CN115795469A - 合约检测方法、装置、设备及存储介质 - Google Patents

Abstract

本公开提供了一种合约检测方法、装置、设备及存储介质，涉及计算机技术领域。该方法包括：获取待检测合约数据，将待检测合约数据输入至训练完成的多分类检测模型中，得到检测结果，其中，检测结果包括多种类型的检测漏洞以及未发现漏洞。解决了当前对于智能合约检测效率较低的问题。

Description

合约检测方法、装置、设备及存储介质

技术领域

本公开涉及计算机技术领域，尤其涉及一种合约检测方法、装置、设备及存储介质。

背景技术

随着社会的发展，区块链技术逐渐普及，在区块链技术中，智能合约是不可或缺的一项。由于智能合约具备极高的重要性，所以当前出现了很多针对智能合约的非法攻击。

为了对智能合约的非法攻击进行抵御，当前常用的方法是采用机器学习的方法对智能合约的漏洞进行检测，但是当前的检测方法仅能够对智能合约是否存在漏洞进行检测，在确定智能合约存在漏洞的情况下，技术人员还需要对智能合约进行详细检测，使得当前检测成本较高，检测效率低下。

发明内容

本公开提供一种合约检测方法、装置、设备及存储介质，至少在一定程度上解决了当前对于智能合约检测效率较低的问题。

本公开的其他特性和优点将通过下面的详细描述变得显然，或部分地通过本公开的实践而习得。

根据本公开的一个方面，提供一种合约检测方法，包括：

获取待检测合约数据；

将待检测合约数据输入至训练完成的多分类检测模型中，得到检测结果，其中，检测结果包括多种类型的检测漏洞以及未发现漏洞。

在本公开的一个实施例中，在将待检测合约数据输入至训练完成的多分类检测模型中，得到检测结果之前，方法还包括：

对待检测合约数据进行预处理，待检测合约数据包括字节码类型的合约数据。

在本公开的一个实施例中，对待检测合约数据进行预处理，包括：

删除合约数据中的输入参数，得到删除后的合约数据；

合并删除后的合约数据中具有相同功能的操作对应的字节码，得到预处理完成的合约数据。

在本公开的一个实施例中，在将待检测合约数据输入至训练完成的多分类检测模型中，得到检测结果之前，方法还包括：

获取多分支DNN模型以及训练数据，训练数据包括历史合约数据以及历史合约数据对应的标签；

根据历史合约数据以及历史合约数据对应的标签对多分支DNN模型进行训练，在满足训练停止条件后，得到训练完成的多分类检测模型。

在本公开的一个实施例中，多分支DNN模型包括嵌入层；

嵌入层用于将训练数据或待检测合约数据进行线性映射压缩，得到压缩后的训练数据或待检测合约数据。

在本公开的一个实施例中，在根据历史合约数据以及历史合约数据对应的标签对多分支DNN模型进行训练，在满足训练停止条件后，得到训练完成的多分类检测模型之后，方法还包括：

获取更新后的训练数据，根据更新后的训练数据对训练完成的多分类检测模型进行训练，得到更新后的多分类检测模型；

根据更新后的多分类检测模型对待检测合约数据进行检测，得到检测结果。

在本公开的一个实施例中，历史合约数据对应的标签包括：

外部调动、编程错误、执行成本、矿工影响以及隐私漏洞。

根据本公开额另一个方面，提供一种和合约检测装置，合约检测装置包括：

第一获取模块，用于获取待检测合约数据；

第一训练模块，用于将待检测合约数据输入至训练完成的多分类检测模型中，得到检测结果，其中，检测结果包括多种类型的检测漏洞以及未发现漏洞。

在本公开的一个实施例中，合约检测装置还包括：

预处理模块，在将待检测合约数据输入至训练完成的多分类检测模型中，得到检测结果之前，用于对待检测合约数据进行预处理，待检测合约数据包括字节码类型的合约数据。

在本公开的一个实施例中，预处理模块，包括：

删除单元，用于删除合约数据中的输入参数，得到删除后的合约数据；

合并单元，用于合并删除后的合约数据中具有相同功能的操作对应的字节码，得到预处理完成的合约数据。

在本公开的一个实施例中，合约检测装置，还包括：

第二获取模块，在将待检测合约数据输入至训练完成的多分类检测模型中，得到检测结果之前，用于获取多分支DNN模型以及训练数据，训练数据包括历史合约数据以及历史合约数据对应的标签；

