关键词： 智能合约   履行规则   自动性   匿名性   不可变动性  

摘要： 2018年中国产业和信息科技部发布的官方白皮书《中国区块链技术和应用发展白皮书》强调了智能合约的重要性,将智能合约视为区块链六大核心技术之一,并指出智能合约是未来数字文明的重要基石。目前,我国一些机构已经开始运用智能合约进行金融创新,例如腾讯的“区块链+供应链”、中国人民银行开发的“贸易金融区块链平台”等。区块链技术是智能合约广泛应用所借助的基础手段,智能合约是部署并运行在区块链平台上的合同。目前,涉及智能合约的法律规范主要是《中华人民共和国民法典》(以下简称“《民法典》”)等相关法律法规,这些规范主要涉及一般合同,而智能合约是在形式上与区块链相结合的特殊合同,除了关注一般合同的规则外,还需要关注智能合约存在的特殊规则,尤其是智能合约的履行规则的特殊性,实现《民法典》对智能合约履行的有效规范。 智能合约的履行与《民法典》合同编第四章合同履行的法律规范之间存在一定的冲突,本文从合同履行原则、主体、权利三个方面进行分析。在履行原则方面,智能合约的履行是对预先设置的代码的绝对执行与《民法典》第533条规定的情势变更原则形成冲突,已经部署的代码无法对“情势”作出调整,履行情势变更中当事人协商、变更、解除合同的权利难以行使。在主体方面,智能合约非变动性与《民法典》第510条规定的对质量、价款、报酬、履行地点等内容协议补充形成冲突,同时智能合约匿名性增加了对智能合约的履行中主体的行为能力、真实意思表示考察的难度,对《民法典》532条的应用也提出挑战。在履行中的权利行使方面,智能合约履行的瞬时性对《民法典》第525、526、527条规定的履行中的抗辩权行使形成冲突,权利的损害多以事后救济的方式进行,抗辩权在“瞬时”履行中难以行使。针对上述问题,本文提出以下建议:一是履行原则方面,适用情势变更原则的具体方式有所创新,结合智能合约的特征,形成法律条件代码层面的转化,提升智能合约应对履行中产生的风险的能力;二是具体履行主体方面,主体行为能力的考察要借助平台的准入机制,对意思表示的认定宜采用实质说;三是履行中的权利方面,抗辩权因智能合约履行的时间特点应进行转化,更加注重履行事前预防和事后救济相结合。

关键词： 区块链   智能合约   深度学习   漏洞检测  

摘要： 区块链计算基础设施是当今计算机领域创新技术之一,其中智能合约是一种运行在区块链技术上的可编程合约,目前区块链系统面临的最大的安全问题集中体现在智能合约当中。由于智能合约是区块链系统中一段一经部署就不能修改的代码,因此对于智能合约的安全性分析在其部署前就应该完成,目前已知的智能合约漏洞已经有数十种之多,其中尤其以重入漏洞和时间戳依赖漏洞较为常见。对于智能合约漏洞的审计工作,其难点在于对漏洞逻辑的分析以及检测的方式,目前大多数的漏洞检测工作仍然以传统的漏洞检测方法为准,这与当今人工智能化的时代略有脱节。近些年深度学习越来越多地走近计算机的各个领域,在漏洞检测方面也有了许多应用,但是在智能合约的漏洞检测工作中,使用各种深度学习方法进行合约审计仍然有很大的发展空间。 本文的主要工作分为以下两个方面: (1)针对智能合约源代码,本文提出了一种图神经网络模型MP-ATT-GCN。该模型可以学习通过分析智能合约源代码获得的合约特征作为输入进行学习,来达到检测智能合约重入漏洞和时间戳依赖漏洞的目的。实验结果显示,该模型可以很好的分析智能合约源码,通过学习源码的合约图特征来完成对合约漏洞的检测,并提升检测效果。 (2)针对智能合约操作码,本文提出了SCVD-BERT模型。该模型以智能合约的操作码分块特征作为输入,通过对特征的学习和训练,完成对智能合约重入漏洞和时间戳依赖漏洞的检测。实验结果表明该模型可以完成对智能合约操作码的分析,通过对合约指令的理解完成漏洞的检测工作,为智能合约漏洞检测提供了一个新的思路,相较于其他方法也做到了效果的提升。 本文通过上述两项工作,使用深度学习方法有效地解决了在区块链系统中代码执行的不同阶段检测智能合约重入漏洞和时间戳依赖漏洞的问题,为区块链开发者与维护者提供了更大的安全保障。通过两项工作的实验结果以及与其他方法的检测结果的对比,可以表明: (1)深度学习可以更好地应用于智能合约漏洞检测的工作中,并可以显著提高漏洞检测的能力。 (2)可以分别对智能合约代码执行的不同阶段进行分析,从而更全面、更细致地分析智能合约,进而更高效地审计合约漏洞。 (3)可以使用不同的深度学习的思想来选择不同的模型,并以此设计智能合约漏洞检测模型。

