Nghiên Cứu Về Phát Hiện Lỗ Hổng Hợp Đồng Thông Minh Bằng Machine Learning và Biểu Diễn Đồ Thị

Khóa luận nghiên cứu phương pháp phát hiện lỗ hổng bảo mật hợp đồng thông minh bằng học máy và biểu diễn đồ thị, nâng cao an toàn thông tin.

• Tác giả: Trần Xuân Nam
• Người hướng dẫn: ThS. Trần Tuấn Dũng
• Trường học: Đại Học Quốc Gia Hồ Chí Minh
• Chuyên ngành: Ngành An Toàn Thông Tin
• Đề tài: Phát Hiện Lỗ Hổng Hợp Đồng Thông Minh Sử Dụng Machine Learning và Biểu Diễn Đồ Thị
• Loại tài liệu: khóa luận tốt nghiệp
• Năm xuất bản: 2024
• Địa điểm: TP.Hồ Chí Minh

Mục lục chi tiết

• LỜI CẢM ƠN
• 1. CHƯƠNG 1: TỔNG QUAN ĐỀ TÀI
• 1.1. Giới thiệu vấn đề
• 1.2. Các nghiên cứu liên quan
• 1.3. Những thách thức
• 1.4. Mục tiêu, đối tượng, và phạm vi nghiên cứu
• 1.4.1. Mục tiêu nghiên cứu
• 1.4.2. Đối tượng nghiên cứu
• 1.4.3. Phạm vi nghiên cứu
• 1.5. Cấu trúc của khóa luận tốt nghiệp
• 2. CHƯƠNG 2: CƠ SỞ LÝ THUYẾT VÀ THÀNH PHẦN LIÊN QUAN
• 2.1. Các thành phần liên quan đến hợp đồng thông minh
• 2.2. Các lỗ hổng phổ biến
• 2.3. Cây cú pháp trừu tượng (AST)
• 2.3.1. Thành phần của AST
• 2.3.2. Quá trình tạo AST
• 2.4. AST trong phát hiện lỗ hổng bảo mật hợp đồng thông minh
• 2.5. Biểu diễn đồ thị
• 2.5.1. Đồ thị và ứng dụng trong việc phân tích mã
• 2.5.2. Đồ thị dòng dữ liệu (DFG)
• 2.5.3. Đồ thị dòng dữ liệu quan trọng (CDFG)
• 2.5.4. Cách thức hoạt động
• 2.6. Mạng nơ-ron
• 2.6.1. Một số thành phần chính của mạng nơ-ron
• 2.6.2. Một số các khái niệm khác
• 2.6.3. Một số kiến trúc mạng nơ-ron phổ biến trong lĩnh vực học sâu
• 2.6.4. Phương pháp học trong học sâu
• 2.6.5. Các hàm tính toán khoảng cách thường dùng
• 2.6.6. Các ứng dụng của việc sử dụng phương pháp phát hiện lỗ hổng bảo mật trong hợp đồng thông minh sử dụng các cách tiếp cận học máy và biểu diễn đồ thị
• 3. CHƯƠNG 3: TỔNG QUAN VỀ MÔ HÌNH
• 3.1. Định nghĩa vấn đề
• 3.2. Tiền xử lí dữ liệu
• 3.2.1. Đối với mô hình huấn luyện GraphCodeBERT
• 3.2.2. Đối với mô hình huấn luyện GCN
• 3.3. Dữ liệu đã xử lý vào mô hình huấn luyện
• 3.3.1. Mô hình huấn luyện GraphCodeBERT
• 3.3.2. Mô hình huấn luyện GCN
• 3.4. Phương pháp đánh giá
• 4. CHƯƠNG 4: THÍ NGHIỆM VÀ ĐÁNH GIÁ
• 4.1. Cài đặt môi trường
• 4.2. Tập dữ liệu sử dụng
• 4.2.1. Xử lí dữ liệu cho mô hình huấn luyện GraphCodeBERT
• 4.2.2. Xử lí dữ liệu cho mô hình huấn luyện GCN
• 4.3. Dữ liệu đã xử lí vào mô hình huấn luyện GraphCodeBERT
• 4.4. Dữ liệu đã xử lí vào mô hình huấn luyện GCN
• 4.5. Phân loại và đánh giá hợp đồng
• 5. CHƯƠNG 5: KẾT LUẬN VÀ HƯỚNG PHÁT TRIỂN
• 5.1. Kết luận
• 5.2. Hướng cải thiện và phát triển
• TÀI LIỆU THAM KHẢO

Tóm tắt

I. Tổng Quan Về Phát Hiện Lỗ Hổng Hợp Đồng Thông Minh

Phát hiện lỗ hổng trong hợp đồng thông minh là một vấn đề quan trọng trong lĩnh vực blockchain. Hợp đồng thông minh, với tính chất tự động và không thể thay đổi, yêu cầu mức độ bảo mật cao. Việc phát hiện sớm các lỗ hổng có thể ngăn chặn các cuộc tấn công mạng và bảo vệ tài sản số. Nghiên cứu này sẽ tập trung vào việc sử dụng machine learning và biểu diễn đồ thị để phát hiện các lỗ hổng trong mã nguồn hợp đồng thông minh.

1.1. Khái Niệm Về Hợp Đồng Thông Minh

Hợp đồng thông minh là các chương trình tự động thực hiện các điều khoản của hợp đồng. Chúng được triển khai trên blockchain và yêu cầu độ bảo mật cao. Việc phát hiện lỗ hổng trong hợp đồng thông minh là cần thiết để đảm bảo tính toàn vẹn của các giao dịch.

1.2. Tầm Quan Trọng Của Việc Phát Hiện Lỗ Hổng

Việc phát hiện lỗ hổng trong hợp đồng thông minh giúp ngăn chặn các cuộc tấn công và bảo vệ tài sản. Các lỗ hổng có thể dẫn đến mất mát tài sản và gây ra hậu quả nghiêm trọng. Do đó, nghiên cứu này sẽ tập trung vào các phương pháp phát hiện hiệu quả.