第二训练模块，用于根据历史合约数据以及历史合约数据对应的标签对多分支DNN模型进行训练，在满足训练停止条件后，得到训练完成的多分类检测模型。

在本公开的一个实施例中，多分支DNN模型包括嵌入层；

嵌入层用于将训练数据或待检测合约数据进行线性映射压缩，得到压缩后的训练数据或待检测合约数据。

在本公开的一个实施例中，合约检测装置，还包括：

第三获取模块，在根据历史合约数据以及历史合约数据对应的标签对多分支DNN模型进行训练，在满足训练停止条件后，得到训练完成的多分类检测模型之后，用于获取更新后的训练数据，根据更新后的训练数据对训练完成的多分类检测模型进行训练，得到更新后的多分类检测模型；

检测模块，用于根据更新后的多分类检测模型对待检测合约数据进行检测，得到检测结果。

在本公开的一个实施例中，历史合约数据对应的标签包括：

外部调动、编程错误、执行成本、矿工影响以及隐私漏洞。

根据本公开的再一个方面，提供一种电子设备，包括：处理器；以及存储器，用于存储处理器的可执行指令；其中，处理器配置为经由执行可执行指令来执行上述的合约检测方法。

根据本公开的又一个方面，提供一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现上述的合约检测方法。

本公开的实施例所提供的合约检测方法中，通过获取待检测合约数据，然后将待检测合约数据输入至训练完成的多分类检测模型中，得到检测结果，其中，检测结果包括多种类型的检测漏洞以及未发现漏洞。由于是根据多分类检测模型对合约进行检测，得到多种类型的检测结果，可以解决当前检测效率较低的问题，提高当前智能合约的检测效率。

应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本公开。

附图说明

此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本公开的实施例，并与说明书一起用于解释本公开的原理。显而易见地，下面描述中的附图仅仅是本公开的一些实施例，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，还可以根据这些附图获得其他的附图。

图1示出本公开实施例中一种合约检测方法流程图；

图2示出本公开实施例中另一种合约检测方法流程图；

图3示出本公开实施例中再一种合约检测方法流程图；

图4示出本公开实施例中又一种合约检测方法流程图；

图5示出本公开实施例中又一种合约检测方法流程图；

图6示出本公开实施例中一种合约检测装置示意图；和

图7示出本公开实施例中一种电子设备的结构框图。

具体实施方式

现在将参考附图更全面地描述示例实施方式。然而，示例实施方式能够以多种形式实施，且不应被理解为限于在此阐述的范例；相反，提供这些实施方式使得本公开将更加全面和完整，并将示例实施方式的构思全面地传达给本领域的技术人员。所描述的特征、结构或特性可以以任何合适的方式结合在一个或更多实施方式中。

此外，附图仅为本公开的示意性图解，并非一定是按比例绘制。图中相同的附图标记表示相同或类似的部分，因而将省略对它们的重复描述。附图中所示的一些方框图是功能实体，不一定必须与物理或逻辑上独立的实体相对应。可以采用软件形式来实现这些功能实体，或在一个或多个硬件模块或集成电路中实现这些功能实体，或在不同网络和/或处理器装置和/或微控制器装置中实现这些功能实体。

应当理解，本公开的方法实施方式中记载的各个步骤可以按照不同的顺序执行，和/或并行执行。此外，方法实施方式可以包括附加的步骤和/或省略执行示出的步骤。本公开的范围在此方面不受限制。