关键词： 区块链   版权保护   数字版权   智能合约  

摘要： 网络的发展加速了服装设计图版权的传播,同时也导致了版权确权难、确权周期长、登记成本高等问题,这是因为版权信息没有经过可靠的第三方进行管理与保护。为了缓解服装设计图版权无法通过可靠第三方进行认证、保护、交易与管理,本文提出了一种DZSC(Smart contract clothing design drawing zero watermark copyright protection)方法的服装设计图版权管理框架。在服装设计图水印方面,为了缓解版权水印信息嵌入宿主图像导致宿主图像失真、水印无可靠第三方存证等问题,本文提出了基于零水印的服装设计图版权存证方法,具体而言: (1)为了缓解传统的设计图版权保护效率低、周期长等问题,本文提出了一种基于DZSC方法的服装设计图版权管理框架。该框架分为版权查重模块、零水印版权存证模块、智能合约版权管理模块。其中版权查重模块对上传的服装设计图内容进行查重,避免存在抄袭嫌疑产生版权纠纷;零水印存证模块结合区块链第三方在不改变图像内容的前提下为图像添加唯一版权标识;智能合约版权管理模块通过链码实现用户注册、登记、交易、管理等。 (2)为了缓解版权水印信息嵌入宿主图像导致宿主图像失真、水印无可靠第三方存证等问题,本文提出了一种基于零水印的服装设计图版权存证方法,使用HOG特征提取方法从服装设计图中提取出特征,并将其与用户的标识信息结合在一起,然后通过AES加密算法生成该服装设计图的唯一零水印标识。 仿真实验结果表明,本文提出的基于DZSC方法的服装设计图版权管理框架,在一定程度上能有效解决服装版权侵权问题,具有较好的稳定性。

关键词： 智能合约   漏洞检测   图神经网络   操作码   注意力机制  

摘要： 近年来,区块链作为新兴技术在国内外引起了广泛的关注,尤其是以太坊,成为最受欢迎的区块链平台之一。以太坊的智能合约在分布式应用中扮演了自治代理的关键角色,负责执行可信交易和协议。然而,以太坊智能合约数量的激增导致安全事件频发,进而造成巨额经济损失。这引起了学者们对智能合约安全问题的极大关注,从而推动了一系列漏洞检测框架和工具的发展。尽管如此,这些工具仍然存在准确率较低、执行效率较慢等问题,迫切需要更为准确高效的检测方法。因此,研究新的智能合约漏洞检测方法成为当前的紧急任务。 为了提高智能合约的漏洞检测效果,本文提出了基于深度学习的智能合约漏洞检测方法。通过大量实验表明,本文所提出的智能合约漏洞检测方法,实现了对多种漏洞的检测,并提升了漏洞检测的性能。本文的具体工作主要包括如下两点: (1)提出了一种基于双重注意力图神经网络的智能合约漏洞检测方法。该方法将智能合约转化为操作码指令集,根据合约逻辑和语义将指令分为5类,并选取了45条与漏洞相关的指令用于漏洞检测任务。然后,从指令集中提取边特征和节点特征,并在节点间语义特征提取和图特征更新阶段引入了图注意力机制和自注意力机制。通过为不同节点和图特征分配不同的权重,该方法能够综合考虑节点关系和全局图信息,从而实现智能合约漏洞的检测。大量实验结果表明,基于双重注意力图神经网络的智能合约漏洞检测方法相比于传统的神经网络方法在整数溢出、交易顺序依赖和自毁漏洞方面的检测效果更好,在F1分数上分别达到了71.85%、67.03%和75.54%。 (2)提出了一种基于语义感知深度学习的智能合约操作码检测方法。该方法将智能合约源码转化为智能合约操作码序列,并提取智能合约操作码序列特征,输入到长短期记忆网络中进行训练。将训练后的操作码特征与注意力机制结合,进一步提取漏洞特征,从而实现智能合约漏洞的检测。大量实验结果表明,基于双重注意力图神经网络的智能合约漏洞检测方法,可以提高准确性,并且检测的效率比传统工具更高。

