关键词： EOS区块链平台   智能合约开发   智能合约安全检测   智能合约模板  

摘要： 本论文通过分析指出智能合约带来的显著的优势和技术难题。详细描述了EOS(Enterprise Operation System)区块链平台智能合约开发现状和需求。目前平台还没有为开发者提供一个功能全面的智能合约集成开发环境,开发者需要辗转多个工具完成智能合约代码的逻辑编写,调试和部署操作,降低了开发效率。智能合约由开发人员人为编写,合约极易出现逻辑漏洞或者编写错误等问题,使合约安全问题层出不穷,降低了合约的安全性。 因此,本论文设计并实现了面向EOS的在线智能合约开发平台,旨在解决当前智能合约开发中存在的问题与挑战。该平台通过在线IDE(Integrated Development Environment)的形式集成了合约链账户管理模块、智能合约开发模块、智能合约安全检测、智能合约模板管理模块、智能合约管理模块、智能合约广场模块和网络环境监控等七个模块,为开发者提供一个高效、安全且易用的智能合约开发环境。 平台通过集成符号执行技术对合约进行漏洞检测,并根据符号执行技术存在的弊端,如路径爆炸等问题。使用路径剪枝算法通过路径优先级评估、约束满足性和多路径剪枝策略,对不可能发生的条件或确定某些路径不可能满足特定约束的情况进行剪枝优化,减少探索路径的数量,提高符号执行的效率。另外,平台通过集成智能合约模板管理模块使用低代码技术为用户提供合约模板功能,为用户提供了一系列的预定义合约模板,通过这些模板,开发者可以快速开始新的项目或对现有合约进行修改和扩展。智能合约广场模块为用户提供多功能合约共享服务,用户能够在平台上上架、下架、下载使用智能合约,通过在合约广场获取的共享合约,用户可以快速构建自己的应用程序,并在区块链上实现各种业务场景。网络环境监控模块通过对EOS区块链网络环境进行解析,获取交易、区块和资源利用情况数据,为用户提供可视化网络环境数据。 在平台开发完成之后,对系统进行了一系列的功能性和非功能性的测试。功能测试环节重点检验了各模块的完整性和运行状态,确保它们能满足用户的具体需求。非功能测试则聚焦于评估系统的性能、安全性和可扩展性。在保障用户数据和操作安全的基础上,通过高强度的压力测试来检验系统的稳定性和响应速度。 综上所述,本论文设计实现的面向EOS在线智能合约开发平台,通过集成多种关键功能,为开发者提供了一个全面、高效和安全的智能合约开发解决方案。

关键词： 区块链技术   数字版权保护   版权登记   智能合约   证据存证  

摘要： 随着数字化时代的到来,数字版权保护成为了一个重要的议题,传统的版权保护方式在数字环境下面临着诸多挑战,如版权侵权、信息篡改等问题。区块链技术是大数据时代的产物,具有去中心化、不可篡改和可追溯等特点。近年来,区块链技术发展迅速,其应用领域快速扩大,早已渗透进金融、医疗、教育等行业。当前,数字版权盗版和非法传播等现象严重,而区块链技术可作用于版权登记、版权交易以及证据存证等方面,为减少数字版权的侵权现象提供了新的可能性。区块链技术可以用于数字版权的登记和证明、交易和授权管理和侵权行为的追踪,也能够搭建去中心化的版权保护平台。 目前,许多国家对区块链技术应用于数字版权保护表现出极大的热情并展开了积极探索,取得了一些成效。但随着两个领域不断的碰撞,区块链技术应用于数字版权保护的问题也越发凸显,例如,在版权的确权、交易和维权等方面仍有一些问题亟待解决。在确权方面,基于区块链的数字版权保护存在独创性和权利人难以认定、作者修改权被限制、区块链版权登记制度不完善等问题;在交易方面,存在着智能合约和法律规定有矛盾、主体民事资格难以确定和智能合约缺少规制等问题;在维权方面,存在着原始数据认定困难、区块链平台的中立性存疑和区块链平台的审核标准不完善等问题。 文章整体遵循“提出问题——分析问题——解决问题”的写作思路,重点解决解决区块链技术应用于数字版权保护在确权、交易和维权三个方面的问题,以期丰富基于区块链技术的数字版权保护的理论研究。在确权方面,通过优化版权认定、事前控制和事后惩罚相结合、技术与制度相结合以及规范区块链的数字版权登记制度及标准的方式解决上述问题;在交易方面,通过协调智能合约和法律之间的关系、推行强制身份认证、构建智能合约监管体系的方式解决上述问题;在维权方面,通过存证证据区分审查、加强区块链存证平台的中立性、明确区块链存证平台的审查标准的方式解决上述问题。

