卷積神經網路在智慧合約審計中的應用
引言
傳統智慧合約程式碼審計，多使用純人工或者形式化驗證等切片窮舉的方式，而且涉及到程式碼審計審計人員水平高低不一樣，容易導致審計結果出現偏差。人工方式受到個人能力所限，質量無法保證，且人力疏忽的可能性遠高於自動化程式。
傳統自動化程式又無法發現邏輯、業務範疇的風險。
背景
以太坊支援圖靈完備的智慧合約協議，整個生態有許多人基於以太坊開發自己的Dapp，生態得到了蓬勃發展。這其中，絕大部分被廣泛使用的合約，均為Token代幣合約。這些合約，為使用者的資產在區塊鏈網路中流通提供了極大的助力。
基於以太坊生態的合約代幣，價值已相當客觀，甚至有個別幣種達到數億美金。
同時，也不乏很多“問題幣”，這些“問題幣”在程式碼層面上實現的時候，開發人員由於自身水平問題或者限於專案開發時間制約，導致程式碼部署到以太坊之後，存在風險，所有的合約程式碼或opcode，都公開在區塊鏈上，這就容易遭受到黑客的定向攻擊，一旦黑客們開始嘗試利用這些問題合約的漏洞，對很多專案來說，幾乎就是滅頂之災，交易所和使用者損失慘重，所以一個合約部署之前，或者合約部署之後，安全專家可以對部署程式碼做安全審計，發現其中隱藏問題。目前僅以太坊上的合約專案，遠大於全球安全專家數量，每一名安全專家在合約程式碼審計上所付出的精力太多，這就迫切需要一個自動化，智慧化的系統，能自動審計日益增長的合約程式碼，同時要能保障其審計能力不會低於專家水平。
近年來，機器學習迅速發展，而其中的深度學習更是獨領風騷，已經在視覺計算和自然語言處理等方向取得了顯著的成績，解決了眾多場景下難題，我們研究人員借力深度學習技術，藉助安全專家已經審計的大量合約做標籤資料，研發了一套專門適用於智慧合約程式碼審計的引擎，經過資料測試，其審計能力比肩人工審計，但是效率遠超過人工。
模型結構
整個模型結構簡要如下所示。
方法
預處理階段
通過專家的指導瞭解到，由於應用層程式碼裡面大量人為定義的變數，如果選擇原始碼作為輸入的時候，會有很多不可預知的因素在裡面，比如兩個合約，A合約函式宣告function transfer(address _to, uint256 _value)，B合約函式宣告function transfer(address to, uint256 token)從原始碼層面上來說，是有很大區別的，但是對程式碼解析器來說，這兩者幾乎沒有區別的，所以我們選取編譯後的opcode 作為整個模型的原始輸入，收集到原始的opcode的之後，我們仍然需要人工處理，比如運算元，簡單的統一處理，以一個特殊的字串來替代，有特殊含義的立即數，則原樣保留，在送到整個模型之前，採用詞嵌入方法，得到資料的向量形式，來表徵我們的樣本資料。
卷積核的選擇：
由於文字的資料表示與圖片在形式上完全不同，所以核的大小需要與輸入層的寬保持一致，經過計算後得到feature map。
池化操作：
文字的表徵和圖片相比，不存在通道概念，同時，也需要避免在batch上做池化操作，視窗滑動時候，按照步長1來滑動。
中間層特徵合併：
我們把多類不同核之後的的特徵，合併起來，作為下一層的輸入,同時為了防治過擬合，引入dropout ,概率取0.5來操作。
全聯接層：
經過dropout 的操作後，通過全聯接層，我們計算特徵潛在的權重，最後通過softmax 來輸出最大可能性標籤，用來預測結果。
訓練表現：
訓練準確率如下圖所示：
橙色線條代表測試樣本的準確率，可以看到隨著訓練迭代次數的增加，準確率在緩慢攀升。目前由於積累的樣本不夠完善，可以看到訓練過程中模型loss的波動比較大，但可以期待的是，隨著樣本的完善和積累，整體效果會愈發明顯。
總結：
在特定場景下，深度神經網路展現了不俗的表現能力，我們希望藉助深度學習模型強大的泛化能力，切實解決一些合約程式碼的安全問題，同時也在不斷探索深度學習技術在區塊鏈行業的新應用方向。
來源：降維區塊鏈安全資訊
本文由布洛克專欄作者釋出，代表作者觀點，版權歸作者所有，不代表布洛克科技觀點
——TheEnd——
關注“布洛克科技”