关键词： 物联网   区块链   网络信息安全   智能合约  

摘要： 在加速发展的物联网时代，网络覆盖范围不断扩展，安全性和隐私保护成为主要挑战。传统架构中，设备与传感器通过中央系统交换信息，一旦安全防护出错，用户隐私将面临威胁。中心化防护策略在应对这种挑战时效率有限。区块链技术的出现为物联网安全提供了新的解决方案。作为去中心化且不可篡改的数据库，区块链在安全性上具有天然优势。但其资源需求大、可能引发延迟的问题，对物联网设备构成了实际难题。因此，当前的关键任务是研究如何创新和优化区块链技术，以适应物联网的特定需求，这是一项具有挑战性的任务。本文提出一种基于区块链技术的物联网系统，采用Ethereum作为区块链平台，通过智能合约配置和控制物联网设备。

关键词： 联盟链   智能合约   共识机制   知识推理   规则推理  

摘要： 规则推理作为一种可解释性的推理技术,具有出色的解释能力和泛化能力,正逐步成为研究的新热点。传统规则推理的推理数据和推理逻辑常常存储在中心数据库或单个主机上,数据容易被篡改且难以追溯攻击源头。而推理结果的准确性高度依赖推理数据,一旦推理数据或推理逻辑被篡改,推理结果或决策会出错。因此,为了保障推理数据和推理逻辑的可信存储以及推理过程的可靠性,本文提出了一种基于区块链的多节点可信协作规则推理方法。以联盟链开源网络框架Hyperledger Fabric为底层技术构建可信多节点协作推理环境,封装逻辑规则推理算法、多级存储策略、安全审计机制、节点划分机制、基于选择的共识机制以及判定器模块,保障推理全过程的安全可信。基于区块链的多节点可信协作规则推理方法研究主要分为以下两部分: (1)基于区块链的可信规则推理和存储方案。针对推理数据和推理逻辑容易被篡改且无法追踪溯源的问题,利用联盟区块链构建可信执行环境,将可解释性推理算法封装于智能合约模块中,使得区块链网络具有推理的能力。在区块链网络上执行整个推理流程,记录推理的中间结论和操作信息,并将推理的初始数据、中间结论、结果以及操作信息等按照设置的多级存储策略存储在数据库和区块链上。此外,引入审计机制,将推理过程链条化,方便用户追溯推理流程和推理细节,确保推理过程的透明性和可审计性。经过实验测试,该方案的推理耗时在毫秒级别,内存占用比原始区块链网络少,保障了推理数据和推理逻辑的安全可信存储。 (2)基于区块链的多节点协作推理方案。针对方案(1)的推理网络架构中存在的节点间推理独立性较高,推理不充分等问题进行优化,构建具有交互隐私的推理协作网络,充分发挥高性能节点优势,提升推理数据隐私性和推理的充分性。通过节点划分机制,明确节点的职责,根据节点性能及特征进行优先级排序。同时,设置节点访问控制机制,依据节点的职责划分和优先级设置节点准入策略,控制节点访问数据和节点交互的范围,保障推理数据隐私和隔离性。此外,设计基于选择的共识机制,动态选择背书策略,智能选择多个合适的背书节点进行多方背书,校验推理结果,确保多节点协作推理结果的正确性。设置判定器模块,对背书策略适用性和推理充分性进行判定。背书策略适用性主要判定选取的背书组织和背书节点是否符合当前推理的要求。推理充分性判定主要根据节点的优先级判定是否存在其他节点能够进行进一步的推理任务,若存在则转交给其他节点进行推理。该方案保障推理的充分性,将推理的准确率提高了20%左右。

