28743

ارائه مدلي جديد براي ارزيابي امنيت قراردادهاي هوشمند

كارشناسي ارشد

مهندسي فناوري اطلاعات (IT)- تجارت الكترونيك

1399

1402/6/21

محمد فتحيان

مهندسي صنايع

در عصر امروز، با پيشرفت فناوري بلاكچين و افزايش استفاده از قراردادهاي هوشمند، امنيت و اعتماد در اين نوع توافق‌نامه‌ها به‌عنوان يك عامل بسيار حياتي براي موفقيت آنها محسوب مي‌شود. با اين حال، مسائل مربوط به امنيت همچنان يك چالش مهم براي قراردادهاي هوشمند باقي مي‌مانند. در اين تحقيق، به منظور افزايش سطح امنيت در قراردادهاي هوشمند، يك مدل ارزيابي امنيتي نوآورانه ارائه شده است. اين مدل با بهره‌گيري از تجزيه‌وتحليل پيشرفته و الگوريتم‌هاي يادگيري ماشين، قابليت شناسايي آسيب‌پذيري‌هاي موجود در كدهاي منبع قراردادهاي هوشمند را داراست و در نتيجه به بهبود امنيت اين نوع قراردادها كمك مي‌كند. اين مدل بر اساس معماري يادگيري عميق ResNet50 پياده‌سازي شده است و توانايي تشخيص و دسته‌بندي آسيب‌پذيري‌هاي موجود در قراردادهاي هوشمند از طريق تحليل تصاوير ايجاد شده از قرارداد را با دقت 87 درصد دارد. در انتها، يك برنامه تحت وب ارائه شده است كه توسط برنامه‌نويسان و عموم مردم قابل‌استفاده است. با ارائه فايل كدهاي منبع قراردادهاي هوشمند به اين برنامه، آسيب‌پذيري‌هاي موجود در اين قراردادها به صورت خودكار شناسايي مي‌شوند. اين ابزار تحت وب بر پايه مدل تحقيقي ارائه شده و با استفاده از روش‌هاي پيشرفته ارزيابي امنيت، تشخيص آسيب‌پذيري‌ها را بهبود مي‌بخشد. با استفاده از اين ابزار، كاربران مي‌توانند به سرعت و با دقت آسيب‌پذيري‌هاي موجود در قراردادهاي هوشمند را شناسايي كرده و اقدامات امنيتي مناسبي را براي تقويت امنيت و حفظ صحت اين قراردادها انجام دهند.

1402/07/05

A novel model for security assessment of smart contract

9/11/2024 12:00:00 AM

In today's era, with the advancement of blockchain technology and the increasing use of smart contracts, security and trust in these types of agreements are considered vital factors for their success. However, security issues continue to pose a significant challenge for smart contracts. In this research, in order to enhance security in smart contracts, an innovative security assessment model has been introduced. This model, utilizing advanced analysis and machine learning algorithms, has the capability to identify vulnerabilities present in the source code of smart contracts, thus contributing to the improvement of security for this type of agreement. Implemented based on the deep learning architecture ResNet50, it possesses the ability to detect and classify vulnerabilities in smart contracts through the analysis of images generated from the contract, with an accuracy of 87 percent. Finally, a web-based application has been provided, which is accessible to both programmers and the general public. By submitting the source code files of smart contracts to this application, vulnerabilities existing within these contracts are automatically identified. This web tool is built upon the research model and employs advanced security assessment methods to enhance the detection of vulnerabilities. Through the use of this tool, users can rapidly and accurately identify vulnerabilities in smart contracts and take appropriate security measures to safeguard their integrity and security.

ارزيابي امنيتي , قراردادهاي هوشمند , آسيب پذيري , تست و اعتبار سنجي , ساليديتي

Security Assessment , smart contracts , vulnerability , Test and Validation , Solidity

Saeed Ghasem Shirazi

Dr. Fathian