基于强化学习的智能合约模糊测试

作     者：谈聪 李钊 廖思捷 秦素娟 TAN Cong;LI Zhao;LIAO Sijie;QIN Sujuan

作者机构：北京邮电大学网络安全学院北京100876 中国电子科技集团公司第三十研究所四川成都610041 

出 版 物：《通信技术》 (Communications Technology)

年 卷 期：2025年第58卷第1期

页      面：82-90页

学科分类：081203[工学-计算机应用技术] 08[工学] 0835[工学-软件工程] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

基　　金：国家重点研发计划(2021YFB2700400) 

主　　题：区块链 智能合约 模糊测试 强化学习 拓扑排序 

摘      要：随着区块链技术的迅猛发展,智能合约在数字资产交易等领域的应用日益广泛。然而,其安全漏洞问题也日益凸显,对区块链系统的安全性构成了严重威胁。鉴于此,提出了一种基于强化学习的智能合约模糊测试方法 RL_soFuzzer,以提高智能合约的安全检测效率。传统的模糊测试方法需生成大量的交易序列来触发潜在漏洞,会导致状态空间爆炸和代码覆盖率低下。RL_soFuzzer利用强化学习技术对内存快照进行调度,并结合数据流相关性排序,进行深度检测。同时引入了基于拓扑排序的函数状态变量排序机制,减少测试过程中的不确定性。实验结果表明,RL_soFuzzer在代码覆盖率和漏洞检测能力上显著优于传统方法,在实际应用中性能卓越。