推荐方法。

最后，还需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。

以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的技术人员应当理解：其依然可以对前述实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明实施例技术方案的精神和范围。

Claims (10)

1.一种智能合约推荐方法，其特征在于，包括：

获取待更新智能合约中的待更新函数；

在合约函数库中匹配与所述待更新函数一致的第一函数，以及所述第一函数的衍化版本；

参考所述第一函数的部署时间，以及所述第一函数的衍化版本的语法结构，在所述合约函数库中确定用于作为推荐结果的第二函数，所述第二函数作为对所述待更新函数进行更新时的参考数据。

2.根据权利要求1所述的智能合约推荐方法，其特征在于，所述参考所述第一函数的部署时间，及所述第一函数的衍化版本的语法结构，在所述合约函数库中确定用于作为推荐结果的第二函数包括：

以部署时间早于所述第一函数，并且语法结构与所述第一函数的其中一个衍化版本相同为筛选条件，在所述合约函数库中确定用于作为推荐结果的第二函数。

3.根据权利要求1所述的智能合约推荐方法，其特征在于，所述方法还包括：

根据设定排序规则，对各所述第二函数进行排序；

选取排序顺序满足设定排序阈值的第二函数，作为推荐结果。

4.根据权利要求3所述的智能合约推荐方法，其特征在于，所述根据设定排序规则，对各所述第二函数进行排序包括：

以各所述第二函数与第一函数的语法相似度的大小为排序条件，对各所述第二函数进行排序。

5.根据权利要求1所述的智能合约推荐方法，其特征在于，匹配所述第一函数之前，所述方法还包括：

对所述合约函数库中的函数聚类，每个聚类簇包括一个所述第一函数，以及所述第一函数的衍化版本。

6.根据权利要求5所述的智能合约推荐方法，其特征在于，所述对所述合约函数库中的函数聚类包括：

以合约创建者相同和/或函数的语法相似度达到设定阈值作为聚类条件，对所述合约函数库中的函数进行聚类。

7.根据权利要求6所述的智能合约推荐方法，其特征在于，所述函数的语法相似度的计算过程，包括：

获取第一待计算函数和第二待计算函数各自的语法token列表；

根据所述语法token列表获得两个函数各自对应的token序列；

根据所述token序列确定对应函数的最长匹配子序列；

计算第一待计算函数最长匹配子序列的长度与两个函数的token序列长度中的最大值的比值，作为第一待计算函数的语法相似度。

8.根据权利要求7所述的智能合约推荐方法，其特征在于，根据所述语法token列表获得对应的token序列的过程，包括：

计算所述语法token列表中各语法token的哈希值；

将各语法token的哈希值依次拼接，得到对应的token序列。

9.一种智能合约推荐设备，其特征在于，包括：

存储有计算机可执行指令的存储器和处理器；

当所述计算机可执行指令被所述处理器执行时使得所述智能合约推荐设备执行权利要求1-8任一项所述的智能合约推荐方法。

10.一种存储介质，存储有计算机可执行程序，其特征在于，当所述程序被执行时可实现权利要求1-8任一项所述的智能合约推荐方法。

Images