关键词： 联邦学习   激励机制   Shapley值   智能合约   贡献评估  

摘要： 联邦学习(Federated Learning,FL)是一种在保护数据隐私的前提下,通过协同学习来训练模型的新范式。在这种范式中,每个参与者利用自己的数据和计算资源在本地训练模型,而不需共享私有数据。但不同参与者的数据和算力资源各异,导致资源丰富的参与者通常不愿与他人合作训练模型。因此,联邦学习需要一种公平的激励机制,给予参与者合理的奖励,从而吸引拥有更多更高数据质量的参与者加入联邦学习中。目前,由于Shapley值在解释模型决策领域具有优势,基于Shapley值贡献评估的激励机制成为了主要研究方向,这种方法确保了贡献评估算法的有效性和公平性。但存在无法保证计算结果的可信性的问题。同时基于传统Shapley值的贡献过程还存在计算复杂度随参与者增加而指数增加的问题。 为解决上述问题,本文采用联盟区块链与智能合约技术提出了一种基于Shapley值和智能合约的贡献评估与奖励框架。解决了传统激励机制中对第三方机构的依赖限制,借助区块链的去中心化特性消除了单一中心化机构带来的信任问题。此外区块链的可溯源性确保了贡献评估与奖励分配过程的透明性和可追溯性。在贡献评估算法方面,本文提出了一种多重引导截断梯度Shapley(Multi-GTG Shapley)算法。该算法利用梯度更新重新构建模型,从而避免了成本高昂的重训练过程。进一步地,为了解决SV计算时间复杂度随参与者增加而激增的问题,设计了一种逻辑分组的N叉树结构与SV分层分组分配算法,优化了Shapley值的计算过程。在此结构中,参与者被分为若干小组,组内采用GTG-Shapley算法计算SV,组间通过N叉树形式连接。SV的计算从叶节点开始,沿着树向上进行,直至根节点。然后通过分层分配算法,从根节点向叶节点更新SV,以确保每一层的SV分配既高效又准确。 并通过实验验证了基于联盟链的智能合约满足了多任务环境中的性能需求。同时验证了Multi-GTG Shapley算法在不同数据分布下的有效性。此外,本文还设计了针对计算节点的毒害攻击检测与信誉机制与奖励分配机制,以增强贡献评估与奖励框架的可信性与公平性。

