袁 政, 葛 斌, 任 萍

(安徽理工大學(xué)計(jì)算機(jī)科學(xué)與工程學(xué)院，安徽 淮南 232001)

0 引 言

隨著區(qū)塊鏈技術(shù)的發(fā)展，智能合約[1]數(shù)量爆發(fā)式增長，同時(shí)帶來諸多安全問題，龐氏騙局合約就是其中之一[2]。龐氏騙局合約以高回報(bào)為噱頭騙取后入投資者資金用于回報(bào)先前投資者，該類型騙局合約已造成上千萬美元資金的流失[3]，嚴(yán)重影響區(qū)塊鏈環(huán)境健康。眾多學(xué)者針對(duì)此類型合約的檢測(cè)展開研究,Massimo Bartoletti等人[3]以待檢測(cè)合約與龐氏騙局合約字節(jié)碼的相似度來判斷其是否為龐氏騙局合約。該方法以歸一化萊文斯坦距離作為判斷依據(jù)，但是閾值設(shè)置未經(jīng)過科學(xué)證明，說服力不足，檢測(cè)精度不高。龐氏騙局合約賬戶具有區(qū)別于普通合約賬戶的明顯特征，為更加精準(zhǔn)檢測(cè)龐氏騙局合約，更多學(xué)者開始結(jié)合賬戶特征對(duì)合約進(jìn)行檢測(cè)。Weili Chen等人[4]通過將提取操作碼特征和賬戶特征相結(jié)合的方法，利用極端梯度提升(eXtreme Gradient Boosting，XGBoost)檢測(cè)龐氏騙局合約。Weili Chen等人[4]為進(jìn)一步提升檢測(cè)精度，采取相同的特征提取方法，而后通過訓(xùn)練隨機(jī)森林(Random Forest，RF)檢測(cè)合約。Shuhui Fan[6]通過有序目標(biāo)統(tǒng)計(jì)處理賬戶和操作碼特征，結(jié)合有序增強(qiáng)思想基于決策樹(Decision Tree，DT)構(gòu)造一個(gè)無偏殘差模型，用來檢測(cè)合約。現(xiàn)有方法大多結(jié)合代碼特征和賬戶特征，通過訓(xùn)練傳統(tǒng)機(jī)器學(xué)習(xí)模型進(jìn)行檢測(cè)合約。該方法結(jié)合賬戶特征提升檢測(cè)精度，對(duì)不存在賬戶特征的初步部署合約檢測(cè)效果一般。對(duì)此，提出一種新的檢測(cè)方法。首先，將合約操作碼作為唯一數(shù)據(jù)源；改進(jìn)合成少數(shù)類過采樣技術(shù)，解決現(xiàn)存數(shù)據(jù)集的正常合約與龐氏合約分布不均衡問題。然后，創(chuàng)新性引入卷積神經(jīng)網(wǎng)絡(luò)檢測(cè)龐氏騙局合約，改進(jìn)卷積神經(jīng)網(wǎng)絡(luò)，更加充分提取操作碼的特征，提升檢測(cè)精度。仿真實(shí)驗(yàn)表明，該方法較現(xiàn)有龐氏騙局合約檢測(cè)方法具有更高檢測(cè)精度。

1 數(shù)據(jù)處理

1.1 數(shù)據(jù)獲取

實(shí)驗(yàn)采用的數(shù)據(jù)來自中山大學(xué)團(tuán)隊(duì)的以太坊龐氏騙局智能合約公開數(shù)據(jù)集[4]。

1.2 改進(jìn)合成少數(shù)類過采樣技術(shù)

數(shù)據(jù)集中龐氏騙局合約樣本占樣本總數(shù)比例較小，采用樣本類分布不均衡數(shù)據(jù)集訓(xùn)練模型，少數(shù)類檢測(cè)準(zhǔn)確率較低。

傳統(tǒng)合成少數(shù)類過采樣技術(shù)(Synthetic Minority Oversampling Technique，SMOTE)存在合成樣本質(zhì)量問題，合成樣本有概率分布在樣本邊界及正常多數(shù)類樣本范圍，破壞數(shù)據(jù)集正確性，影響檢測(cè)精度。