需要注意，本公开中提及的“第一”、“第二”等概念仅用于对不同的装置、模块或单元进行区分，并非用于限定这些装置、模块或单元所执行的功能的顺序或者相互依存关系。

需要注意，本公开中提及的“一个”、“多个”的修饰是示意性而非限制性的，本领域技术人员应当理解，除非在上下文另有明确指出，否则应该理解为“一个或多个”。

为了解决上述问题，本公开实施例提供了一种合约检测方法、装置、设备及存储介质。

为了便于理解，本公开实施例首先对合约检测方法进行说明。

图1示出了本公开实施例中一种合约检测方法流程图。

如图1所示，合约检测方法可以包括：

S102，获取待检测合约数据。

需要说明的是，待检测合约数据可以是以太坊智能合约，其中，以太坊智能合约是区块链上自动化去中心化应用程序。

示例性的，合约检测装置可以通过在区块链检索合约的地址，然后根据检索到的合约的地址，通过API对智能合约进行下载。

示例性的，以太坊智能合约描述了买家和卖家之间的协议条款。

示例性的，智能合约可以被存储在数据库中，数据库可以被配置在终端设备或服务器上。

合约检测装置同样可以被配置在终端设备或服务器上。

终端设备可以是各种电子设备，包括但不限于智能手机、平板电脑、膝上型便携计算机、台式计算机、可穿戴设备、增强现实设备、虚拟现实设备等。

可选地，不同的终端设备中安装的应用程序的客户端是相同的，或基于不同操作系统的同一类型应用程序的客户端。基于终端平台的不同，该应用程序的客户端的具体形态也可以不同，比如，该应用程序客户端可以是手机客户端、PC客户端等。

服务器可以是提供各种服务的服务器，例如对用户利用终端设备所进行操作的装置提供支持的后台管理服务器。后台管理服务器可以对接收到的请求等数据进行分析等处理，并将处理结果反馈给终端设备。

可选地，服务器可以是独立的物理服务器，也可以是多个物理服务器构成的服务器集群或者分布式系统，还可以是提供云服务、云数据库、云计算、云函数、云存储、网络服务、云通信、中间件服务、域名服务、安全服务、CDN(Content Delivery Network，内容分发网络)、以及大数据和人工智能平台等基础云计算服务的云服务器。终端可以是智能手机、平板电脑、笔记本电脑、台式计算机、智能音箱、智能手表等，但并不局限于此。终端以及服务器可以通过有线或无线通信方式进行直接或间接地连接，本申请在此不做限制。

网络用以在终端设备和服务器之间、终端设备与终端设备之间以及服务器与服务器之间提供通信链路的介质，可以是有线网络，也可以是无线网络。

可选地，上述的无线网络或有线网络使用标准通信技术和/或协议。网络通常为因特网、但也可以是任何网络，包括但不限于局域网(Local Area Network，LAN)、城域网(Metropolitan Area Network，MAN)、广域网(Wide Area Network，WAN)、移动、有线或者无线网络、专用网络或者虚拟专用网络的任何组合)。在一些实施例中，使用包括超文本标记语言(Hyper Text Mark-up Language，HTML)、可扩展标记语言(ExtensibleMarkupLanguage，XML)等的技术和/或格式来代表通过网络交换的数据。此外还可以使用诸如安全套接字层(Secure Socket Layer，SSL)、传输层安全(Transport Layer Security，TLS)、虚拟专用网络(Virtual Private Network，VPN)、网际协议安全(InternetProtocolSecurity，IPsec)等常规加密技术来加密所有或者一些链路。在另一些实施例中，还可以使用定制和/或专用数据通信技术取代或者补充上述数据通信技术。

