软件学报

作者：黄静，王梦晓，韩红桂

单位：黄静，北京工业大学 信息学部, 北京 100124;计算智能与智能系统北京市重点实验室 (北京人工智能研究院), 北京 10012411,王梦晓，北京工业大学 信息学部, 北京 100124;计算智能与智能系统北京市重点实验室 (北京人工智能研究院), 北京 10012402,韩红桂，北京工业大学 信息学部, 北京 100124;计算智能与智能系统北京市重点实验室 (北京人工智能研究院), 北京 10012403

关键词：智能合约;庞氏骗局;控制流图;图Transformer

基金：国家重点研发计划 (2022YFB3305802)

区块链在加密货币投资领域展现出强劲的生命力, 吸引了大量投资者的参与. 然而, 由于区块链的匿名性, 导致了许多欺诈行为, 其中庞氏骗局智能合约就是一种典型的欺诈性投资活动, 给投资者带来了巨大的经济损失. 因此, 对以太坊上的庞氏骗局合约进行检测变得尤为重要. 但是, 现有研究大都忽略了庞氏骗局合约源代码中的控制流信息. 为提取庞氏骗局合约更丰富的语义信息和结构信息, 提出一种基于代码控制流图的庞氏骗局合约检测模型. 首先, 该模型将获取的合约源代码构建成控制流图的形式. 然后, 使用Word2Vec算法提取了包括数据流信息和代码结构信息在内的关键特征. 考虑到每个智能合约的功能不同、代码篇幅差异明显, 导致提取的特征向量维度差异较大, 对不同智能合约生成的特征向量进行对齐操作, 使得所有的特征向量具有相同的维度, 便于之后处理. 其次, 利用基于图卷积和Transformer的特征学习模块, 引入多头注意力机制, 来学习节点特征的依赖关系. 最后, 使用多层感知机实现对庞氏骗局合约的识别. 通过在XBlock网站提供的数据集上将该模型与传统的图特征学习模型进行对比, 验证该模型引入的多头注意力机制的性能. 实验结果证明, 该模型有效地提升了对庞氏骗局合约的检测能力.

来源：2025年第10期

《软件学报》期刊编辑部

查看软件学报杂志2025年第10期