II. Những Thách Thức Trong Phát Hiện Lỗ Hổng Hợp Đồng Thông Minh

Phát hiện lỗ hổng trong hợp đồng thông minh gặp nhiều thách thức. Sự đa dạng của ngôn ngữ lập trình, tính chất đặc thù của các giao dịch và môi trường blockchain đều làm cho việc phát hiện trở nên phức tạp. Các công cụ kiểm thử cần phải có khả năng xử lý các yếu tố này để đảm bảo phát hiện chính xác.

2.1. Đặc Điểm Ngôn Ngữ Lập Trình

Hợp đồng thông minh thường được viết bằng các ngôn ngữ như Solidity. Cú pháp và cách hoạt động của các ngôn ngữ này có thể gây khó khăn trong việc phân tích và phát hiện lỗ hổng.

2.2. Môi Trường Blockchain Phân Tán

Hợp đồng thông minh hoạt động trong môi trường blockchain phân tán, điều này làm cho việc phát hiện lỗ hổng trở nên phức tạp hơn. Các công cụ kiểm thử cần phải xử lý các khía cạnh phân tán để xác định lỗi.

III. Phương Pháp Phát Hiện Lỗ Hổng Bằng Machine Learning

Sử dụng machine learning trong phát hiện lỗ hổng hợp đồng thông minh đã trở thành một xu hướng mới. Các mô hình học sâu có thể học các đặc điểm của mã nguồn và phát hiện lỗ hổng ngay cả khi mã nguồn được mã hóa hoặc biến đổi. Nghiên cứu này sẽ trình bày các phương pháp cụ thể.

3.1. Mô Hình GraphCodeBERT

Mô hình GraphCodeBERT được sử dụng để phát hiện lỗ hổng trong mã nguồn hợp đồng thông minh. Mô hình này học từ các đặc điểm cú pháp và ngữ nghĩa của mã nguồn để phát hiện lỗ hổng.

3.2. Mô Hình GCN Graph Convolutional Network

Mô hình GCN cũng được áp dụng để phát hiện lỗ hổng. Mô hình này sử dụng các đồ thị để biểu diễn cấu trúc của mã nguồn và phát hiện các lỗ hổng tiềm ẩn.

IV. Ứng Dụng Thực Tiễn Của Phương Pháp Phát Hiện Lỗ Hổng

Các phương pháp phát hiện lỗ hổng bảo mật trong hợp đồng thông minh có thể được áp dụng trong nhiều lĩnh vực. Việc phát hiện sớm các lỗ hổng giúp bảo vệ tài sản và nâng cao độ tin cậy của phần mềm. Nghiên cứu này sẽ trình bày các ứng dụng thực tiễn của các phương pháp đã đề xuất.

4.1. Bảo Vệ Tài Sản Số

Phát hiện lỗ hổng giúp ngăn chặn các cuộc tấn công và bảo vệ tài sản số. Các nhà phát triển có thể sửa chữa các lỗ hổng trước khi triển khai hợp đồng lên blockchain.

4.2. Nâng Cao Chất Lượng Phần Mềm

Việc phát hiện lỗ hổng trong mã nguồn giúp đảm bảo chất lượng và độ tin cậy của phần mềm. Các nhà phát triển có thể tối ưu hóa mã và giảm thiểu rủi ro bảo mật.

V. Kết Luận Và Tương Lai Của Phát Hiện Lỗ Hổng

Nghiên cứu về phát hiện lỗ hổng trong hợp đồng thông minh sử dụng machine learning và biểu diễn đồ thị đang ngày càng phát triển. Các phương pháp này không chỉ giúp phát hiện lỗ hổng hiệu quả mà còn mở ra hướng đi mới cho nghiên cứu bảo mật trong lĩnh vực blockchain. Tương lai của nghiên cứu này hứa hẹn sẽ mang lại nhiều giá trị cho cộng đồng.

5.1. Hướng Phát Triển Mới

Nghiên cứu có thể mở rộng sang các lĩnh vực khác như an ninh mạng và phát triển phần mềm. Việc áp dụng các phương pháp mới sẽ giúp nâng cao hiệu quả phát hiện lỗ hổng.

5.2. Tầm Quan Trọng Của Nghiên Cứu

Nghiên cứu này không chỉ có giá trị trong lĩnh vực blockchain mà còn có thể áp dụng cho các lĩnh vực khác. Việc phát hiện lỗ hổng bảo mật là cần thiết để đảm bảo an toàn cho các hệ thống.

Nội dung chính

Bối cảnh và vấn đề nghiên cứu

Với sự phát triển mạnh mẽ của công nghệ blockchain và các ứng dụng tài chính phi tập trung (DeFi), hợp đồng thông minh (smart contract) ngày càng đóng vai trò trung tâm trong việc tự động hóa các giao dịch và thỏa thuận số. Đặc thù của hợp đồng thông minh là không thể sửa đổi sau khi đã được triển khai lên mạng blockchain, do đó bất kỳ lỗ hổng bảo mật nào tiềm ẩn trong mã nguồn đều có thể bị kẻ tấn công khai thác, gây mất mát tài sản số hoặc dẫn đến các hậu quả pháp lý nghiêm trọng. Tác giả xác định rằng các phương pháp phát hiện lỗ hổng truyền thống — chủ yếu dựa trên kỹ thuật thống kê hoặc so sánh ký tự — tỏ ra kém hiệu quả khi mã nguồn được mã hóa hoặc biến đổi. Trong bối cảnh đó, việc ứng dụng học máy và biểu diễn đồ thị để tự động phát hiện lỗ hổng là hướng tiếp cận được cộng đồng nghiên cứu ngày càng quan tâm.