S104，将待检测合约数据输入至训练完成的多分类检测模型中，得到检测结果，其中，检测结果包括多种类型的检测漏洞以及未发现漏洞。

需要说明的是，多分类检测模型可以对多种类型的漏洞进行检测，而根据上述多分类检测模型确定的检测结果也可以包含多种类型的漏洞。

本公开的实施例所提供的合约检测方法中，通过获取待检测合约数据，然后将待检测合约数据输入至训练完成的多分类检测模型中，得到检测结果，其中，检测结果包括多种类型的检测漏洞以及未发现漏洞。由于是根据多分类检测模型对合约进行检测，得到多种类型的检测结果，可以解决当前检测效率较低的问题，提高当前智能合约的检测效率。

基于相同的发明构思，本公开实施例中还提供了另一种合约检测方法。

图2示出了另一种合约检测方法流程图。

如图2所示，另一种合约检测方法可以包括：

S202，对待检测合约数据进行预处理，待检测合约数据包括字节码类型的合约数据。

需要说明的是，对待检测合约数据进行预处理可以包括多种预处理方式，本公开实施例不作具体限定。

待检测合约数据可以包括由十六进制数字表示的字节码类型的合约数据。

由十六进制数字表示的字节码可以表示智能合约中特定的操作序列和参数。

本公开实施例中，通过对字节码类型的合约数据进行获取，并将获取的合约数据进行预处理，将预处理之后的合约数据进行训练。由于是获取的字节码类型的合约数据，而字节码类型的数据便于处理，所以本公开实施例能够提高合约预处理的效率。

基于相同的发明构思，本公开实施例中还提供了再一种合约检测方法。

图3示出了另一种合约检测方法流程图。

如图3所示，再一种合约检测方法可以包括：

S302，删除合约数据中的输入参数，得到删除后的合约数据。

需要说明的是，在删除合约数据中的输入参数之前，可以预先将获取到的字节码类型的合约数据转换为由唯一分隔符分割的操作序列。

需要说明的是，在删除合约数据中的输入参数之前，可以根据预设算法确定合约数据中的输入参数。

其中，预设算法可以包括深度学习算法。

S304，合并删除后的合约数据中具有相同功能的操作对应的字节码，得到预处理完成的合约数据。

需要说明的是，在合并合约数据之前，需要先获取相同的合约数数据。

可以根据预设算法获取相同的合约数据。

其中，预设算法可以包括深度学习算法。

本公开实施例中，由于是对合约数据中的输入参数预先进行删除，将合约数据中具有相同功能的操作对应的字节码进行合并，可以使得预处理后的字节码格式的合约数据的数据量缩小，缩小后的合约数据可以便于合约检测装置的训练。

基于相同的发明构思，本公开实施例中还提供了又一种合约检测方法。

图4示出了又一种合约检测方法流程图。

如图4所示，又一种合约检测方法可以包括：

S402，获取多分支DNN模型以及训练数据，训练数据包括历史合约数据以及历史合约数据对应的标签。

示例性的，在获取历史合约数据之后，可以根据预选确定的检测工具对上述历史合约数据进行打标签操作。

示例性的，还可以获取历史中，已经检测完成的历史合约数据。

其中，已经检测完成的历史合约数据包括已经确定完毕漏洞的历史合约数据。

在一些实施方式中，历史合约数据对应的标签可以包括：

外部调动、编程错误、执行成本、矿工影响以及隐私漏洞。

S404，根据历史合约数据以及历史合约数据对应的标签对多分支DNN模型进行训练，在满足训练停止条件后，得到训练完成的多分类检测模型。

需要说明的是，满足训练停止条件可以包括：

训练的次数满足预设次数。

在任意一次训练完成后对应的损失函数值满足预设阈值。

进行多次训练后，得到的训练结果趋于收敛。

其中，得到的训练结果趋于收敛可以包括，多次训练后的训练结果的差异满足预设条件。

本公开实施例中，在根据多分类检测模型对待检测合约数据进行检测前，预先对多分类检测模型进行训练得到训练完成的多分类检测模型，可以使得训练完成的多分类检测模型对待检测合约数据检测的更加准确。

