論文の概要: Graph Neural Networks Enhanced Smart Contract Vulnerability Detection of Educational Blockchain

• arxiv url: http://arxiv.org/abs/2303.04477v1
• Date: Wed, 8 Mar 2023 09:58:58 GMT
• ステータス: 処理完了
• システム内更新日: 2023-03-09 14:32:40.363682
• Title: Graph Neural Networks Enhanced Smart Contract Vulnerability Detection of Educational Blockchain
• Title（参考訳）: グラフニューラルネットワークによる教育ブロックチェーンのスマートコントラクト脆弱性検出
• Authors: Zhifeng Wang, Wanxuan Wu, Chunyan Zeng, Jialong Yao, Yang Yang, Hongmin Xu
• Abstract要約: 本稿では,教育ブロックチェーンにおけるスマートコントラクトに対するグラフニューラルネットワークによる脆弱性検出を提案する。 実験の結果,提案手法はスマートコントラクトの脆弱性検出に有効であることがわかった。
• 参考スコア（独自算出の注目度）: 4.239144309557045
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: With the development of blockchain technology, more and more attention has been paid to the intersection of blockchain and education, and various educational evaluation systems and E-learning systems are developed based on blockchain technology. Among them, Ethereum smart contract is favored by developers for its ``event-triggered" mechanism for building education intelligent trading systems and intelligent learning platforms. However, due to the immutability of blockchain, published smart contracts cannot be modified, so problematic contracts cannot be fixed by modifying the code in the educational blockchain. In recent years, security incidents due to smart contract vulnerabilities have caused huge property losses, so the detection of smart contract vulnerabilities in educational blockchain has become a great challenge. To solve this problem, this paper proposes a graph neural network (GNN) based vulnerability detection for smart contracts in educational blockchains. Firstly, the bytecodes are decompiled to get the opcode. Secondly, the basic blocks are divided, and the edges between the basic blocks according to the opcode execution logic are added. Then, the control flow graphs (CFG) are built. Finally, we designed a GNN-based model for vulnerability detection. The experimental results show that the proposed method is effective for the vulnerability detection of smart contracts. Compared with the traditional approaches, it can get good results with fewer layers of the GCN model, which shows that the contract bytecode and GCN model are efficient in vulnerability detection.
• Abstract（参考訳）: ブロックチェーン技術の発展に伴い、ブロックチェーンと教育の交わりにますます注目が集まっており、ブロックチェーン技術に基づいて様々な教育評価システムやeラーニングシステムが開発されている。 その中でもethereum smart contractは、教育用インテリジェントトレーディングシステムとインテリジェントな学習プラットフォームを構築するための‘イベントトリガード’メカニズムで、開発者から好まれている。 しかし、ブロックチェーンの不変性のため、公開されたスマートコントラクトは変更できないため、教育ブロックチェーンのコードを変更することで問題のあるコントラクトを修正することはできない。 近年,スマートコントラクト脆弱性によるセキュリティインシデントが大きな資産損失を引き起こしているため,教育ブロックチェーンにおけるスマートコントラクト脆弱性の検出が大きな課題となっている。 本稿では,学習ブロックチェーンにおけるスマートコントラクトに対するグラフニューラルネットワーク(gnn)に基づく脆弱性検出を提案する。 まず、バイトコードはOpcodeを取得するために逆コンパイルされる。 次に、基本ブロックを分割し、オプコード実行ロジックに従って基本ブロック間のエッジを追加する。 次に、制御フローグラフ(CFG)を構築する。 最後に,脆弱性検出のためのGNNモデルの設計を行った。 実験の結果,提案手法はスマートコントラクトの脆弱性検出に有効であることがわかった。 従来のアプローチと比較すると、GCNモデルのレイヤが少なくて良い結果が得られるため、コントラクトバイトコードとGCNモデルは脆弱性検出において効率的であることがわかる。