Mục tiêu nghiên cứu: Nghiên cứu và xây dựng phương pháp phát hiện lỗ hổng bảo mật trong mã nguồn hợp đồng thông minh sử dụng cách tiếp cận học máy và biểu diễn đồ thị.

Đối tượng nghiên cứu bao gồm: (1) các thành phần cấu tạo nên hợp đồng thông minh; (2) cách triển khai hợp đồng trên Private chain; (3) tiếp cận học máy; (4) các loại lỗ hổng phổ biến như reentrancy, integer overflow/underflow, denial-of-service (DoS); (5) các mô hình đồ thị và học máy liên quan như GraphSAGE, GCN, CNN, GNN.

Phạm vi nghiên cứu: Khóa luận giới hạn phạm vi ở hợp đồng thông minh được viết bằng ngôn ngữ Solidity và triển khai trên mạng Ethereum, với lý do Solidity là ngôn ngữ phổ biến nhất cho nền tảng này, có cộng đồng lớn, tài liệu phong phú và nguồn dữ liệu đa dạng. Phạm vi kỹ thuật gồm việc trích xuất các thuộc tính và hàm của hợp đồng, xây dựng mô hình phát hiện lỗ hổng và đánh giá khả năng phát hiện của phương pháp đề xuất.

---

Cơ sở lý thuyết và phương pháp

Khung lý thuyết và mô hình sử dụng

Khóa luận xây dựng nền tảng lý thuyết từ hai nhóm tri thức chính:

Nhóm biểu diễn mã nguồn:

• Cây cú pháp trừu tượng (Abstract Syntax Tree — AST): Được tạo ra bằng thư viện Tree-sitter, AST chuyển đổi mã nguồn Solidity qua bốn bước — chia token, xây dựng cây cú pháp, tạo AST, gắn thông tin vị trí — nhằm biểu diễn cú pháp và cấu trúc logic của hợp đồng.
• Đồ thị dòng dữ liệu (Data Flow Graph — DFG): Biểu diễn mối quan hệ phụ thuộc giữa các biến chương trình thông qua các cạnh có hướng.
• Đồ thị dòng dữ liệu quan trọng (Crucial Data Flow Graph — CDFG): Dạng rút gọn của DFG, tập trung vào các nút và cạnh liên quan đến thông tin nhạy cảm như call.value, phục vụ phát hiện lỗ hổng tái nhập (reentrancy).

Nhóm mô hình học máy và học sâu:

• GraphCodeBERT: Mô hình ngôn ngữ mã nguồn xây dựng trên kiến trúc Transformer, cụ thể là BERT (Bidirectional Encoder Representations from Transformers). GraphCodeBERT kết hợp thông tin ngữ nghĩa từ văn bản mã nguồn với thông tin cấu trúc từ đồ thị dữ liệu.
• Graph Convolutional Network (GCN): Mạng tích chập đồ thị xử lý dữ liệu ở dạng đồ thị có hướng, học đặc trưng thông qua các lớp tích chập trên đồ thị (GraphConvolutionLayer).
• Ensemble Learning (kết hợp mô hình): Phương pháp trung bình hóa (averaging) kết quả đầu ra của hai mô hình GraphCodeBERT và GCN để đưa ra phán đoán cuối cùng về lỗ hổng.

Các kiến trúc mạng nơ-ron bổ trợ được trình bày trong cơ sở lý thuyết gồm: CNN, RNN, LSTM, GRU, GAN, Siamese Neural Network. Các hàm kích hoạt được đề cập: Sigmoid, Tanh, ReLU, Leaky ReLU, Softmax. Các hàm tính khoảng cách: khoảng cách Euclidean, Manhattan (L1 norm), Cosine.

Phương pháp nghiên cứu

Khóa luận sử dụng phương pháp thiết kế và thực nghiệm hệ thống, gồm các bước: tiền xử lý dữ liệu, xây dựng và huấn luyện mô hình, đánh giá và so sánh hiệu quả. Đây là nghiên cứu ứng dụng kỹ thuật học sâu (deep learning) vào bài toán phân loại nhị phân (hợp đồng có/không có lỗ hổng).

Nguồn dữ liệu

Tác giả sử dụng tập dữ liệu hợp đồng thông minh viết bằng Solidity, được biên dịch và lưu dưới dạng tệp JSONL. Khóa luận không công bố tên cụ thể của tập dữ liệu công khai được sử dụng, nhưng mô tả rõ quy trình xử lý dữ liệu riêng biệt cho từng mô hình.

---

Nội dung chính theo từng chương

Chương 1: Tổng quan đề tài

Chương này đặt vấn đề nghiên cứu, phân tích bối cảnh và điểm qua các nghiên cứu liên quan. Tác giả điểm lại ba hướng tiếp cận đã có:

Nhóm nghiên cứu	Phương pháp	Năm
Yuan Zhuang và cộng sự	Graph Neural Networks (GNNs) + Temporal Message Propagation Network (TMP) để học đồ thị hợp đồng	~2021
Lejun Zhang và cộng sự	Đồ thị thông tin (information graph) + kết hợp CNN, RNN, Transformer và 4 mô hình khác (7 loại tổng cộng)	Không ghi năm
Lei Zhang và cộng sự	AST + Control Flow Graph (CFG) để hợp nhất đặc điểm cú pháp và ngữ nghĩa	2023

Bốn thách thức chính được chỉ ra: (1) sự đa dạng ngôn ngữ viết hợp đồng (Solidity, Vyper...); (2) khả năng hợp đồng bị sửa đổi sau khi triển khai; (3) độ phức tạp của môi trường blockchain phân tán; (4) phạm vi kiểm thử hạn chế do tính phức tạp của hợp đồng.