关键词： 监管   公链   以太坊   智能合约  

摘要： 区块链是我国近年来着力发展的新兴技术,而去中心化是其最重要的特性。在区块链领域中,相比于联盟链与私有链,公有链去中心化程度最高,拥有更广泛的用户群体与更繁荣的技术生态。跨链、预言机等近年来区块链领域的重要创新均源自公有链社区,因此公有链更有可能先一步实现大规模产业赋能。但同时,公有链中去中心化程度高,交易匿名且不受约束,导致其承载了大量的非法交易,合约攻击、违规信息上链等不法行为造成经济损失与安全风险,阻碍了其在我国的应用落地。因此,推动区块链前沿技术在我国顺利发展的关键在于确保公有链在我国安全合规地落地,而建立适应区块链去中心化特性的监管体系则是其中重要一环。 相比传统监管机制,区块链去中心化的特征使得链上交易难以由中心化机构统一监测管理。此外,虽然区块链中的节点会对信息进行校验与共识,但仅限于防止区块数据篡改等基础性问题,对于链上项目的攻击、诈骗等不法行为没有设置验证环节或预留验证时间。并且区块链不可篡改的特性使得这类恶意行为一旦上链就难以更改,交易发出到上链的短暂时间差更要求了监测数据的时效性。 针对以上问题,本课题旨在探讨一种提高公有链可监管性的方案,提出了为链上节点引入新职能,并据此设计与实现了具备自我监管能力的区块链节点,在实验环境下构建一条与当前公链生态接轨的自监管的区块链网络。本课题的研究内容主要有以下三点: (1)提出基于公有链的监管方案。方案中创新性地引入了监督者节点,该类节点在现有区块链拥有验证职能的节点基础上实施更快速、更全面的数据同步模式,同步链上节点、交易信息。基于去中心化的思想,该类节点并不扮演传统意义上的中心化管理角色,而是承担在现有校验与共识机制之上进行更快速全面的收集与验证任务。提出在所有节点中增设预传递机制以支持这种同步模式,通过更快同步交易数据,为验证预留更多的时间窗口。同时,提出监管响应措施的职能分离,监督者节点将验证结果同步至网络中所有节点,接收到验证结果的节点通过自查进行恶意行为的验证过滤。该方案通过这种链上自检自查的模式平衡区块链去中心化与监管之间的矛盾。 (2)提出了节点验证方案、数据共享方案以及链上数据的分类方法。监督者节点间实施基于智能合约与EVM日志的数据共享方案,通过上链保证信息的透明公开,通过智能合约将监督者节点信息上链确保节点身份可溯源。此外,对同步的链上数据根据其特征设计了交易行为上的分类方法。 (3)基于本课题提出的方案实现具备自我监管能力的区块链节点,即在以太坊的节点客户端基础上设计并实现了Node Viser框架,覆盖基础层、数据层与合约层。通过运行该节点组成区块链网络进行实验,对交易拦截成功率、合约Gas成本、数据采集时间以及节点启动性能的测试分析,验证了方案的有效性和实施可行性。

关键词： 智能合约   漏洞检测   合约图   门控图神经网络  

摘要： 智能合约作为区块链生态中的创新性技术,因其特有的金融属性而受到广泛关注。合约一旦部署,其内部错误难以修复,导致其安全性问题尤为突出。因此,在部署智能合约前,识别并修复潜在的安全漏洞至关重要。然而,以往的检测方案通常基于专家制定的静态规则,导致准确率低、灵活性差且可扩展性有限。因此,本文重点分析采用深度学习技术的合约漏洞检测模型的局限性,并提出了两种漏洞检测方案,具体内容如下: (1)针对基于文本特征的方法中存在输入文本过长、噪声干扰大和可解释性差的问题,本文提出了一种融合模式特征与文本特征的合约漏洞检测模型CodeBERT-DCNN。该模型首先对智能合约源代码进行数据清洗和正则化等预处理,接着采用级联CodeBERT模型进行分段嵌入及拼接以解决长文本输入问题,并通过注意力机制与动态卷积挖掘源代码中的关键特征,以减少不相关代码的噪声干扰。此外,依据智能合约漏洞注册中心定义特定漏洞模式特征,采用独热编码方式表征,经预训练后与文本特征融合,实现专家知识与神经网络的有效结合,提升模型的可解释性和可信度。实验证明,该方法与现有基于文本特征的方法相比准确率提升8%,F1分数提升10%。 (2)针对基于文本特征和现有图模型未能完全表达合约的控制信息和数据依赖信息的问题,本文提出的A-GGNN模型通过在简化的抽象语法树中添加控制流和数据流边,构建了一个完整的合约图表示。并基于漏洞模式特征,为图中的节点分配重要性等级。通过采用残差池化层的门控图神经网络实现节点特征的双向更新,有效识别智能合约的潜在漏洞。实验证明,该方法与现有基于图特征的漏洞检测方法相比准确率提升9%,F1分数提升8%。 (3)本文在两种方法的基础上开发了一个智能合约漏洞检测可视化平台,应用于“村镇社区新型商贸连锁综合服务平台研究及示范”课题的货到付款合约实证验证。此外,本文还探索了将这两种检测方法通过堆叠方式进行集成的可能性。实验结果表明,该平台模块功能正确,且融合模型漏洞检测召回率高达82.7%。 在真实智能合约漏洞数据集上进行的大量实验,证明了本文所提出的两种漏洞检测策略的有效性。结果表明,这两种方法在性能上均优于当前先进的检测方法。此外,融合模型可以更全面的表示合约的语法和语义信息,更有效地完成智能合约漏洞检测任务。

