پیوندهای مفید
آمار
| تعداد نشریات | 21 |
| تعداد شمارهها | 702 |
| تعداد مقالات | 10,131 |
| تعداد مشاهده مقاله | 71,399,295 |
| تعداد دریافت فایل اصل مقاله | 63,119,031 |
شناسایی قراردادهای هوشمند آسیب پذیر در بلاک چین اتریوم به کمک یک معیار مؤثر برای برآورد خطر آنها | ||
| مدل سازی در مهندسی | ||
| مقالات آماده انتشار، پذیرفته شده، انتشار آنلاین از تاریخ 27 اردیبهشت 1405 | ||
| نوع مقاله: مقاله کامپیوتر | ||
| شناسه دیجیتال (DOI): 10.22075/jme.2025.36606.2793 | ||
| نویسنده | ||
| محمود دی پیر* | ||
| دانشکده رایانه و فناوری اطلاعات، دانشگاه هوایی شهید ستاری | ||
| تاریخ دریافت: 28 دی 1403، تاریخ بازنگری: 06 آذر 1404، تاریخ پذیرش: 08 دی 1404 | ||
| چکیده | ||
| شناسایی قراردادهای هوشمند آسیب پذیر تأثیر مستقیمی بر امنیت بلاک چین دارد زیرا به کاربران کمک میکند از استفاده از این قراردادها اجتناب کنند. محاسبه میزان ریسک نسبت به شناسایی دقیق این نوع قراردادها با استفاده از مدلهای طبقه بندی، برتری دارد زیرا این مدلها دارای خطاهای طبقه بندی هستند. علاوه بر این، دادههای لازم برای دستیابی به دقت بالا ممکن است در دسترس نباشند. بنابراین، با کمک معیار برآورد ریسک آسیب پذیری برای قراردادهای هوشمند، میتوان به کاربران در تصمیم گیری کمک کرد. در این پژوهش، مسئله ریسک آسیب پذیری در قراردادهای هوشمند معرفی شده است. علاوه بر این، یک معیار موثری برای برآورد آن، ابداع شده است. در این معیار، برای تخمین ریسک یک قرارداد هوشمند ناشناخته، از تحلیل تفکیکی خطی قراردادهای هوشمند و فواصل تا نزدیکترین همسایگان آنها بهره برداری می شود. اگرچه یادگیری عمیق در معیار پیشنهادی استفاده نمیشود و به دادههای آموزشی کمی نیاز دارد، اما تخمین ریسک واقع بینانه ای را ارائه میدهد. آزمایشهای انجامشده بر روی مجموعه دادههای واقعی از قراردادهای هوشمند بلاک چین اتریوم، شامل قراردادهای آسیبپذیر و ایمن، اثربخشی معیار پیشنهادی را نشان میدهد. علاوه بر این، عملکرد معیار پیشنهادی نسبت به معیارهای موجود تخمین ریسک در سایر زمینهها، مانند برنامهها و لینکها، از نظر نرخ تشخیص، دقت، فراخوانی و امتیازF1 برتری دارد. | ||
| کلیدواژهها | ||
| بلاکچین؛ قراردادهای هوشمند؛ برآورد ریسک؛ تحلیل تفکیکی خطی؛ نزدیک ترین همسایه؛ نرخ تشخیص | ||
| عنوان مقاله [English] | ||
| Vulnerable Smart Contracts Detection on the Ethereum Blockchain Using an Effective Risk Estimation Metric | ||
| نویسندگان [English] | ||
| Mahmood Deypir | ||
| Computer Engineering | ||
| چکیده [English] | ||
| Identifying vulnerable smart contracts has a direct impact on blockchain security because it helps users avoid using these contracts. Calculating the risk level is preferable to accurately identifying these types of contracts using classification models because these models have classification errors. In addition, the data required to achieve high accuracy may not be available. Therefore, with the help of a vulnerability risk estimation criterion for smart contracts, users can be helped in decision-making. In this research, the issue of vulnerability risk in smart contracts is introduced. In addition, an effective criterion for its estimation is devised. In this criterion, linear discriminant analysis of smart contracts and distances to their nearest neighbors is exploited to estimate the risk of an unknown smart contract. Although deep learning is not used in the proposed criterion and it requires little training data, it provides a realistic risk estimate. Experiments conducted on a real dataset of Ethereum blockchain smart contracts, including vulnerable and secure contracts, demonstrate the effectiveness of the proposed criterion. Furthermore, the performance of the proposed measure in term of detection rate, accuracy, recall and F1-score is superior to existing risk estimation metrics in other areas, such as apps and URLs. | ||
| کلیدواژهها [English] | ||
| Blockchain, Smart contracts, Risk estimation, Linear discriminant analysis, Nearest neighbor, Detection rate | ||
| مراجع | ||
|
| ||
|
آمار تعداد مشاهده مقاله: 12 |
||