【论文阅读】Ethereum Blockchain Smart Contract Vulnerability Detection Using Deep Learning

使用深度学习的以太坊区块链智能合约漏洞检测。（主要是重入漏洞）

1、摘要

静态分析器用于在开发过程中发现智能联系人中的漏洞，但非常耗时。
文章提出了一种基于机器学习的方法来检测智能合约中的重入漏洞，系统由三个组件组成：数据准备、Op2Vec 和 LSTM 模型。
（1）收集了 30,000 个智能合约，将它们分成两组，每组 15,000 个，分别用于 Op2Vec 生成和 LSTM 训练。
（2）使用 Skip-Gram 算法将操作码关键字映射到向量表示，Op2Vec。
（3）使用 Slither 静态分析器进行标记。
（4）双向LSTM模型。
源码：link

漏洞检测方法分为两类：静态分析和动态分析。静态分析涉及检查程序的源代码而不考虑其运行时行为，而动态分析需要通过运行时测量来评估程序以检测漏洞。

2、实验内容

主要实验是使用 BI-LSTM 进行重入检测
系统由三部分组成：数据准备、Op2Vec 程序和 LSTM（长短期记忆）模型。该架构促进了两种类型的数据处理以及单个 LSTM 模型。训练数据集分为两类：易受攻击和干净，从而支持用于漏洞检测的二元分类方法。

2.1