基于相同的发明构思，本公开实施例中还提供了又一种合约检测方法。

图5示出了又一种合约检测方法流程图。

如图5所示，又一种合约检测方法可以包括：

S502，获取更新后的训练数据，根据更新后的训练数据对训练完成的多分类检测模型进行训练，得到更新后的多分类检测模型。

需要说明的是，更新后的训练数据可以包括在发现新的智能合约漏洞之后，根据新发现的智能合约漏洞以及新的新的智能合约漏洞对应的智能合约数据构建更新后的训练数据。

根据训练完成的多分类检测模型对更新后的训练数据进行训练可以包括根据迁移学习对训练完成的多分类检测模型进行训练。

需要说明的是，在根据更新后的训练数据对训练完成的多分类检测模型进行训练的过程中，可以根据保持训练完成的多分类检测模型中的共同特征提取器和类别分支的参数，而只更新训练完成的多分类检测模型中更新的类别分支。

由此，可以保证训练完成的多分类检测模型对原有的智能合约检测漏洞的检测精度。在此情况下，还可以获取能够对新出现的只能合约检测漏洞进行检测。

S504，根据更新后的多分类检测模型对待检测合约数据进行检测，得到检测结果。

需要说明的是，根据更新后的多分类检测模型对待检测合约数据进行检测的方法与上述实施例中，根据训练完成的多分类检测模型对待检测合约数据进行检测的方法类似，此处不再赘述。

在一些实施例中，多分支DNN模型包括嵌入层；

嵌入层用于将训练数据或待检测合约数据进行线性映射压缩，得到压缩后的训练数据或待检测合约数据。

需要说明的是，多分支DNN模型可以包括两个重要组成部分，分别是特征提取器以及分类分支。

特征提取器可以在获取到待检测合约数据后，将待检测合约数据的特征进行提取，然后将提取特征后的待检测合约数据输入至多分类分支中。

示例性的，特征提取器被训练来从智能合约的字节码中学习语义和语法信息。

在本公开实施例中，可以在特征提取器中加入嵌入层，智能合约的字节码是十六进制数，DNN通常使用小数来现实高精确度。嵌入层通过线性映射压缩输入，从而能够降低特征的维度和学习嵌入空间中字节码。

多分类分支中每一个分支都是一个层的堆叠，被训练来学习相应的漏洞的模式或隐藏表示，每个分类分支的最后一层都有一个神经元的密集层，神经元的激活值的sigmoid评估输出输入合约具有漏洞的概率。

其中，可以根据具有漏洞的置信度分数来确定输入的智能合约具有漏洞的概率。

示例性的，多分支DNN模型包括架构中茎和分枝层。

其中，架构中茎和分枝层为DNN层，如密集层、Dropout层、GRU层。

基于同一发明构思，本公开实施例中还提供了一种合约检测装置，如下面的实施例。由于该装置实施例解决问题的原理与上述方法实施例相似，因此该装置实施例的实施可以参见上述方法实施例的实施，重复之处不再赘述。

图6示出本公开实施例中一种合约检测装置示意图，如图6所示，该装置包括：

第一获取模块602，用于获取待检测合约数据；

第一训练模块604，用于将待检测合约数据输入至训练完成的多分类检测模型中，得到检测结果，其中，检测结果包括多种类型的检测漏洞以及未发现漏洞。

本公开的实施例所提供的合约检测方法中，通过获取待检测合约数据，然后将待检测合约数据输入至训练完成的多分类检测模型中，得到检测结果，其中，检测结果包括多种类型的检测漏洞以及未发现漏洞。由于是根据多分类检测模型对合约进行检测，得到多种类型的检测结果，可以解决当前检测效率较低的问题，提高当前智能合约的检测效率。