关键词： 区块链   电网产业链金融   数据共享   智能合约   Petri网  

摘要： 随着数字化转型的加速,数据作为一种新型的生产要素,在生产、管理及决策等多个层面发挥着越来越重要的作用。电网产业链金融中蕴藏大量的数据,然而,电网产业链由于环节繁多、信息源头分散在多个系统,系统之间的数据连接不充分,导致产业链上各主体之间缺乏信任、数据的共享程度不足够、人工授信困难等问题,制约电网产业链金融当前的发展。因此,如何在产业链金融数据共享过程中发挥数据的最大价值,实现数据的高效流通和共享是电网产业链更好发展的重中之重。基于这个背景,本文围绕区块链技术在电网产业链金融数据共享流程中的应用进行了研究,运用Hyperledger Fabric超级账本进行智能合约的实现,并建立电网产业链金融订单融资数据共享CPN流程进行验证评估。 本文首先介绍了电网产业链金融当前的概况以及电网产业链构成,通过专家访谈和电网产业链金融实践的结合,分析了现有电网产业链金融数据共享流程中存在的主要问题,并针对现存问题总结其形成原因;接着,考虑到电网产业链金融数据共享流程中遇到的挑战,结合区块链技术的适用性分析,本研究构建了一种电网产业链金融数据共享总体架构,提出了区块链应用的数据共享流程整体框架,并对区块链应用的数据共享关键流程进行详细的设计。在此基础上,为验证理论模型的实用性和有效性,以“基于区块链的电网产业链金融订单融资数据共享流程”为例展开案例分析,设计了基于区块链的订单融资数据共享模型,提出了基于区块链的订单融资数据共享流程,选定Hyperledger Fabric框架进行订单融资智能合约的实现,并通过CPN Tools对基于区块链的数据共享流程进行建模仿真,以此评估基于区块链的订单融资数据共享流程的可行性和有效性。 本研究旨在为电网产业链金融领域提供并验证一种基于区块链的数据共享解决方案,在区块链的技术支撑下,解决产业链上各主体之间缺乏信任、数据的共享程度不足和人工授信困难的问题,促进电网产业链金融的良性发展,提升整个产业链的效率和透明度。 图34幅,表12个,参考文献80篇。

