基于学习的智能合约漏洞检测方法综述：从代码表示的角度出发

《ACM Transactions on Software Engineering and Methodology》：A Review of Learning-based Smart Contract Vulnerability Detection: A Perspective on Code Representation

区块链技术快速发展，智能合约应用普及，但漏洞被攻击者利用导致重大财务损失。基于学习的方法因自动提取大量智能合约的显式语法或语义特征且准确高效而受重视。本文综合分析61篇文献，为研究者特别是新手提供学习检测方法全面指南，指导选择合适代码表示。

　　

摘要

随着区块链技术的快速发展，智能合约应用已经变得越来越普遍。然而，合约中的漏洞可能被攻击者利用，导致严重的财务损失。近年来，基于学习的方法因其在自动从大量智能合约中提取明确的语法或语义特征方面的准确性和高效性而受到重视，且所需的人工干预极少。在本文中，我们进行了全面分析，并最终选择了61篇科学文献，为研究人员（尤其是初学者）提供了对基于学习的检测过程的全面理解以及选择适当代码表示方法的指导。首先，我们介绍了常见的漏洞类型，详细说明了已发现的漏洞，并总结了用于基于学习方法的数据集。接着，我们阐述了基于学习的检测的一般过程，并根据代码表示方式（包括序列、树、图和混合特征）对现有文献进行了分类。最后，我们总结了现有工作的进展，并探讨了该领域的未来研究方向。