在本公开的一个实施例中，合约检测装置600，还包括：

预处理模块606，在将待检测合约数据输入至训练完成的多分类检测模型中，得到检测结果之前，用于对待检测合约数据进行预处理，待检测合约数据包括字节码类型的合约数据。

本公开实施例中，通过对字节码类型的合约数据进行获取，并将获取的合约数据进行预处理，将预处理之后的合约数据进行训练。由于是获取的字节码类型的合约数据，而字节码类型的数据便于处理，所以本公开实施例能够提高合约预处理的效率。

在本公开的一个实施例中，预处理模块606，包括：

删除单元，用于删除合约数据中的输入参数，得到删除后的合约数据；

合并单元，用于合并删除后的合约数据中具有相同功能的操作对应的字节码，得到预处理完成的合约数据。

本公开实施例中，由于是对合约数据中的输入参数预先进行删除，将合约数据中具有相同功能的操作对应的字节码进行合并，可以使得预处理后的字节码格式的合约数据的数据量缩小，缩小后的合约数据可以便于合约检测装置的训练。

在本公开的一个实施例中，合约检测装置600，还包括：

第二获取模块608，在将待检测合约数据输入至训练完成的多分类检测模型中，得到检测结果之前，用于获取多分支DNN模型以及训练数据，训练数据包括历史合约数据以及历史合约数据对应的标签；

第二训练模块610，用于根据历史合约数据以及历史合约数据对应的标签对多分支DNN模型进行训练，在满足训练停止条件后，得到训练完成的多分类检测模型。

在本公开的一个实施例中，多分支DNN模型包括嵌入层；

嵌入层用于将训练数据或待检测合约数据进行线性映射压缩，得到压缩后的训练数据或待检测合约数据。

在本公开的一个实施例中，合约检测装置600，还包括：

第三获取模块612，在根据历史合约数据以及历史合约数据对应的标签对多分支DNN模型进行训练，在满足训练停止条件后，得到训练完成的多分类检测模型之后，用于获取更新后的训练数据，根据更新后的训练数据对训练完成的多分类检测模型进行训练，得到更新后的多分类检测模型；

检测模块614，用于根据更新后的多分类检测模型对待检测合约数据进行检测，得到检测结果。

在本公开的一个实施例中，历史合约数据对应的标签包括：

外部调动、编程错误、执行成本、矿工影响以及隐私漏洞。

本公开实施例中，在根据多分类检测模型对待检测合约数据进行检测前，预先对多分类检测模型进行训练得到训练完成的多分类检测模型，可以使得训练完成的多分类检测模型对待检测合约数据检测的更加准确。

所属技术领域的技术人员能够理解，本公开的各个方面可以实现为系统、方法或程序产品。因此，本公开的各个方面可以具体实现为以下形式，即：完全的硬件实施方式、完全的软件实施方式(包括固件、微代码等)，或硬件和软件方面结合的实施方式，这里可以统称为“电路”、“模块”或“系统”。

下面参照图7来描述根据本公开的这种实施方式的电子设备700。图7显示的电子设备700仅仅是一个示例，不应对本公开实施例的功能和使用范围带来任何限制。

如图7所示，电子设备700以通用计算设备的形式表现。电子设备700的组件可以包括但不限于：上述至少一个处理单元710、上述至少一个存储单元720、连接不同系统组件(包括存储单元720和处理单元710)的总线730。

其中，存储单元存储有程序代码，程序代码可以被处理单元710执行，使得处理单元710执行本说明书上述“示例性方法”部分中描述的根据本公开各种示例性实施方式的步骤。例如，处理单元710可以执行上述方法实施例的如下步骤：

获取待检测合约数据；

将待检测合约数据输入至训练完成的多分类检测模型中，得到检测结果，其中，检测结果包括多种类型的检测漏洞以及未发现漏洞。

存储单元720可以包括易失性存储单元形式的可读介质，例如随机存取存储单元(RAM)7201和/或高速缓存存储单元7202，还可以进一步包括只读存储单元(ROM)7203。

