買專利賣專利找龍圖騰，真高效！ 查專利查商標用IPTOP,全免費！專利年費監(jiān)控用IP管家,真方便！

龍圖騰網(wǎng)恭喜電子科技大學申請的專利一種基于人工智能的智能合約漏洞檢測方法獲國家發(fā)明授權專利權，本發(fā)明授權專利權由國家知識產(chǎn)權局授予，授權公告號為：CN115017513B 。

龍圖騰網(wǎng)通過國家知識產(chǎn)權局官網(wǎng)在2025-03-21發(fā)布的發(fā)明授權授權公告中獲悉：該發(fā)明授權的專利申請?zhí)?專利號為：202210610675.2，技術領域涉及：G06F21/57；該發(fā)明授權一種基于人工智能的智能合約漏洞檢測方法是由牛偉納;黃世平;張小松;廖旭涵;肖濤;孫裕儼;陳瑞東設計研發(fā)完成，并于2022-05-31向國家知識產(chǎn)權局提交的專利申請。

本一種基于人工智能的智能合約漏洞檢測方法在說明書摘要公布了：本發(fā)明涉及智能合約安全領域，公開了一種基于人工智能的智能合約漏洞檢測方法，目的在于降低智能合約漏洞檢測的誤報率，所述方法包括：獲取無標簽智能合約數(shù)據(jù)集；根據(jù)智能合約漏洞類型，獲取有標簽智能合約數(shù)據(jù)集；將智能合約數(shù)據(jù)集中的智能合約字節(jié)碼轉化為操作碼序列，將操作碼序列作為訓練樣本，包括無標簽樣本和有標簽樣本；智能合約漏洞檢測模型包括預訓練模型和漏洞分類模型；利用無標簽訓練樣本對預訓練模型進行訓練利用有標簽訓練樣本對智能合約漏洞檢測模型進行訓練，得到訓練好的智能合約漏洞檢測模型；將待檢測智能合約轉化為操作碼序列，并將其輸入訓練好的智能合約漏洞檢測模型中，得到智能合約對應的漏洞檢測結果。

本發(fā)明授權一種基于人工智能的智能合約漏洞檢測方法在權利要求書中公布了：1.一種基于人工智能的智能合約漏洞檢測方法，其特征在于，所述方法包括：獲取智能合約數(shù)據(jù)集；將智能合約數(shù)據(jù)集中的智能合約字節(jié)碼轉化為操作碼序列，將操作碼序列作為訓練樣本，包括無標簽樣本和有標簽樣本；智能合約漏洞檢測模型包括預訓練模型和漏洞分類模型；利用無標簽訓練樣本對預訓練模型進行訓練，得到訓練好的預訓練模型；將訓練好的預訓練模型和漏洞分類模型結合，利用有標簽訓練樣本對智能合約漏洞檢測模型進行訓練，得到訓練好的智能合約漏洞檢測模型；將待檢測智能合約轉化為操作碼序列，并將其輸入訓練好的智能合約漏洞檢測模型中，得到智能合約對應的漏洞檢測結果;所述智能合約漏洞檢測模型包括預訓練模型和漏洞分類模型，其中：所述預訓練模型為Bert模型，用于預測操作碼序列中操作碼是否被替換；所述預訓練模型包括輸入層、Embedding層、Encoder層、全連接層和Sigmoid層；所述漏洞分類模型為多層感知機模型，用于進行漏洞分類；所述漏洞分類模型包括全連接層和Softmax層；所述輸入層，用于接收操作碼序列；所述Embedding層，用于將所述操作碼序列中的每個操作碼轉化為詞向量，將每個操作碼映射到高維向量空間中，作為Encoder層的輸入；所述Encoder層，利用Attention機制學習所述操作碼序列中每個操作碼的上下文關系，得到每個操作碼的特征向量；所述全連接層，用于對所述操作碼的特征向量進行降維，得到與分類標簽維度相同的向量；所述Sigmoid層，用于對預訓練模型參數(shù)進行調(diào)整，使用sigmoid函數(shù)進行反向傳播；所述Softmax層，對全連接層輸出的向量做縮放，得到預測標簽向量，用于實現(xiàn)多元分類任務;所述利用無標簽訓練樣本對預訓練模型進行訓練，具體包括：對所述無標簽訓練樣本進行操作碼替換處理，得到處理后訓練樣本；將處理后訓練樣本輸入到預訓練模型的輸入層，預訓練模型輸出的結果預測每個位置上的操作碼是否被替換，計算損失函數(shù)并進行反向梯度傳播更新模型參數(shù)；所述將訓練好的預訓練模型和漏洞分類模型結合，利用有漏洞標簽訓練樣本對智能合約漏洞檢測模型進行訓練，具體包括：除去所述訓練好的預訓練模型的全連接層和Sigmoid層；將[CLS]對應的Encoder層輸出向量作為漏洞分類模型的輸入向量；漏洞分類模型利用Softmax函數(shù)輸出多分類結果，計算損失函數(shù)，進行反向梯度傳播更新模型參數(shù)。

如需購買、轉讓、實施、許可或投資類似專利技術，可聯(lián)系本專利的申請人或專利權人電子科技大學，其通訊地址為：611731 四川省成都市高新區(qū)(西區(qū))西源大道2006號；或者聯(lián)系龍圖騰網(wǎng)官方客服，聯(lián)系龍圖騰網(wǎng)可撥打電話0551-65771310或微信搜索“龍圖騰網(wǎng)”。