Chương 2: Cơ sở lý thuyết và thành phần liên quan

Chương này trình bày nền tảng lý thuyết toàn diện gồm bốn nhóm: (1) các thành phần hợp đồng thông minh (ngôn ngữ Solidity, môi trường Ethereum, mã nguồn, giao thức thực thi, giao dịch/sự kiện); (2) các lỗ hổng phổ biến; (3) cấu trúc biểu diễn mã nguồn; (4) kiến trúc mạng nơ-ron.

Trong phần lỗ hổng phổ biến, tác giả mô tả chi tiết bốn loại: Suicidal (khai thác lệnh selfdestruct), Call injection (khai thác lệnh call, callcode, delegatecall), Reentrancy (tấn công tái nhập qua call.value, minh họa bằng ví dụ mã Solidity cụ thể với hợp đồng Reentrance và Attack), và Integer overflow/underflow (các lệnh add, sub, mul).

Đối với biểu diễn đồ thị, chương phân biệt rõ DFG và CDFG: DFG biểu diễn toàn bộ mối quan hệ dữ liệu, trong khi CDFG chỉ giữ lại các nút và cạnh quan trọng có thể gây ra lỗ hổng. Bảng 3.1 (đặt trong Chương 3) tổng kết bốn loại cạnh ngữ nghĩa trong đồ thị: luồng điều khiển, luồng dữ liệu, chuyển tiếp và dự phòng.

Chương 3: Tổng quan về mô hình

Chương này mô tả kiến trúc tổng thể và quy trình ba bước của hệ thống đề xuất:

Bước 1 — Tiền xử lý dữ liệu:

Đối với GraphCodeBERT: Mã nguồn → phân tích thành AST bằng Tree-sitter → trích xuất chuỗi biến → xây dựng DFG → rút gọn thành CDFG theo thông tin quan trọng (call.value). Thư viện Tree-sitter tạo AST qua bốn bước: chia token → xây dựng cây cú pháp → tạo AST → gắn thông tin vị trí.

Đối với GCN: Mã nguồn được chuyển đổi thành đồ thị có hướng (directed graph) dạng vector, thông qua các bước: xác định cạnh đặc trưng → xác định nút đặc trưng → chuẩn hóa đồ thị thành dạng vector. Công cụ Graph2vec được sử dụng trong nhánh này.

Bước 2 — Huấn luyện mô hình:

GraphCodeBERT: Kiến trúc gồm lớp RobertaClassificationHead cho phân loại và lớp Model tổng thể. Mô hình được huấn luyện với các thông số cấu hình (config) và theo dõi training loss và F1 score theo từng epoch/steps.

GCN: Kiến trúc gồm lớp GraphConvolutionLayer (thực hiện phép tích chập trên đồ thị) và lớp GCN (xử lý toàn bộ đồ thị). Hàm huấn luyện riêng biệt được xây dựng cho mô hình này.

Bước 3 — Kết hợp và đánh giá: Kết quả từ hai mô hình được kết hợp bằng Ensemble Learning (averaging) để đưa ra phán đoán cuối cùng.

Chương 4: Thí nghiệm và đánh giá

Chương trình bày môi trường cài đặt, quy trình xử lý dữ liệu cụ thể và kết quả thực nghiệm. Nội dung được tổ chức theo từng mô hình: xử lý dữ liệu cho GraphCodeBERT (bao gồm xóa comment, tạo tệp JSONL, biên dịch thành DFG, xác định nút quan trọng, loại bỏ điểm độc lập, rút gọn DFG thành CDFG), xử lý dữ liệu cho GCN (trích xuất cạnh đặc trưng, cạnh nút đặc trưng, chuẩn hóa đồ thị thành vector), huấn luyện từng mô hình, và cuối cùng phân loại và đánh giá hợp đồng tổng hợp. Chương cũng hiển thị biểu đồ training loss và F1 score của GraphCodeBERT theo epoch và steps.

Chương 5: Kết luận

Chương tổng kết kết quả đạt được và đề xuất hướng cải thiện, phát triển trong tương lai.

---

Thiết kế và triển khai

Kiến trúc hệ thống

Hệ thống được thiết kế theo kiến trúc hai nhánh song song hội tụ:

• Nhánh 1 (GraphCodeBERT): Mã nguồn Solidity → Tree-sitter (AST) → DFG → CDFG → GraphCodeBERT (Transformer-based) → xác suất phân loại
• Nhánh 2 (GCN): Mã nguồn Solidity → đồ thị có hướng → Graph2vec (vector hóa) → GCN → xác suất phân loại
• Tổng hợp: Ensemble Learning (averaging) → kết quả cuối (có/không có lỗ hổng)

Công nghệ sử dụng

Thành phần	Công nghệ/Thư viện
Phân tích cú pháp	Tree-sitter
Ngôn ngữ hợp đồng	Solidity (Ethereum)
Mô hình ngôn ngữ	GraphCodeBERT (BERT/Transformer)
Mạng đồ thị	GCN (Graph Convolutional Network)
Vector hóa đồ thị	Graph2vec
Kết hợp mô hình	Ensemble Learning (averaging)
Định dạng dữ liệu	JSONL

Quy trình tiền xử lý

Đối với GraphCodeBERT, quy trình tiền xử lý gồm: (1) xóa comment không cần thiết; (2) tạo tệp JSONL chứa dữ liệu các hợp đồng; (3) biên dịch hợp đồng thành DFG; (4) xác định các nút quan trọng; (5) loại bỏ điểm độc lập không phụ thuộc vào nút quan trọng; (6) rút gọn DFG thành CDFG.

Đối với GCN, quy trình tiền xử lý gồm: (1) trích xuất cạnh đặc trưng; (2) trích xuất nút đặc trưng; (3) chuẩn hóa đồ thị biểu diễn thành dạng vector.