存储单元720还可以包括具有一组(至少一个)程序模块7205的程序/实用工具7204，这样的程序模块7205包括但不限于：操作系统、一个或者多个应用程序、其它程序模块以及程序数据，这些示例中的每一个或某种组合中可能包括网络环境的实现。

总线730可以为表示几类总线结构中的一种或多种，包括存储单元总线或者存储单元控制器、外围总线、图形加速端口、处理单元或者使用多种总线结构中的任意总线结构的局域总线。

电子设备700也可以与一个或多个外部设备740(例如键盘、指向设备、蓝牙设备等)通信，还可与一个或者多个使得用户能与该电子设备700交互的设备通信，和/或与使得该电子设备700能与一个或多个其它计算设备进行通信的任何设备(例如路由器、调制解调器等等)通信。这种通信可以通过输入/输出(I/O)接口750进行。并且，电子设备700还可以通过网络适配器760与一个或者多个网络(例如局域网(LAN)，广域网(WAN)和/或公共网络，例如因特网)通信。如图所示，网络适配器760通过总线730与电子设备700的其它模块通信。应当明白，尽管图中未示出，可以结合电子设备700使用其它硬件和/或软件模块，包括但不限于：微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、RAID系统、磁带驱动器以及数据备份存储系统等。

通过以上的实施方式的描述，本领域的技术人员易于理解，这里描述的示例实施方式可以通过软件实现，也可以通过软件结合必要的硬件的方式来实现。因此，根据本公开实施方式的技术方案可以以软件产品的形式体现出来，该软件产品可以存储在一个非易失性存储介质(可以是CD-ROM，U盘，移动硬盘等)中或网络上，包括若干指令以使得一台计算设备(可以是个人计算机、服务器、终端装置、或者网络设备等)执行根据本公开实施方式的方法。

在本公开的示例性实施例中，还提供了一种计算机可读存储介质，该计算机可读存储介质可以是可读信号介质或者可读存储介质。其上存储有能够实现本公开上述方法的程序产品。在一些可能的实施方式中，本公开的各个方面还可以实现为一种程序产品的形式，其包括程序代码，当程序产品在终端设备上运行时，程序代码用于使终端设备执行本说明书上述“示例性方法”部分中描述的根据本公开各种示例性实施方式的步骤。

本公开中的计算机可读存储介质的更具体的例子可以包括但不限于：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。

在本公开中，计算机可读存储介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了可读程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。可读信号介质还可以是可读存储介质以外的任何可读介质，该可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。

可选地，计算机可读存储介质上包含的程序代码可以用任何适当的介质传输，包括但不限于无线、有线、光缆、RF等等，或者上述的任意合适的组合。

在具体实施时，可以以一种或多种程序设计语言的任意组合来编写用于执行本公开操作的程序代码，程序设计语言包括面向对象的程序设计语言—诸如Java、C++等，还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算设备上执行、部分地在用户设备上执行、作为一个独立的软件包执行、部分在用户计算设备上部分在远程计算设备上执行、或者完全在远程计算设备或服务器上执行。在涉及远程计算设备的情形中，远程计算设备可以通过任意种类的网络，包括局域网(LAN)或广域网(WAN)，连接到用户计算设备，或者，可以连接到外部计算设备(例如利用因特网服务提供商来通过因特网连接)。

应当注意，尽管在上文详细描述中提及了用于动作执行的设备的若干模块或者单元，但是这种划分并非强制性的。实际上，根据本公开的实施方式，上文描述的两个或更多模块或者单元的特征和功能可以在一个模块或者单元中具体化。反之，上文描述的一个模块或者单元的特征和功能可以进一步划分为由多个模块或者单元来具体化。

