[发明专利]一种基于前馈神经网络的智能合约自动分类方法

权利要求书

1.一种基于前馈神经网络的智能合约自动分类方法，包括如下步骤：

(1)获取一定数量的智能合约代码，并人工标记这些智能合约代码的类别；

(2)对所述智能合约代码进行预处理；

(3)提取智能合约代码的代码语义向量和交易信息向量，并将两者组合作为特征向量；其中：

提取智能合约代码的代码语义向量，具体过程为：首先，将智能合约代码完全展开后即对应得到了一个词序列；然后，利用词嵌入模型将该词序列中的每一个词对应映射成一个词嵌入向量；最后，将词序列中所有词对应的词嵌入向量输入LSTM模型中，LSTM模型将这些词嵌入向量映射成一个代码语义向量，即智能合约代码的代码语义向量；

提取智能合约代码的交易信息向量，即提取与智能合约代码相关的账号状态信息，包括账号的余额、关联交易总数量、PageRank值以及创建者的Nonce，从而组合成所述交易信息向量；

(4)以智能合约代码的特征向量作为输入，人工标记的类别作为输出，通过前馈神经网络训练得到关于智能合约代码的分类器；

(5)对于未知类别的智能合约代码，根据步骤(3)提取得到其特征向量并输入至所述分类器中，从而输出得到该智能合约代码的类别。

2.根据权利要求1所述的智能合约自动分类方法，其特征在于：所述步骤(2)中对智能合约代码进行预处理的具体方法为：对于任一智能合约代码A，若其智能合约调用了另一个智能合约的函数，则将被调用的函数代码扩充到智能合约代码A中调用该函数的相应位置；对于递归调用，同样采用上述方式处理。

3.根据权利要求1所述的智能合约自动分类方法，其特征在于：所述步骤(4)中的前馈神经网络由输入层、隐藏层和输出层组成；其中，智能合约代码的特征向量[V,T]作为输入层，隐藏层的输出x表达如下：

x＝α(W_h[V,T]+b_h)

其中：W_h为隐藏层的权值系数矩阵，V和T分别为智能合约代码的代码语义向量和交易信息向量，b_h为隐藏层的偏置系数矩阵，α()为激活函数；

对于前馈神经网络的输出层，在得到其输出y后，将输出y通过归一化计算后得到一个关于类标签的概率分布向量，其中的第j个元素值p_j即为智能合约代码属于第j类别的概率值，具体表达式如下：

其中：θ_j对应为第j类别的权重向量，^T表示转置，j为自然数且1≤j≤k，k为智能合约代码的类别总数。

4.根据权利要求3所述的智能合约自动分类方法，其特征在于：所述激活函数α()采用ReLu函数。

5.根据权利要求3所述的智能合约自动分类方法，其特征在于：所述步骤(5)中将未知类别的智能合约代码的特征向量输入至分类器中，输出得到对应的概率分布向量，取其中对应概率值最大的类别作为该智能合约代码的类别。