Các lớp mô hình chính

• RobertaClassificationHead: Lớp đầu ra phân loại của GraphCodeBERT, xử lý các tác vụ phân loại câu
• Model: Kiến trúc tổng thể của mô hình GraphCodeBERT
• GraphConvolutionLayer: Lõi của GCN, thực hiện phép tích chập trên đồ thị
• GCN: Mô hình mạng nơ-ron xử lý dữ liệu dạng đồ thị

Đánh giá mô hình

Khóa luận sử dụng bộ chỉ số đánh giá chuẩn cho bài toán phân loại nhị phân, bao gồm: True Positive (TP), True Negative (TN), False Positive (FP), False Negative (FN), cùng các độ đo accuracy, precision, recall và F1-score. Kết quả được trực quan hóa qua biểu đồ training loss và F1 score theo từng epoch và steps trong quá trình huấn luyện GraphCodeBERT. Bảng 4.1 trong văn bản tổng kết các chỉ số đánh giá của mô hình.

---

Kết quả và đóng góp

Kết quả chính

Tác giả đề xuất và hiện thực hóa hệ thống phát hiện lỗ hổng bảo mật hợp đồng thông minh kết hợp hai mô hình: GraphCodeBERT và GCN, tổng hợp qua Ensemble Learning. Kết quả thực nghiệm được đánh giá và trực quan hóa qua biểu đồ training loss theo epoch và F1 score theo steps. Văn bản không công bố giá trị số cụ thể của các chỉ số cuối cùng (accuracy, F1, precision, recall) trong phần tóm tắt có thể trích dẫn trực tiếp.

Giải pháp và kiến nghị kỹ thuật

Hệ thống đề xuất có khả năng phân loại hợp đồng thông minh thành hai nhóm: có lỗ hổng hoặc không có lỗ hổng. Quy trình CDFG được thiết kế để tập trung học vào các vùng mã nhạy cảm, giúp mô hình tránh nhiễu từ các phần mã không liên quan đến bảo mật. Việc kết hợp Ensemble Learning được đề xuất như giải pháp tận dụng sức mạnh của cả hai nhánh mô hình nhằm đạt độ chính xác cao hơn so với chạy từng mô hình riêng lẻ.

Đóng góp so với nghiên cứu trước

So với các nghiên cứu được điểm luận, đóng góp đặc trưng của khóa luận là:

• Kết hợp GraphCodeBERT và GCN trong một pipeline thống nhất cho bài toán phát hiện lỗ hổng hợp đồng thông minh — hướng tiếp cận mà các nghiên cứu trước (Yuan Zhuang, Lejun Zhang, Lei Zhang) chưa áp dụng theo cấu hình này.
• Xây dựng quy trình CDFG từ DFG để lọc thông tin đồ thị, tập trung vào dữ liệu quan trọng liên quan trực tiếp đến lỗ hổng bảo mật, thay vì sử dụng toàn bộ đồ thị dữ liệu có thể gây nhiễu.
• Ứng dụng Tree-sitter như công cụ phân tích cú pháp để tạo AST, tích hợp vào pipeline học sâu cho hợp đồng Solidity.

---

Hạn chế và hướng nghiên cứu tiếp

Chương 5 đề cập đến hướng cải thiện và phát triển, nhưng không liệt kê các hạn chế cụ thể theo từng mục riêng. Dựa trên phạm vi nghiên cứu được nêu trong văn bản, có thể xác định một số giới hạn thực tế:

• Phạm vi chỉ bao phủ hợp đồng viết bằng Solidity trên Ethereum, chưa mở rộng sang các ngôn ngữ hợp đồng khác (Vyper, Serpent) hoặc các nền tảng blockchain khác (NEO, EOS).
• Bài toán phân loại được thiết kế ở mức nhị phân (có/không có lỗ hổng), chưa phân loại chi tiết từng loại lỗ hổng cụ thể trong cùng một luồng.
• Tác giả ghi nhận hướng phát triển tiếp theo tập trung vào cải thiện mô hình, mở rộng khả năng phát hiện và nâng cao hiệu suất hệ thống — chi tiết cụ thể không được liệt kê trong phần văn bản cung cấp.

---

Giá trị tham khảo

Khóa luận phù hợp để tham khảo cho các đối tượng sau:

• Sinh viên ngành An toàn thông tin và Khoa học máy tính đang tìm hiểu ứng dụng học sâu và mạng nơ-ron đồ thị (GNN, GCN) vào bài toán phân tích mã nguồn. Phần cơ sở lý thuyết Chương 2 cung cấp tổng quan có hệ thống về AST, DFG, CDFG và các kiến trúc mạng nơ-ron phổ biến.
• Sinh viên, nghiên cứu sinh làm đề tài về blockchain và DeFi có thể tham khảo phần phân loại lỗ hổng hợp đồng thông minh (Suicidal, Call injection, Reentrancy, Integer overflow/underflow) cùng ví dụ mã Solidity minh họa.
• Người thực hành an ninh phần mềm quan tâm đến quy trình xây dựng pipeline phát hiện lỗ hổng tự động, đặc biệt là quy trình tạo CDFG từ mã nguồn và tích hợp với mô hình học sâu.
• Nhà nghiên cứu quan tâm đến NLP cho mã nguồn có thể tham khảo cách triển khai GraphCodeBERT trong bối cảnh phân tích hợp đồng thông minh, khác với các ứng dụng NLP ngôn ngữ tự nhiên thông thường.

Phần đáng tham khảo nhất là Chương 3 (quy trình tiền xử lý dữ liệu và kiến trúc mô hình tổng quan) và Chương 4 (các đoạn mã minh họa cụ thể cho từng bước xử lý).

