ReChecker——基于BLSTM-ATT的智能合约可重入漏洞检测器

前言

《智能合约安全漏洞检测技术研究综述》，该文章刊登时间为：2021-5-20，刊登期刊：软件学报，其中包含了基于深度学习的智能合约安全漏洞检测技术的总结，本文主要是解决在复现其中开源项目ReChecker（论文链接）的过程中出现的一些问题，项目开源地址 https://github.com/Messi-Q/ReChecker

工具复现

ReChecker项目安装

通过git进行项目下载安装git clone https://github.com/Messi-Q/ReChecker.git
其中可能会遇到这种问题fatal: unable to access ‘https://github.com/…’: OpenSSL SSL_read: Connection was reset, errno 10054
解决办法

安装python三方依赖包

这边建议重新使用一个新的虚拟环境，去安装项目所需的依赖包

pip install --upgrade tensorflow
pip install pandas
pip install scikit-learn
pip install gensim
pip install matplotlib

项目调试运行

第一个问题

当我们第一次运行SmConVulDetector.py这个文件时，会出现如下错误：

问题产生原因：也许是版本问题导致的
解决方法：跳转到问题文件将from keras.utils import to_categorical 变成from tensorflow.keras.utils import to_categorical

再次运行SmConVulDetector.py这个文件时，会出现如下错误：

问题产生原因：也许是版本问题导致的 跟上面一样
解决方法：跳转到问题文件将from keras.optimizers import Adamax 变成from tensorflow.keras.optimizers import Adamax
同样要修改的文件还有blstm_attention.py、lstm.py

第二个问题

再次运行SmConVulDetector.py这个文件时，会出现如下错误：

问题产生原因：无法成功导入该包呗，起初我看了下导入确实没有问题，问题出在parser上，可能由于parser这个词比较特殊
解决方法：将parser.py重命名为parser1.py即可

第三个问题

错误显示：

问题原因：可能由于word2Vec的版本问题导致的，这里的size应该改为vector_size
解决方法：跳转到 “D:\smartcontracts\ReChecker\vectorize_fragment.py”, line 135
model = Word2Vec(self.fragments, min_count=1, vector_size=self.vector_length, sg=0) # sg=0: CBOW; sg=1: Skip-Gram

第四个问题

错误显示：

问题原因：跳转到问题出错行，n_samples=0 意思就是没有训练的数据，（test_size设置成0.99也是个人才，不知道怎么想的？）问题原因出在160与161行，这边vectors与labels弄反了，不信的同学可以打印一下看看

解决方法，160行与161行修改成如下：

        vectors = np.stack(data.iloc[:, 0].values)
        labels = data.iloc[:, 1].values

第五个问题

错误显示：

问题原因：不知道
解决方法：用shape=shape
修改后的代码：

 self.W = self.add_weight(shape=(input_shape[-1], input_shape[-1],),
                                 initializer=self.init,
                                 name='{}_W'.format(self.name),
                                 regularizer=self.W_regularizer,
                                 constraint=self.W_constraint)

后面的self.b 与self.u同样修改

第六个问题

错误显示：

错误原因：if class_weight ，class_weight应该是一个真假值亦或者是一个01值，单打印出来后，他是一个float的列表，应该转换成字典 ，其中key 分别为 0 与 1，
注意class_weight 一定是一个字典
解决方法：
跳转到问题行，将

self.class_weight = compute_class_weight(class_weight='balanced', classes=[0, 1], y=labels)

修改成

        # 计算类别权重
        my_class_weight = compute_class_weight(class_weight='balanced', classes=[0, 1], y=labels)
        # 需要转成字典
        class_weight_dict = dict(zip([x for x in np.unique(labels)], my_class_weight))
        self.class_weight =class_weight_dict

到此问题暂时性没有了，如有后续实验再更