Алгоритми підвищення безпеки смарт-контрактів на основі штучного інтелекту

Abstract

Метою роботи є підвищення рівня захищеності смарт-контрактів шляхом розробки та впровадження алгоритмів автоматизованого аудиту на основі методів машинного навчання. Методи досліджень. Для розв’язання поставлених задач у даній кваліфікаційній роботі використано: системний аналіз (для огляду предметної області та вразливостей), статичний аналіз коду (для отримання метрик та побудови AST), методи машинного навчання (для класифікації вразливостей), експериментальні методи (для оцінки ефективності розробленого комплексу). Результати дослідження: проаналізовано критичні вразливості смартконтрактів та обмеження існуючих інструментів аудиту; розроблено алгоритм підготовки даних з використанням абстрактного синтаксичного дерева; створено архітектуру нейронної мережі для виявлення вразливостей; реалізовано програмний комплекс з підтримкою CLI; досягнуто зменшення рівня хибнопозитивних спрацювань до 15%.

The purpose of the thesis is to enhance the security level of smart contracts by developing and implementing automated audit algorithms based on machine learning methods. Research methods. To solve the set tasks, the following methods were used: system analysis (to review the subject area and vulnerabilities), static code analysis (to obtain metrics and build the AST), machine learning methods (to classify vulnerabilities), and experimental methods (to evaluate the effectiveness of the developed complex). Research results: critical smart contract vulnerabilities and limitations of existing audit tools have been analyzed; a data preparation algorithm using the Abstract Syntax Tree (AST) has been developed; a neural network architecture for vulnerability detection has been created; a software complex supporting CLI and CI/CD integration has been implemented; a reduction of false positives to 15% has been achieved.