---

Câu hỏi thường gặp

1. Tại sao khóa luận chọn Solidity và Ethereum thay vì các ngôn ngữ/nền tảng blockchain khác? Tác giả nêu ba lý do: Solidity là ngôn ngữ hợp đồng thông minh phổ biến nhất trên Ethereum với cộng đồng lớn và nhiều tài liệu hỗ trợ; sự phổ biến của Solidity tạo ra nguồn dữ liệu phong phú cho việc thu thập và phân tích; Ethereum có hiệu suất và tính mở rộng tương đối tốt, phù hợp với các ứng dụng thực tế quy mô lớn.

2. CDFG khác DFG ở điểm nào và tại sao khóa luận ưu tiên sử dụng CDFG? DFG biểu diễn toàn bộ mối quan hệ phụ thuộc dữ liệu giữa các biến trong chương trình. CDFG là dạng rút gọn của DFG, chỉ giữ lại các nút và cạnh liên quan đến thông tin nhạy cảm (ví dụ: call.value trong lỗ hổng reentrancy). Tác giả nhận định rằng thông tin đồ thị quan trọng giúp mô hình tập trung vào các lỗ hổng bảo mật chính xác hơn, trong khi cấu trúc thông tin quá phức tạp không thúc đẩy quá trình học mô hình.

3. Vai trò của Ensemble Learning trong hệ thống là gì và phương pháp kết hợp cụ thể được sử dụng là gì? Ensemble Learning được sử dụng để kết hợp kết quả đầu ra từ hai mô hình GraphCodeBERT và GCN. Phương pháp kết hợp cụ thể là averaging (trung bình hóa), tức là lấy trung bình xác suất đầu ra của hai mô hình để đưa ra phán đoán cuối cùng về việc hợp đồng có chứa lỗ hổng hay không. Tác giả lập luận rằng cách này tận dụng được thế mạnh của cả hai nhánh mô hình.

4. Tree-sitter được sử dụng như thế nào trong pipeline của khóa luận và tại sao lại chọn công cụ này? Tree-sitter được dùng làm công cụ biên dịch tiêu chuẩn để phân tích mã nguồn Solidity thành AST. Quy trình gồm bốn bước: chia mã nguồn thành token, xây dựng cây cú pháp từ token, tạo AST với các nút và cạnh, gắn thông tin vị trí cho từng nút. AST này sau đó được dùng để xác định chuỗi biến và trích xuất DFG. Tree-sitter được chọn nhờ các đặc điểm: hiệu suất cao, hỗ trợ cập nhật động (incremental parsing), đa ngôn ngữ, cấu trúc cây có thể truy vấn và tích hợp tốt với IDE.

5. Những loại lỗ hổng nào trong hợp đồng thông minh được khóa luận nghiên cứu và cơ chế tấn công của Reentrancy là gì? Khóa luận xác định bốn loại lỗ hổng chính: Suicidal (khai thác lệnh selfdestruct), Call injection (khai thác call, callcode, delegatecall), Reentrancy (tấn công tái nhập), và Integer overflow/underflow (tràn số qua lệnh add, sub, mul). Cụ thể với Reentrancy, tác giả minh họa qua hai hợp đồng Reentrance và Attack: kẻ tấn công gọi hàm attack() → kích hoạt withdraw() trong Reentrance → hợp đồng gửi ether về Attack → fallback function của Attack gọi lại withdraw() trước khi lệnh trừ số dư được thực thi → lặp lại cho đến khi hết gas, khiến câu lệnh trừ token chỉ thực thi một lần duy nhất.

---

Kết luận

Khóa luận của Trần Xuân Nam (MSSV 20521637, Trường Đại học Công Nghệ Thông Tin — ĐHQG TP.HCM, 2024) đề xuất và hiện thực hóa một hệ thống phát hiện lỗ hổng bảo mật hợp đồng thông minh kết hợp hai mô hình học sâu — GraphCodeBERT và GCN — thông qua cơ chế Ensemble Learning. Điểm kỹ thuật nổi bật là quy trình chuyển đổi mã nguồn Solidity thành CDFG nhằm lọc thông tin đồ thị quan trọng trước khi đưa vào huấn luyện, giúp mô hình tập trung vào các vùng mã có nguy cơ bảo mật cao. Khóa luận cũng xây dựng nền tảng lý thuyết có hệ thống về AST, DFG, CDFG, các kiến trúc mạng nơ-ron đồ thị và các loại lỗ hổng phổ biến trong hợp đồng thông minh, phục vụ tốt cho người đọc mới tiếp cận lĩnh vực này. Phạm vi nghiên cứu giới hạn ở Solidity/Ethereum và bài toán phân loại nhị phân, để ngỏ hướng mở rộng sang phân loại đa loại lỗ hổng và các nền tảng blockchain khác.

Trích đoạn nội dung tài liệu

Chương 1: Giới thiệu tổng quan về dé tài của khóa luận và những nghiên cứu tương tự có liên quan. e Chương 2: Trình bày cơ sở lý thuyết và những kiến thức liên quan phục vụ cho đề tài. e Chương 3: Trình bày phương pháp phát hiên lỗ hong bảo mật hợp đồng thông minh mà chúng tôi đã nghiên cứu e Chương 4: Trình bày các thí nghiệm và đánh giá. e Chương 5: Kết luận và hướng phát triển của đề tài.

CƠ SỞ LÝ THUYẾT VÀ THÀNH PHẦN LIÊN QUAN Trong phần này chúng tôi sẽ trình bày các cơ sở lý thuyết liên quan của nghiên cứu: Bao gồm các thành phần liên quan của hợp đồng thong minh, biểu diễn đồ thị, mô hình học máy và học sâu. Các thành phần liên quan đến hợp đồng thông minh Ngôn ngữ hợp đồng: Ñgôn ngữ hợp đồng là ngôn ngữ mà hợp đồng thông minh được viết bằng. Các ngôn ngữ phổ biến trong lĩnh vực này bao gồm Solidity (cho Ethereum), Vyper, Serpent, NEO và nhiều ngôn ngữ khác. Ngôn ngữ hợp đồng định nghĩa các quy tắc và điều khoản của hợp đồng thông minh.