此外，尽管在附图中以特定顺序描述了本公开中方法的各个步骤，但是，这并非要求或者暗示必须按照该特定顺序来执行这些步骤，或是必须执行全部所示的步骤才能实现期望的结果。附加的或备选的，可以省略某些步骤，将多个步骤合并为一个步骤执行，以及/或者将一个步骤分解为多个步骤执行等。

通过以上实施方式的描述，本领域的技术人员易于理解，这里描述的示例实施方式可以通过软件实现，也可以通过软件结合必要的硬件的方式来实现。因此，根据本公开实施方式的技术方案可以以软件产品的形式体现出来，该软件产品可以存储在一个非易失性存储介质(可以是CD-ROM，U盘，移动硬盘等)中或网络上，包括若干指令以使得一台计算设备(可以是个人计算机、服务器、移动终端、或者网络设备等)执行根据本公开实施方式的方法。

本领域技术人员在考虑说明书及实践这里公开的发明后，将容易想到本公开的其它实施方案。本公开旨在涵盖本公开的任何变型、用途或者适应性变化，这些变型、用途或者适应性变化遵循本公开的一般性原理并包括本公开未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的，本公开的真正范围和精神由所附的权利要求指出。

Claims (10)

1.一种合约检测方法，其特征在于，所述方法包括：

获取待检测合约数据；

将待检测合约数据输入至训练完成的多分类检测模型中，得到检测结果，其中，检测结果包括多种类型的检测漏洞以及未发现漏洞。

2.根据权利要求1所述的合约检测方法，其特征在于，在将待检测合约数据输入至训练完成的多分类检测模型中，得到检测结果之前，所述方法还包括：

对所述待检测合约数据进行预处理，所述待检测合约数据包括字节码类型的合约数据。

3.根据权利要求2所述的合约检测方法，其特征在于，对所述待检测合约数据进行预处理，包括：

删除合约数据中的输入参数，得到删除后的合约数据；

合并删除后的合约数据中具有相同功能的操作对应的字节码，得到预处理完成的合约数据。

4.根据权要求1所述的合约检测方法，其特征在于，在将待检测合约数据输入至训练完成的多分类检测模型中，得到检测结果之前，所述方法还包括：

获取多分支DNN模型以及训练数据，所述训练数据包括历史合约数据以及历史合约数据对应的标签；

根据历史合约数据以及历史合约数据对应的标签对所述多分支DNN模型进行训练，在满足训练停止条件后，得到训练完成的多分类检测模型。

5.根据权利要求4所述的合约检测方法，其特征在于，所述多分支DNN模型包括嵌入层；

所述嵌入层用于将所述训练数据或待检测合约数据进行线性映射压缩，得到压缩后的训练数据或待检测合约数据。

6.根据权利要求4所述的合约检测方法，其特征在于，在根据历史合约数据以及历史合约数据对应的标签对所述多分支DNN模型进行训练，在满足训练停止条件后，得到训练完成的多分类检测模型之后，所述方法还包括：

获取更新后的训练数据，根据所述更新后的训练数据对所述训练完成的多分类检测模型进行训练，得到更新后的多分类检测模型；

根据更新后的多分类检测模型对待检测合约数据进行检测，得到检测结果。

7.根据权利要求4所述的合约检测方法，其特征在于，所述历史合约数据对应的标签包括：

外部调动、编程错误、执行成本、矿工影响以及隐私漏洞。

8.一种合约检测装置，其特征在于，所述装置包括：

第一获取模块，用于获取待检测合约数据；

第一训练模块，用于将待检测合约数据输入至训练完成的多分类检测模型中，得到检测结果，其中，检测结果包括多种类型的检测漏洞以及未发现漏洞。

9.一种电子设备，其特征在于，包括：

处理器；以及

存储器，用于存储所述处理器的可执行指令；

其中，所述处理器配置为经由执行所述可执行指令来执行权利要求1～7中任意一项所述的合约检测方法。

10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1～7中任意一项所述的合约检测方法。

Images