[发明专利]智能合约风险预测方法、装置、存储介质及计算机设备在审
| 申请号: | 202211078444.8 | 申请日: | 2022-09-05 |
| 公开(公告)号: | CN115330397A | 公开(公告)日: | 2022-11-11 |
| 发明(设计)人: | 吴嘉婧;林丹;虞蕴湄;郑子彬 | 申请(专利权)人: | 中山大学 |
| 主分类号: | G06Q20/40 | 分类号: | G06Q20/40;G06Q20/38;G06K9/62 |
| 代理公司: | 北京集佳知识产权代理有限公司 11227 | 代理人: | 吴玲 |
| 地址: | 510275 *** | 国省代码: | 广东;44 |
| 权利要求书: | 查看更多 | 说明书: | 查看更多 |
| 摘要: | |||
| 搜索关键词: | 智能 合约 风险 预测 方法 装置 存储 介质 计算机 设备 | ||
1.一种智能合约风险预测方法,其特征在于,所述方法包括:
获取若干智能合约,其中,若干智能合约中包含有恶意合约;
确定每一智能合约与其他智能合约之间的相似度距离,并根据所述相似度距离对各个智能合约进行聚类,得到多个簇;
从多个簇中筛选出包含恶意合约的簇作为目标簇,并将所述目标簇中除所述恶意合约外的其他智能合约预测为风险合约。
2.根据权利要求1所述的方法,其特征在于,所述方法还包括:
根据所述目标簇中的恶意合约与风险合约之间的相似度距离,对所述目标簇中的风险合约的风险等级进行划分。
3.根据权利要求1所述的方法,其特征在于,所述确定每一智能合约与其他智能合约之间的相似度距离,包括:
对每一智能合约进行多维度的特征提取;
根据每一智能合约在每一维度提取的特征,计算每一智能合约与其他智能合约在不同维度上的合约相似度;
根据每一智能合约与其他智能合约在不同维度上的合约相似度,确定每一智能合约与其他智能合约之间的相似度距离。
4.根据权利要求3所述的方法,其特征在于,所述多维度的特征包括代码层面特征、内部结构特征和交易关系特征;
所述对每一智能合约进行多维度的特征提取,包括:
对每一智能合约的操作码频率特征以及字节码相似性特征进行提取,得到每一智能合约的代码层面特征;
根据每一智能合约的操作码构建每一智能合约的控制流图,并通过每一智能合约的控制流图提取每一智能合约的内部结构特征;
根据每一智能合约的交易信息提取每一智能合约的交易关系特征。
5.根据权利要求4所述的方法,其特征在于,所述根据每一智能合约在每一维度提取的特征,计算每一智能合约与其他智能合约在不同维度上的合约相似度,包括:
根据每一智能合约的操作码频率特征以及字节码相似性特征,计算每一智能合约与其他智能合约在代码层面的操作码频率分布相似度以及字节码相似度;
根据每一智能合约的内部结构特征,计算每一智能合约与其他智能合约在结构层面的内部结构相似度;
根据每一智能合约的交易关系特征,计算每一智能合约与其他智能合约在交易层面的交易相似度。
6.根据权利要求5所述的方法,其特征在于,所述根据每一智能合约与其他智能合约在不同维度上的合约相似度,确定每一智能合约与其他智能合约之间的相似度距离,包括:
根据每一智能合约与其他智能合约在代码层面的操作码频率分布相似度以及字节码相似度、在结构层面的内部结构相似度,以及在交易层面的交易相似度,计算每一智能合约与其他智能合约之间的综合相似度,并将所述综合相似度作为每一智能合约与其他智能合约之间的相似度距离。
7.根据权利要求1-6中任一项所述的方法,其特征在于,所述根据所述相似度距离对各个智能合约进行聚类,包括:
采用DBSCAN算法,并将所述相似度距离作为所述DBSCAN算法的聚类指标,对各个智能合约进行聚类。
8.一种智能合约风险预测装置,其特征在于,包括:
获取模块,用于获取若干智能合约,其中,若干智能合约中包含有恶意合约;
聚类模块,用于确定每一智能合约与其他智能合约之间的相似度距离,并根据所述相似度距离对各个智能合约进行聚类,得到多个簇;
风险预测模块,用于从多个簇中筛选出包含恶意合约的簇作为目标簇,并将所述目标簇中除所述恶意合约外的其他智能合约预测为风险合约。
9.一种存储介质,其特征在于:所述存储介质中存储有计算机可读指令,所述计算机可读指令被一个或多个处理器执行时,使得一个或多个处理器执行如权利要求1至7中任一项所述智能合约风险预测方法的步骤。
10.一种计算机设备,其特征在于,包括:一个或多个处理器,以及存储器;
所述存储器中存储有计算机可读指令,所述计算机可读指令被所述一个或多个处理器执行时,执行如权利要求1至7中任一项所述智能合约风险预测方法的步骤。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于中山大学,未经中山大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/202211078444.8/1.html,转载请声明来源钻瓜专利网。