Môi trường blockchain: Hợp đồng thông minh hoạt động trong một môi trường blockchain phân tán. Blockchain cung cấp môi trường để triển khai và thực thi hợp đồng thông minh. Một số môi trường blockchain phổ biến bao gồm Ethereum, Bitcoin, NEO, EOS và nhiều mạng lưới blockchain khác. Mã nguồn hợp đồng: Mã nguồn hợp đồng là mã máy tính chứa quy tắc và logic của hợp đồng thông minh.

Nó được viết bằng ngôn ngữ hợp đồng tương ứng và thường được triển khai trên mạng lưới blockchain. Mã nguồn hợp đồng xác định hành vi và chức năng của hợp đồng thông minh Giao thức thực thi: Giao thức thực thi là một tập hợp các quy tắc và thuật toán được sử dụng để thực thi hợp đồng thong minh trên mạng lưới blockchain. Giao thức thực thi dam bao rằng các hành động trong hợp đồng được thực hiện một cách đáng tin cậy và an toàn. Giao dịch và sự kiện: Hợp đồng thông minh tương tác với các giao dịch va sự kiện trong mạng lưới blockchain.

Giao dịch là các hoạt động như chuyển tiền 9 hoặc thay đổi trạng thái của hợp đồng thong minh, trong khi sự kiện là các thông báo hoặc tín hiệu từ mạng lưới blockchain mà hợp đồng thông minh phan ứng và thực hiện các hành động tương ứng. Trong nghiên cứu này, chúng tôi chỉ chọn hợp đồng được viết bằng ngôn ngữ Solidity và được triển khai trên mạng Ethereum. Điều này có các lí đo sau đây: e Độ phổ biến: Solidity là ngôn ngữ hợp đồng thông minh phổ biến nhất cho mạng Ethereum và có cộng đồng lớn, đông đảo. Việc chọn Solidity đảm bảo rằng có nhiều tài liệu, ví dụ và công cụ hỗ trợ để nghiên cứu va phát triển hợp đồng thông minh.

Da dang dataset: Sự pho biến của Solidity din đến nguồn dữ liệu phong phú, cho phép thu thập, phân tích và đạt được kết quả tích cực. Tính ứng dụng cao: Ethereum là một mạng lưới blockchain có hiệu suất và tính mở rộng tương đối tốt, cho phép triển khai hợp đồng thông minh với quy mô lớn và giao dịch nhanh chóng. Việc nghiên cứu và phát triển hợp đồng thông minh trên Ethereum có thé đáp ứng được yêu cầu hiệu suất và tính mở rộng của các ứng dụng thực têœx. Các lỗ hồng phổ biến Một số lỗ hồng tồn tại phổ biến hiện nay mà chúng tôi tìm hiểu trong quá trình nghiên cứu: e Suicidal: Hacker có thể tan dụng một giao diện không được bảo vệ để phá hủy một hợp đồng bị lỗ hổng này.

Câu lệnh tiềm năng dễ bị tấn công liên quan đến lệnh selfdestruct. Hacker có thể lựa chọn bất kỳ hợp đồng nào được đặt trên blockchain. 10 e Call injection: Hacker gọi một hàm nhạy cảm, ví dụ như chuyển quyền sở hữu, của một hợp đồng nạn nhân. Các câu lệnh tiềm năng dễ bị tấn công bao gồm lệnh call, callcode và delegatecall.

e Chuyển giá trị tùy ý (ví dụ: Reentrancy) : Hacker chuyển đổi token hoặc ether từ một hợp đồng nạn nhân; nếu việc chuyển khoản được lặp lại, chúng tôi gọi đó là cuộc tấn công tái nhập. Chức năng tiếp thu lỗ hồng ở đây là cuộc gọi của call. e Integer overflow/underflow : Tran số hoặc tràn số thực cho một biến số nguyên có độ dài cố định. Các câu lệnh tiếp thu lỗ hổng là các hướng dẫn add, sub và mul.

Nếu lỗ hổng nằm trong một chức năng mà bất kỳ hợp đồng nào cũng có thể gọi, kẻ thù cũng có thể là bất kỳ hợp đồng nào nằm trên blockchain, không có quyền truy cập vào các chức năng đặc quyền, vi dụ như chức năng có modifer onlyOwner. Nếu lỗ hồng nằm trong một chức năng mà chỉ các hợp đồng đặc biệt có thể gọi, kẻ thù cũng là các hợp đồng đặc biệt đó nằm trên blockchain. Ví dụ, trong đoạn mã dưới, kẻ tấn công gọi hàm attack (dòng 23) trong hợp đồng Attack, điều này sẽ thực thi ham withdraw trong hợp đồng Reentrance tai dòng 24. Khi hợp đồng Reentrance thực thi hàm withdraw (dòng 3), nó sẽ sử dụng một câu lệnh gọi để gửi ether đến hợp đồng Attack (dòng 6).

Tuy nhiên, trong ngôn ngữ Solidity, khi một tài khoản bên ngoài hoặc hợp đồng khác gửi ether đến một địa chỉ hợp đồng, hàm fallback của hợp đồng được gọi sẽ được thực thi. Do đó, vào thời điểm này, hợp đồng Attack phản hồi việc chuyển tiền bằng hàm fallback của Attack (dòng 27). Hàm fallback của Attack gọi lại hàm withdraw của Reentrance để rút ether một lần nữa (dòng 29). Do đó, hợp đồng Attack sẽ tiếp tục rút tiền từ hợp đồng Reentrance cho đến khi hết gas và câu lệnh trừ số lượng token được giữ bởi hợp đồng Attack chỉ được thực thi một lần duy nhất.

