软件学报

作者：宁小勇，高睿杰，叶楚涵，刘园，王兴伟，黄敏

单位：宁小勇，东北大学 计算机科学与工程学院, 辽宁 沈阳 11081911,高睿杰，东北大学 软件学院, 辽宁 沈阳 11081902,叶楚涵，东北大学 软件学院, 辽宁 沈阳 11081903,刘园，广州大学 网络空间安全学院, 广东 广州 51000604,王兴伟，东北大学 计算机科学与工程学院, 辽宁 沈阳 11081905,黄敏，东北大学 信息科学与工程学院, 辽宁 沈阳 11081906

关键词：智能合约;庞氏骗局;行为序列;对抗训练;TextCNN

基金：国家自然科学基金(92267206, 62032013, 62432003); 广东省重点领域研发计划(2020B0101090005)

以太坊上智能合约的广泛部署为区块链生态系统注入了活力, 而智能合约的不可逆性和匿名性却给监管带来了巨大挑战. 不法分子趁机在以太坊部署庞氏骗局, 引发了严重的安全风险和经济损失. 因此, 迅速高效地检测庞氏骗局智能合约至关重要. 目前的庞氏骗局检测方法存在的主要挑战包括智能合约操作码行为特征被忽略, 特征提取不全面, 检测方法在受到对抗干扰时性能不稳定、准确率低等问题. 为克服这些不足, 提出一种融合TextCNN和对抗训练的以太坊庞氏骗局检测方法. 该方法通过静态分析智能合约操作码来提取智能合约的行为特征, 同时结合Word2Vec模型保留智能合约的语义信息, 确保了操作码特征的完整性. 与此同时, 还采用改进后的动态步长投影梯度下降算法训练TextCNN模型, 增强检测模型的鲁棒性, 提高检测准确率. 在XBlock数据集上展开实验, 实验结果表明, 所提方法在确保精确率和鲁棒性的同时, 召回率达到98.36%, F1分数达到98.31%. 该方法重点关注智能合约操作码而不依赖交易特征, 能在智能合约部署时迅速、高效地检测出庞氏骗局智能合约.

来源：2026年第3期

《软件学报》期刊编辑部

查看软件学报杂志2026年第3期