基于GNN的智能合约漏洞检测（tmp）概述_smart contract vulnerability detection using graph

原文：Smart Contract Vulnerability Detection Using Graph Neural Networks
Yuan Zhuang 1,∗ , Zhenguang Liu 1,∗ , Peng Qian 1,∗ , Qi Liu 2 , Xiang Wang 3 , Qinming He 4

现有的漏洞检测方法大都依赖于特定的专家规则，因此导致了比较低的检测准确率。在这篇文章中，我们发明了一种基于GNN的智能合约漏洞检测方法。首先，我们构造了一个合约图来表示智能合约方程的语义和语法结构。为了凸显主要的节点，我们设计了清除阶段来使得图变得规范。然后，我们提出了一种无度数的图卷积神经网络和一种新颖的消息暂时传输机制（TMP)来从规范化的图中学习漏洞。实验结果表明我们的方法表现得很出色。

在这个video中提出，现有的检测方法依赖专家规则、有信息丢失、不可扩展；而基于机器学习的方法是程序分析的新趋势、同时可以检测出未知的漏洞。

然后其介绍了问题描述，以及重入、无限循环和时间戳依赖三个漏洞

然后介绍了它们的方法：将solidity按照代码元素的关系生成图、对图进行清理并规范化，对规范化的图使用消息传递网络从而获取输出标签

随后是如何建立点和边，点可以是关键的函数、变量和fallback函数，边可以是控制流、数据流、顺序流和fallback流

随后介绍了横向的漏洞检测工具对比和纵向的其他神经网络对比，以及数据集的选取

然后炫耀了一波它们方法秒杀其他工具

最后是总结，它们的方法是深度学习在智能合约漏洞检测的新尝试！