关键词： 密文语音检索   区块链   深度哈希   可搜索加密   可验证   智能合约  

摘要： 随着多媒体数据爆炸式增长,云平台成为人们存储数据的首选,然而云服务器带来便利的同时,也对数据隐私安全和检索结果完整性带来了极大困扰。因此,对于查询用户而言,检索结果的可验证就显得尤为重要。为了解决现有密文语音检索方案对云服务器返回检索结果不可验证的问题,论文在区块链环境下,利用可搜索加密、语音特征融合与提取、深度哈希构造、智能合约和可验证技术等关键方法开展了研究。主要研究工作如下: 1.为了解决现有语音检索存在隐私泄露、结果完整性缺乏验证等问题,进一步提高检索精度和效率,提出了一种基于区块链和CNN-Bi GRU的可验证密文语音检索方法。首先,利用AES-128算法加密语音,并上传至云服务器存储;其次,将MFCC、Fbank低级特征融合为新特征,通过CNN-Bi GRU模型训练,来提取鲁棒性更强、泛化能力更高的深度特征;最后,将构造的深度哈希码作为可搜索加密关键字,利用智能合约存储加密语音哈希值以及对应的加密索引,并通过HMAC-SHA256算法对检索结果验证其完整性。实验结果表明,该方法在保护数据隐私的前提下,可有效防止明文泄露,提高了密文语音检索精度和安全性,并在区块链环境下,实现了检索结果的可验证。 2.针对现有语音检索方法不支持多用户多关键字检索、检索性能较弱、结果不可验证、以及公平性等问题,提出了一种基于区块链的多用户多关键字可验证密文语音检索方法。首先,利用Res Net18-Bi GRU模型和上一章的语音安全检索方法获取深度特征,并将密文语音库上传至云服务器;其次,通过智能合约存储深度哈希码与对应的索引值,并通过可信任机构管理,进行多用户密钥分发和身份管理;最后,通过设计智能合约进行检索,利用设计的自适应同态消息认证码算法验证结果的正确性。实验结果表明,该方法不但有效防止了用户隐私泄露,还提高了在多用户多关键字条件下的密文语音检索精度和数据安全。 3.为了满足用户检索隐私的需要,解决现有语音检索结果缺乏完整性验证,在更新存储记录时易遭受前向安全攻击等问题,提出了一种基于区块链的动态可验证密文语音检索方法。首先,采用位图索引确定关键字和检索结果之间的匹配,并将构建好的加密语音库存储至云服务器,加密索引存储至智能合约;其次,设计了一个基于区块链的辅助可搜索加密方案,通过计算RSA累加器值,对加密索引和检索结果进行更新,确保检索结果在动态设置下的正确性和方法前向安全性,实现结果验证;最后,在两个数据集和以太坊中测试分析。实验结果表明,该方法在隐私保护下,有较高检索精度,并在动态设置下实现了结果可验证。

关键词： 联邦学习   区块链   智能合约   声誉值   激励机制  

摘要： 微型移动设备如今广泛应用在各种场景,同时会产生大量的数据,而数据可被应用于机器学习训练人工智能模型。但由于传统机器学习都需要把包含大量隐私的数据发送到中央服务器进行训练,容易造成隐私泄露。联邦学习允许参与者仅在本地训练局部模型并发送模型参数合作训练全局模型。尽管联邦学习可以防止原始数据泄露,但中央服务器面临单点故障的风险。而区块链具有透明公开与不可篡改的优点可用于解决服务器单点故障。由于参与者进行局部模型训练需要成本,需要一种激励机制来激励参与者加入联邦学习任务,同时追求训练高质量全局模型,本文研究基于声誉机制的区块链赋能多智能设备联邦学习框架,具体工作如下: (1)本文提出一种基于声誉机制的区块链赋能多无人机系统联邦学习框架,通过基于区块链的智能合约自动执行任务,以局部模型与全局模型的余弦相似性评估参与者的本地模型质量得出声誉值,以声誉阈值为基准识别并移除搭便车和恶意无人机。根据声誉值将全局模型进行稀疏化实现公平分配模型利润,在分配总预算时综合考虑声誉值与数据量衡量无人机的贡献,使诚实无人机获得与成本相对应的奖励,恶意无人机无法获利。仿真通过MNIST数据集表明本文提出的算法精度高于Fed Avg算法与DSSGD算法,并且能在恶意无人机占比不同的情况下将其驱逐,同时实现了模型利润与总预算的公平分配。 (2)本文提出了一种基于声誉机制的区块链赋能移动设备网络联邦学习框架。通过边缘服务器存储的验证数据集评估移动设备上传的局部模型精度,将所有局部模型精度归一化,通过局部模型精度的双曲正弦函数衡量声誉值,通过区块链记录移动设备的声誉值与局部模型参数。在分配定制模型时通过对全局梯度向量的各项重要程度进行分数评估并降序排序,使诚实移动设备获得与贡献相称的梯度数量,而搭便车者无法获得奖励,从而实现定制模型的公平分配。通过MNIST数据集上的仿真实验表明本文所提算法精度高于Fed Avg算法与DSSGD算法,并能够实现定制梯度的公平分配,同时可以在初始全局迭代时就识别搭便车者并将其清除出联邦学习过程。