改進(jìn)SMOTE算法，提出小范圍合成少數(shù)類過采樣技術(shù)，用于生成高質(zhì)量樣本。

數(shù)據(jù)集s={(xi,yi)|i=1,2,…,n}，xi為合約操作碼，yi為標(biāo)簽。yi=0，xi則為正常樣本;yi=1,xi為龐氏合約樣本。sn為正常樣本集，sf龐氏合約樣本集。

對(duì)sf中所有樣本，利用k鄰近(k-Nearest Neighbor)算法得到該樣本的k個(gè)最鄰近樣本。

利用公式(1)，判斷xi屬性為safe或danger，用所有xi=safe構(gòu)造小范圍安全少數(shù)類樣本集ss.

(1)

從ss中隨機(jī)選擇xi，按照采樣倍率j,選擇j個(gè)xi的最鄰近樣本xij，利用公式(2)合成yi=1的樣本xnew.

xnew=xi+rand(0,1)×(xij-xi)

(2)

式(2)中，rand(0,1)為范圍零至一的隨機(jī)數(shù)。

1.3 實(shí)驗(yàn)數(shù)據(jù)及預(yù)處理

智能合約的操作碼由操作指令和操作數(shù)據(jù)構(gòu)成，操作指令為官方定義指令集中指令，具有一定的規(guī)范性，操作數(shù)據(jù)由地址等數(shù)據(jù)組成沒有規(guī)律性，需要對(duì)智能合約操作碼進(jìn)行數(shù)據(jù)清洗。合約操作碼沒有固定長度，需要對(duì)其進(jìn)行統(tǒng)一化處理，將超過指定長度的合約進(jìn)行截取，對(duì)長度不足的合約進(jìn)行補(bǔ)零。對(duì)處理后的合約樣本進(jìn)行詞頻統(tǒng)計(jì)，共計(jì)64種操作指令，構(gòu)建詞典和詞頻矩陣。

2 檢測(cè)龐氏騙局合約的卷積神經(jīng)網(wǎng)絡(luò)模型

2.1 改進(jìn)卷積神經(jīng)網(wǎng)絡(luò)

創(chuàng)新性引入卷積神經(jīng)網(wǎng)絡(luò)[7](Convolutional Neural Network，CNN)用于龐氏騙局合約的檢測(cè)。

傳統(tǒng)卷積神經(jīng)網(wǎng)絡(luò)，采用單一通道對(duì)數(shù)據(jù)進(jìn)行特征提取，數(shù)據(jù)特征獲取不夠充分。

為更充分獲取合約操作碼特征，提升檢測(cè)精度，改進(jìn)卷積神經(jīng)網(wǎng)絡(luò)。改變傳統(tǒng)單通道卷積，使用不同尺寸卷積核，采用不平衡雙路卷積，對(duì)操作碼進(jìn)行更加充分的特征提取。雙通道特征提取后在融合層使用系列特征融合。

圖1為改進(jìn)卷積神經(jīng)網(wǎng)絡(luò)圖，C1，C2一維卷積核，P1，P2為池化層。

2.2 檢測(cè)龐氏騙局合約方法的框架

圖2為檢測(cè)龐氏騙局合約方法的框架。

首先通過以太坊瀏覽器(etherscan.io)對(duì)合約字節(jié)碼進(jìn)行獲取，通過以太坊虛擬機(jī)反匯編規(guī)則，將合約的字節(jié)碼反匯編成操作碼。根據(jù)改進(jìn)SMOTE方法解決樣本不均衡分布問題。對(duì)完善后的數(shù)據(jù)集進(jìn)行劃分，以一比三的比例劃分后，分別用于測(cè)試和模型的訓(xùn)練。改進(jìn)CNN模型經(jīng)訓(xùn)練后對(duì)測(cè)試集合約進(jìn)行檢測(cè)，得到檢測(cè)結(jié)果。