関連論文リスト

• BlockFound: Customized blockchain foundation model for anomaly detection [47.04595143348698]
  BlockFoundは、異常なブロックチェーントランザクション検出のためのカスタマイズされた基盤モデルである。 ブロックチェーントランザクションのユニークなデータ構造をモデル化するための、一連のカスタマイズデザインを紹介します。 BlockFoundは、Solana上の異常なトランザクションを高精度に検出する唯一の方法である。
  論文  参考訳（メタデータ） (2024-10-05T05:11:34Z)
• Dual-view Aware Smart Contract Vulnerability Detection for Ethereum [5.002702845720439]
  本報告では,DVDet というデュアルビュー対応スマートコントラクト脆弱性検出フレームワークを提案する。 このフレームワークは最初、スマートコントラクトのソースコードとバイトコードを重み付きグラフに変換し、フローシーケンスを制御する。 データセットの総合的な実験により,我々の手法は脆弱性の検出において他者よりも優れていることが示された。
  論文  参考訳（メタデータ） (2024-06-29T06:47:51Z)
• Enhancing Trust and Privacy in Distributed Networks: A Comprehensive Survey on Blockchain-based Federated Learning [51.13534069758711]
  ブロックチェーンのような分散型アプローチは、複数のエンティティ間でコンセンサスメカニズムを実装することで、魅力的なソリューションを提供する。 フェデレートラーニング(FL)は、参加者がデータのプライバシを保護しながら、協力的にモデルをトレーニングすることを可能にする。 本稿では,ブロックチェーンのセキュリティ機能とFLのプライバシ保護モデルトレーニング機能の相乗効果について検討する。
  論文  参考訳（メタデータ） (2024-03-28T07:08:26Z)
• Generative AI-enabled Blockchain Networks: Fundamentals, Applications, and Case Study [73.87110604150315]
  Generative Artificial Intelligence(GAI)は、ブロックチェーン技術の課題に対処するための有望なソリューションとして登場した。 本稿では、まずGAI技術を紹介し、そのアプリケーションの概要を説明し、GAIをブロックチェーンに統合するための既存のソリューションについて議論する。
  論文  参考訳（メタデータ） (2024-01-28T10:46:17Z)
• Architectural Design for Secure Smart Contract Development [0.0]
  ブロックチェーンインフラストラクチャに対するいくつかの攻撃により、数百万ドルが失われ、機密情報が漏洩した。 一般的なソフトウェア脆弱性とブロックチェーンインフラストラクチャに対する攻撃を特定します。 スマートコントラクトを活用した将来のシステムにおいて,より強力なセキュリティ標準を保証するためのモデルを提案する。
  論文  参考訳（メタデータ） (2024-01-03T18:59:17Z)
• Unveiling the Landscape of Smart Contract Vulnerabilities: A Detailed Examination and Codification of Vulnerabilities in Prominent Blockchains [0.0]
  本稿では,スマートコントラクトの脆弱性の最も完全なリストを提案する。 さらに,開発者と研究者間の脆弱性のコミュニケーションを容易にする新しい体系化システムを提案する。
  論文  参考訳（メタデータ） (2023-12-01T11:01:06Z)
• Training Massive Deep Neural Networks in a Smart Contract: A New Hope [5.0737599874451105]
  ディープニューラルネットワーク(DNN)は、DeFiやNFTトレーディングといったブロックチェーンアプリケーションで非常に有用である。 本稿では,A New Hope (ANH) と呼ばれる新しいプラットフォーム設計を提案する。 i) 計算集約的なスマートコントラクトトランザクションは、結果を必要とするノード、あるいは特定のサービスプロバイダによってのみ実行される、(ii) 非決定論的スマートコントラクトトランザクションは、不確実な結果をもたらす、という考え方です。
  論文  参考訳（メタデータ） (2021-06-28T14:38:44Z)
• Smart Contract Vulnerability Detection: From Pure Neural Network to Interpretable Graph Feature and Expert Pattern Fusion [48.744359070088166]
  従来のスマートコントラクトの脆弱性検出方法は、専門家の規則に大きく依存している。 最近のディープラーニングアプローチはこの問題を軽減するが、有用な専門家の知識をエンコードすることができない。 ソースコードから専門家パターンを抽出する自動ツールを開発する。 次に、深いグラフの特徴を抽出するために、コードをセマンティックグラフにキャストします。
  論文  参考訳（メタデータ） (2021-06-17T07:12:13Z)
• Quantum-resistance in blockchain networks [46.63333997460008]
  本稿では、ブロックチェーンネットワークにおける量子脅威を特定し、排除するために、米国間開発銀行、IDBラボ、LACChain、量子コンピューティング(CQC)、Tecnologicalo de Monterreyによる研究について述べる。 量子コンピューティングの出現は、非量子耐性暗号アルゴリズムを利用するため、インターネットプロトコルやブロックチェーンネットワークを脅かす。
  論文  参考訳（メタデータ） (2021-06-11T23:39:25Z)
• ESCORT: Ethereum Smart COntRacTs Vulnerability Detection using Deep Neural Network and Transfer Learning [80.85273827468063]
  既存の機械学習ベースの脆弱性検出方法は制限され、スマートコントラクトが脆弱かどうかのみ検査される。 スマートコントラクトのための初のDeep Neural Network(DNN)ベースの脆弱性検出フレームワークであるESCORTを提案する。 ESCORTは6種類の脆弱性に対して平均95%のF1スコアを達成し,検出時間は契約あたり0.02秒であることを示す。
  論文  参考訳（メタデータ） (2021-03-23T15:04:44Z)
• Blockchain Enabled Smart Contract Based Applications: Deficiencies with the Software Development Life Cycle Models [0.0]
  スマートコントラクトが格納されるブロックの不変性は、従来のソフトウェア開発ライフサイクル(SDLC)モデルと矛盾する。 本稿では,従来のSDLCモデル6つを最初に検討することによって,この問題に対処する。 発生した問題に対処するためには、新しい標準モデルの開発が緊急に必要である、と同社は主張する。
  論文  参考訳（メタデータ） (2020-01-21T03:48:46Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。