摘要
本申请公开了一种基于深度学习的智能合约漏洞检测方法,本申请涉及区块链安全检测技术领域,该方法包括:获取待检测智能合约的源代码;对源代码进行向量化处理,得到序列向量;通过深度学习模型对序列向量进行漏洞分析,获得合约漏洞检测结果;深度学习模型为ResNet残差网络与KAN网络构成的组合模型。本申请首先将待检测智能合约的源代码转换为包含丰富语义信息的序列向量,然后通过兼顾特征提取深度与分类效率的ResNet残差网路和KAN网络构成的组合深度学习模型对序列向量进行分析生成合约漏洞检测结果,从而有效提高漏洞检测精度。
技术关键词
深度学习模型
代码特征
残差网络
智能合约漏洞
智能合约地址
序列
非线性
残差模块
样本
组合深度
对源代码
代码转换
分层
处理器
检测设备
可读存储介质
多尺度
系统为您推荐了相关专利信息
设计系统
数据传输单元
策略
可视化模块
分子结构特征
深度集成学习
水文预报方法
深度学习模型
注意力
长短期记忆神经网络
个性化认知训练
统计学习模型
老年人健康
侵入式设备
集成学习模型
车辆周围环境信息
辅助驾驶控制器
深度学习模型
车辆控制方法
策略
深度学习模型
位置编码信息
路段
数据
交通流速度预测