3 實(shí)驗(yàn)結(jié)果及分析

3.1 實(shí)驗(yàn)環(huán)境

計(jì)算機(jī)處理器為AMD R7 4800H，顯卡RTX2060(6G)，內(nèi)存16G，操作系統(tǒng)WIN10，開發(fā)工具為Anaconda3，深度學(xué)習(xí)框架為TensorFlow。

3.2 實(shí)驗(yàn)結(jié)果與分析

分別選用尺寸為3和4的一維卷積核，池化層選擇最大池化，選擇ReLU作為神經(jīng)元激活函數(shù)，批尺寸為128，隨機(jī)失或率為0.2，二元交叉熵作為損失函數(shù)，sigmoid作為輸出層激活函數(shù)，采用k折驗(yàn)證對(duì)改進(jìn)的模型進(jìn)行訓(xùn)練。

圖3為訓(xùn)練、驗(yàn)證準(zhǔn)確率和迭代次數(shù)關(guān)系，圖4為訓(xùn)練、驗(yàn)證的損失和迭代次數(shù)關(guān)系。初始設(shè)置訓(xùn)練輪數(shù)為40。由圖，在訓(xùn)練20輪后，訓(xùn)練準(zhǔn)確率和損失趨于穩(wěn)定，驗(yàn)證準(zhǔn)確率緩慢下降，損失逐漸增加，出現(xiàn)過擬合現(xiàn)象，訓(xùn)練輪數(shù)定為20輪。

將訓(xùn)練20輪后的模型作為最終的合約檢測(cè)模型，用于后續(xù)的合約檢測(cè)。

在相同實(shí)驗(yàn)環(huán)境下，分別使用支持向量機(jī)、決策樹、極端梯度提升和模型在原始數(shù)據(jù)集以及模型在改進(jìn)數(shù)據(jù)集上進(jìn)行訓(xùn)練和測(cè)試。每組實(shí)驗(yàn)進(jìn)行十次，取平均值，作為最終實(shí)驗(yàn)結(jié)果。評(píng)標(biāo)指標(biāo)為查準(zhǔn)率(Precision)，查全率(Recall)，F(xiàn)-score三項(xiàng)。

表1為五組實(shí)驗(yàn)的最終實(shí)驗(yàn)結(jié)果。

表1 實(shí)驗(yàn)對(duì)比圖

從實(shí)驗(yàn)結(jié)果來看，實(shí)驗(yàn)?zāi)Ｐ驮谠紨?shù)據(jù)集上，傳統(tǒng)模型支持向量機(jī)和本文模型的準(zhǔn)確率都達(dá)到0.94，對(duì)合約的檢測(cè)都有較高的準(zhǔn)確率，極端梯度提升略低，決策樹最低只有0.64，表現(xiàn)較差。有較高查準(zhǔn)率的支持向量機(jī)模型的查全率最低為0.43，有大量龐氏騙局合約未能檢測(cè)出，F(xiàn)-score同樣最低為0.59整體表現(xiàn)較差。本文模型相比支持向量機(jī)、決策樹和極端梯度提升在查準(zhǔn)率等三項(xiàng)指標(biāo)上均更高表現(xiàn)更好，有更好的檢測(cè)精度。

模型在改進(jìn)數(shù)據(jù)集的表現(xiàn)上相比原始數(shù)據(jù)集，查準(zhǔn)率提升1%，查全率提升4%，對(duì)合約檢測(cè)具有更高的精度。

4 結(jié) 語

針對(duì)現(xiàn)有方法對(duì)初步部署龐氏騙局合約檢測(cè)精度低問題，提出一種基于卷積神經(jīng)網(wǎng)絡(luò)的龐氏騙局合約檢測(cè)方法。首先，考慮到初步部署合約不存在賬戶特征，選擇操作碼作為唯一特征提取源。然后，改進(jìn)SMOTE算法，生成人工樣本解決樣本類不均衡問題；創(chuàng)新性引入卷積神經(jīng)網(wǎng)路用于檢測(cè)合約，改進(jìn)采用雙路不均衡卷積后特征融合，提升檢測(cè)精度。最后，通過仿真實(shí)驗(yàn)表明，該方法對(duì)初步部署龐氏騙局合約有較好檢測(cè)精度。