关键词： 智能合约   漏洞检测   深度学习   可解释方法   领域自适应  

摘要： 近年来，针对智能合约漏洞的攻击引发了巨大的经济损失，甚至对区块链平台的信任基础构成了威胁，因此智能合约安全引起了国内外学者的广泛关注。目前针对智能合约安全分析的工作可粗略概括为基于软件测试技术和基于机器学习技术(包括深度学习)两大类。前者以其成熟的理论体系和技术得到了广泛应用，然而，这类方法在很大程度上依赖于复杂的专家知识或已知规则，其检测效率和可扩展性仍有待改善。后者，即基于机器学习技术的智能合约安全分析方法，因其较高的自动化程度和效率近年来受到了广泛关注，但其复杂的黑盒工作机制以及对高质量数据集的过度依赖，显著降低了其鲁棒性和泛化性。针对上述挑战，本文提出并实现了三种新颖的智能合约安全分析方法。　　（1）基于多模态表征的智能合约安全分析方法。针对现有基于机器学习的智能合约安全分析方法通常受限于单一特征的表达能力，从而限制了后续检测模型的性能，本文提出一种基于多模态表征的智能合约安全分析方法。该方法分别从智能合约的字节码和操作码文件中提取图像以及频率特征，并将这两类特征分别输入卷积神经网络和残差网络予以学习。进而，构建多模态联合学习算法对卷积神经网络和残差网络中学习到的单模态信息进行融合以充分挖掘多模态信息的互补优势。最后通过实验证明了本文所提出的方法可以有效提升智能合约安全分析模型的鲁棒性和稳定性。　　（2）基于多策略增强学习的智能合约安全分析方法。针对机器学习模型在学习过程中易受到噪音干扰而导致其鲁棒性差的问题，提出一种基于多策略增强学习的智能合约安全分析方法。该方法从智能合约操作码文件中提取分片式序列特征，有效保留了智能合约的结构信息和执行逻辑。提取的分片式序列特征被链接后输入轻量化的Transformer进行学习。为了使模型学习到更具鲁棒性的特征，该方法的核心在于提出一种多策略增强技术，即融合可解释工具 LIME 探究模型决策依据，以此为基础制定轻量级专家规则和掩码策略 MaskOPS 来引导模型逐步过滤噪音和混淆信息干扰。实验结果表明该方法能够有效提升基于深度学习的智能合约安全分析模型的鲁棒性。　　（3）基于领域自适应技术的智能合约安全分析方法。针对不断出现的新型合约漏洞及其变种有标记样本不足所带来的挑战，本文提出一种基于领域自适应技术的智能合约安全分析方法。该方法的核心在于构建了一个包含生成器和判别器（由类分类器和域分类器组成）的生成对抗网络架构。另外，通过设计模型优化策略丰富数据的多样性，并利用未标注数据的潜在价值，提升模型面对新型未知漏洞的识别能力。通过在源域和目标域的综合实验验证了该方法能有效适应数据分布的变化，具有强泛化性。

关键词： 物联网   区块链   智能合约   访问控制   信任管理  

摘要： 由于物联网的快速发展,信息的交流越来越多,也越来越复杂,信息的安全逐渐成为了物联网发展的重要基础。在生活的实际场景中,物联网衍生了很多变体,这些变体注重了物联网某一特性,也继承了物联网的一些安全性缺陷。例如工业物联网注重了数据传输的安全性,但缺乏针对性的数据管理模型。社交物联网注重了物联网之间的交互,但缺乏对交互对象的信任。因此,设计一个可扩展性高,效率稳定,功能齐全的访问控制模型和信任管理模型是十分必要的。本文主要从访问控制模型和信任管理模型两个方面,对物联网的信息安全进行研究,主要工作如下: 针对分布式工业物联网提出了基于智能合约的策略域访问控制框架,为工业物联网能够安全的进行信息交互,提供了新的访问控制技术。模拟了一个实例实验,证明了所提议的框架的实用性,访问控制的流程和决策完全依托区块链,保证了访问控制可审计性和真实性。智能合约被用来做最后的决定。决策合约的主要任务是通过调用智能合约来比较和验证客户端和服务端之间的历史互动,以确定客户端是否被授予访问权。调用智能合约,比较和验证客户端和服务端之间的历史互动,以确定客户端是否被授予访问权。 为了解决信任问题,提出了一种基于区块链的社交物联网信任管理模型,面向社交物联网节点之间交互的频次进行计算,并聚合了交互活跃度、处理延迟、智能合约响应延迟和信誉推荐分四个方面对公开节点和私有节点的信任进行评估。运用现存的机器学习工具处理信任权重因子和时间衰减因子,在选择的时间段内,利用无监督学习中的DBSCAN聚类算法,将该时间段内的节点分为积极节点和消极节点两类。通过分析这两种类型节点的占比,动态地决定信任权重因子和时间衰减因子的大小。 总之,本文分别针对物联网环境提出了一个访问控制框架和一个信任管理模型,为复杂多变的物联网提供了全面的信息安全技术,不仅保障了物联网数据的高效率传输,更加保证了物联网设备之间或设备与人之间的安全交互。