基于多特征融合学习的跨链智能合约漏洞检测方法及系统

本发明公开了一种基于多特征融合学习的跨链智能合约漏洞检测方法及系统。方法包括：收集跨链智能合约漏洞数据集进行清洗与标注；从源代码和字节码进行特征提取，对清洗后的源代码提取抽象语法树(AST)，从字节码提取基本控制流图(CFG)并构造跨链控制流图(xCFG)；AST和xCFG进行特征表示，通过图神经网络(GNN)生成图向量、CodeBert生成语义向量并融合为特征融合向量；进行模型训练与检测，将生成的向量分别作为训练数据和测试数据，采用Transformer‑FC模型训练数据得到跨链智能合约漏洞检测模型，最终通过准确率、召回率、精确率和F1值评估模型性能。本发明能够有效融合代码的结构特征和语义特征，充分挖掘代码中的潜在漏洞信息，增强模型对跨链漏洞的识别能力，提高跨链漏洞检测模型的准确性和可靠性，从而更高效地保障区块链系统的安全性。