卷积神经网络在智能合约审计中的应用

引言

传统智能合约代码审计，多使用纯人工或者形式化验证等切片穷举的方式，而且涉及到代码审计审计人员水平高低不一样，容易导致审计结果出现偏差。人工方式受到个人能力所限，质量无法保证，且人力疏忽的可能性远高于自动化程序。

传统自动化程序又无法发现逻辑、业务范畴的风险。

背景

以太坊支持图灵完备的智能合约协议，整个生态有许多人基于以太坊开发自己的Dapp，生态得到了蓬勃发展。这其中，绝大部分被广泛使用的合约，均为Token代币合约。这些合约，为用户的资产在区块链网络中流通提供了极大的助力。

基于以太坊生态的合约代币，价值已相当客观，甚至有个别币种达到数亿美金。

同时，也不乏很多“问题币”，这些“问题币”在代码层面上实现的时候，开发人员由于自身水平问题或者限于项目开发时间制约，导致代码部署到以太坊之后，存在风险，所有的合约代码或opcode，都公开在区块链上，这就容易遭受到黑客的定向攻击，一旦黑客们开始尝试利用这些问题合约的漏洞，对很多项目来说，几乎就是灭顶之灾，交易所和用户损失惨重，所以一个合约部署之前，或者合约部署之后，安全专家可以对部署代码做安全审计，发现其中隐藏问题。目前仅以太坊上的合约项目，远大于全球安全专家数量，每一名安全专家在合约代码审计上所付出的精力太多，这就迫切需要一个自动化，智能化的系统，能自动审计日益增长的合约代码，同时要能保障其审计能力不会低于专家水平。

近年来，机器学习迅速发展，而其中的深度学习更是独领风骚，已经在视觉计算和自然语言处理等方向取得了显著的成绩，解决了众多场景下难题，我们研究人员借力深度学习技术，借助安全专家已经审计的大量合约做标签数据，研发了一套专门适用于智能合约代码审计的引擎，经过数据测试，其审计能力比肩人工审计，但是效率远超过人工。

模型结构

整个模型结构简要如下所示。

方法

预处理阶段

通过专家的指导了解到，由于应用层代码里面大量人为定义的变量，如果选择源代码作为输入的时候，会有很多不可预知的因素在里面，比如两个合约，A合约函数声明function transfer(address _to, uint256 _value)，B合约函数声明function transfer(address to, uint256 token)从源代码层面上来说，是有很大区别的，但是对代码解析器来说，这两者几乎没有区别的，所以我们选取编译后的opcode 作为整个模型的原始输入，收集到原始的opcode的之后，我们仍然需要人工处理，比如操作数，简单的统一处理，以一个特殊的字符串来替代，有特殊含义的立即数，则原样保留，在送到整个模型之前，采用词嵌入方法，得到数据的向量形式，来表征我们的样本数据。

卷积核的选择：

由于文本的数据表示与图片在形式上完全不同，所以核的大小需要与输入层的宽保持一致，经过计算后得到feature map。

池化操作：

文本的表征和图片相比，不存在通道概念，同时，也需要避免在batch上做池化操作，窗口滑动时候，按照步长1来滑动。

中间层特征合并：

我们把多类不同核之后的的特征，合并起来，作为下一层的输入,同时为了防治过拟合，引入dropout ,概率取0.5来操作。

全联接层：

经过dropout 的操作后，通过全联接层，我们计算特征潜在的权重，最后通过softmax 来输出最大可能性标签，用来预测结果。

训练表现：

训练准确率如下图所示：

橙色线条代表测试样本的准确率，可以看到随着训练迭代次数的增加，准确率在缓慢攀升。目前由于积累的样本不够完善，可以看到训练过程中模型loss的波动比较大，但可以期待的是，随着样本的完善和积累，整体效果会愈发明显。

总结：

在特定场景下，深度神经网络展现了不俗的表现能力，我们希望借助深度学习模型强大的泛化能力，切实解决一些合约代码的安全问题，同时也在不断探索深度学习技术在区块链行业的新应用方向。

（作者：降维安全，内容来自链得得内容开放平台“得得号”；本文仅代表作者观点，不代表链得得官方立场）