11 | contract Reentrance{ 2 mapping (address=>uint) public balance; 3 function withdraw(uint _amount) { 4 if (balance[msg.sender] >= _amount) { 5 //reentrancy vulnerability 6 msg.value(_amount) (); 8 //deduct statement 9 balance[msg.sender] -= _amount; 10 } 11 } 12 function() public payable{} I§ contract Attack{ 19 Reentrance public entrance; 20 constructor(address _target) public{ 21 entrance = Reentrance(_target); 22 } 23 function attack() payable{ 24 entrance.5 ether); 25 } 26 /fanname function is the fallback function 27 function() public payable{ 28 // re-enter the Reentrance contract 29 entrance.1: Ví dụ vé lỗ hong Reentrancy 2. Tree-sitter Tree-sitter[1] là một công cụ hiện đại và có cách sử dung đa dạng để phân tích cú pháp, được thiết kế để tạo ra các cây cú pháp trừu tượng (AST)[14] một cách hiệu quả và chính xác. Tree-sitter có thể được sử dụng cho nhiều ngôn ngữ lập trình khác nhau và hỗ trợ nhiều tính năng tiên tiến. 12 Các đặc điềm chính của Tree-sitter: e Hiệu suất cao: Tree-sitter được thiết kế để phân tích cú pháp nhanh và hiệu quả, có khả năng xử lý mã nguồn lớn một cách nhanh chóng.

Nhờ sử dụng các kỹ thuật tiên tiến, Tree-sitter giảm thiểu thời gian phan tích và tối ưu hóa việc sử dụng tài nguyên hệ thống. e Khả năng cập nhật động (Incremental parsing): Tree-sitter hỗ trợ cập nhật động, cho phép tái phân tích chỉ các phần thay đổi của mã nguồn mà không cần phân tích lại toàn bộ tệp. Điều này rất hữu ích trong các ứng dụng biên tập mã nguồn và IDE, nơi mã nguồn thường xuyên được chỉnh sửa. e Da ngôn ngữ: Tree-sitter có khả năng hỗ trợ nhiều ngôn ngữ lập trình khác nhau thông qua việc sử dụng các ngữ pháp (grammars) cụ thể.

Các ngữ pháp này được định nghĩa dưới dạng các tệp JSON hoặc JavaScript, giúp dễ dang mở rộng và tùy chỉnh. e Cấu trúc cây cú pháp rõ ràng và có thể truy vấn: Cây cú pháp được tạo ra bởi Tree-sitter rất chỉ tiết và có thể được truy vấn dễ dàng. Tree-sitter cung cấp API để truy vấn và duyệt cây cú pháp, cho phép người dùng trích xuất thông tin cụ thể từ mã nguồn. e Tích hợp tốt với các công cụ và môi trường phát triển: Tree-sitter có thể tích hợp dễ dàng với các môi trường phát triển tích hợp (IDE) và các công cụ phân tích mã nguồn.

Nó được ứng dung rộng rãi trong các trình soạn thảo mã như Visual Studio Code, Atom, và nhiều dự án mã nguồn mở khác. Sử dụng Tree-sitter để phát hiện lỗ hổng bảo mật hợp đồng thông minh đóng vai trò quan trọng nhờ các khả năng sau: e Phân tích cú pháp hợp đồng thông minh: Tree-sitter có thể tạo ra AST từ mã nguồn của hợp đồng thông minh, giúp phân tích cú pháp và logic của 13 hợp đồng. Việc này giúp xác định các cấu trúc nguy hiểm và các hành vi không an toàn trong mã nguồn. e Phát hiện mẫu lỗ hồng: Sử dụng AST được tạo ra bởi Tree-sitter, các công cụ phân tích có thể tìm kiếm các mẫu mã tương ứng với các lỗ hồng bảo mật phổ biến.

Các mẫu này có thể bao gồm reentrancy, integer overflow, race conditions, và các lỗ hồng logic khác. e Tích hợp với học máy: AST từ Tree-sitter có thể được sử dụng làm đầu vào cho các mô hình học máy, giúp cải thiện khả năng phát hiện 16 hong bằng cách nhận diện các mẫu phức tạp và ngữ cảnh cụ thể. Các mô hình học máy có thể học từ dit liệu mã nguồn và phát hiện các lỗ hổng mới mà các phương pháp phân tích tĩnh truyền thống có thể bỏ sót. Cây cú phấp trừu tượng (AST) Cây cú pháp trừu tượng (Abstract Syntax Tree - AST) là một cấu trúc dữ liệu dạng cây dùng để biểu diễn cú pháp của mã nguồn trong một ngôn ngữ lập trình.

AST trừu tượng hóa mã nguồn bằng cách bỏ qua một số chi tiết không cần thiết và chỉ tập trung vào cau trúc logic của chương trình. Nó là một công cụ quan trọng trong các trình biên dịch, phân tích mã nguồn, và trong việc phát hiện 16 hổng bảo mật. Thành phần của AST e Nút (Nodes): Mỗi nút trong AST đại diện cho một cấu trúc cú phấp trong mã nguồn. Các nút này có thể là: — Nút gốc (Root node): Đại diện cho toàn bộ chương trình hoặc một tập hợp các biểu thức.

— Nút con (Child nodes): Đại diện cho các thành phần cấu trúc nhỏ hơn, như câu lệnh, biểu thức, biến, hàm,. 14 e Cạnh (Edges): Các cạnh trong cây nối các nút với nhau, biểu thị mối quan hệ giữa các thành phần cú pháp 2. Ví dụ vé AST Xem xét đoạn mã nguồn đơn giản sau: while b # 0: if a> b: ai=a-b else: b:=b-a return a Hình 2.2: Ví dụ vé một đoạn mã nguồn đơn giản AST tương ứng có thể được biểu diễn như sau: condition lcompare. op: # Mã onstant| branch value: 0 condition if-b else-body assign Hành 2.3: Câu cú pháp trừu tượng tương ứng 2.