文献类型：期刊文章

作　　者：钱鹏[1] 刘振广[1,2] 何钦铭[2] 黄步添[2] 田端正[1] 王勋[1]

QIAN Peng;LIU Zhen-Guang;HE Qin-Ming;HUANG Bu-Tian;TIAN Duan-Zheng;WANG Xun(School of Computer and Information Engineering,Zhejiang Gongshang University,Hangzhou 310018,China;School of Computer Science and Technology,Zhejiang University,Hangzhou 310058,China)

机构地区：[1]浙江工商大学计算机与信息工程学院,浙江杭州310018 [2]浙江大学计算机科学与技术学院,浙江杭州310058

出　　处：《软件学报》

基　　金：国家重点研发计划(2017YFB1401300,2017YFB1401304);浙江省自然科学基金(LQ19F020001);国家自然科学基金(61902348);浙江省重点研发计划(2021C01104)。

年　　份：2022

卷　　号：33

期　　号：8

起止页码：3059-3085

语　　种：中文

收录情况：AJ、BDHX、BDHX2020、CSCD、CSCD2021_2022、EI、IC、JST、MR、RCCSE、SCOPUS、ZGKJHX、ZMATH、核心刊

摘　　要：智能合约是区块链技术最成功的应用之一,为实现各式各样的区块链现实应用提供了基础,在区块链生态系统中处于至关重要的地位.然而,频发的智能合约安全事件不仅造成了巨大的经济损失,而且破坏了基于区块链的信用体系,智能合约的安全性和可靠性成为国内外研究的新关注点.首先从Solidity代码层、EVM执行层、区块链系统层这3个层面介绍了智能合约常见的漏洞类型和典型案例;继而,从形式化验证法、符号执行法、模糊测试法、中间表示法、深度学习法这5类方法综述了智能合约漏洞检测技术的研究进展,针对现有漏洞检测方法的可检测漏洞类型、准确率、时间消耗等方面进行了详细的对比分析,并讨论了它们的局限性和改进思路;最后,根据对现有研究工作的总结,探讨了智能合约漏洞检测领域面临的挑战,并结合深度学习技术展望了未来的研究方向.

关 键 词：区块链 智能合约  以太坊  漏洞检测 自动化工具

分 类 号：TP311]