Phương Pháp Học Tăng Cường Cho Khai Thác Lỗ Hổng Bảo Mật Trên Hợp Đồng Thông Minh

Khóa luận tốt nghiệp nghiên cứu tốt nghiệp an toàn thông tin phương pháp học tăng cường cho trình phát sinh mã khai thác tự động lỗ, vận dụng lý thuyết vào thực tế, đề xuất giải

• Tác giả: Nguyễn Phạm Lâm Duy
• Người hướng dẫn: ThS. Nguyễn Duy
• Trường học: TP.Hồ Chí Minh
• Chuyên ngành: Kỹ Sư Ngành An Toàn Thông Tin
• Đề tài: Phương Pháp Học Tăng Cường Trong Khai Thác Lỗ Hổng Bảo Mật Hợp Đồng Thông Minh
• Loại tài liệu: khóa luận tốt nghiệp
• Năm xuất bản: 2023
• Địa điểm: Hồ Chí Minh

Mục lục chi tiết

• LỜI CẢM ƠN
• 1. CHƯƠNG 1: TỔNG QUAN
• 1.1. Giới thiệu vấn đề
• 1.2. Phương pháp nghiên cứu
• 1.3. Tính ứng dụng
• 1.4. Những thách thức
• 1.4.1. Xây dựng môi trường
• 1.4.2. Thiết kế phần thưởng
• 1.4.3. Tạo chuỗi lời gọi hàm
• 1.5. Mục tiêu, đối tượng, và phạm vi nghiên cứu
• 1.5.1. Mục tiêu nghiên cứu
• 1.5.2. Đối tượng nghiên cứu
• 1.5.3. Phạm vi nghiên cứu
• 1.6. Cấu trúc khóa luận tốt nghiệp
• 2. CHƯƠNG 2: CƠ SỞ LÝ THUYẾT
• 2.1. Hợp đồng thông minh
• 2.1.1. Định nghĩa
• 2.1.2. Cấu trúc
• 2.2. AST (Abstract Syntax Tree - Câu Cú Pháp Trừu Tượng)
• 2.3. ABI (Application Binary Interface)
• 2.4. Cấu trúc giao dịch
• 2.5. Ưu và nhược điểm của Hợp đồng thông minh
• 3. CHƯƠNG 3: MÔ HÌNH KHAI THÁC LỖ HỒNG HỢP ĐỒNG THÔNG MINH
• 3.1. Tổng quan mô hình đề xuất
• 3.1.1. Mô hình phân tích dữ liệu
• 3.1.2. Trình sinh ra hợp đồng tấn công
• 3.1.3. Trình xác thực khả năng khai thác của chuỗi giao dịch
• 3.1.4. Mô hình tạo chuỗi giao dịch khai thác
• 3.2. Luồng hoạt động mô hình đề xuất
• 4. CHƯƠNG 4: THÍ NGHIỆM VÀ ĐÁNH GIÁ
• 4.1. Thiết lập thí nghiệm
• 4.2. Thiết lập tham số
• 4.3. Kết quả thí nghiệm và đánh giá
• 4.3.1. Đánh giá thực nghiệm
• 4.3.2. Độ hiệu quả của công cụ RLSCexploit trong việc phát sinh chuỗi giao dịch
• 5. CHƯƠNG 5: KẾT LUẬN VÀ HƯỚNG PHÁT TRIỂN
• 5.1. Kết luận
• 5.2. Hướng phát triển
• TÀI LIỆU THAM KHẢO

Tóm tắt

I. Tổng Quan Về Phương Pháp Học Tăng Cường Trong Bảo Mật

Phương pháp học tăng cường (Reinforcement Learning) đang trở thành một công cụ quan trọng trong việc khai thác lỗ hổng bảo mật của hợp đồng thông minh. Hợp đồng thông minh, với tính năng tự động hóa và minh bạch, đã thu hút sự chú ý của nhiều nhà phát triển và chuyên gia bảo mật. Tuy nhiên, chúng cũng tiềm ẩn nhiều lỗ hổng bảo mật nghiêm trọng. Việc áp dụng học tăng cường giúp tối ưu hóa quy trình phát hiện và khai thác các lỗ hổng này một cách hiệu quả.

1.1. Khái Niệm Về Hợp Đồng Thông Minh

Hợp đồng thông minh là một giao thức tự động hóa trên nền tảng blockchain, cho phép thực hiện các thỏa thuận mà không cần bên trung gian. Tuy nhiên, chúng có thể chứa các lỗ hổng bảo mật nghiêm trọng, đòi hỏi các phương pháp khai thác hiệu quả.

1.2. Tại Sao Cần Phương Pháp Học Tăng Cường

Phương pháp học tăng cường giúp tối ưu hóa việc phát hiện lỗ hổng bảo mật bằng cách học từ kinh nghiệm tương tác với môi trường. Điều này cho phép phát sinh các chuỗi giao dịch khai thác một cách tự động và hiệu quả.

II. Những Thách Thức Trong Khai Thác Lỗ Hổng Bảo Mật

Khai thác lỗ hổng bảo mật trong hợp đồng thông minh không phải là một nhiệm vụ đơn giản. Có nhiều thách thức cần phải vượt qua, từ việc xây dựng môi trường mô phỏng đến thiết kế phần thưởng cho các hành động của tác nhân. Những thách thức này đòi hỏi sự sáng tạo và kiến thức sâu rộng về cả công nghệ blockchain và học máy.

2.1. Xây Dựng Môi Trường Mô Phỏng

Môi trường mô phỏng cần phải phản ánh chính xác các thành phần của hợp đồng thông minh. Điều này bao gồm việc xác định các biến, trạng thái và hành động có thể xảy ra trong quá trình khai thác.

2.2. Thiết Kế Phần Thưởng Hiệu Quả

Thiết kế phần thưởng là một yếu tố quan trọng trong học tăng cường. Cần phải xác định rõ các hành vi mong muốn và gán phần thưởng phù hợp để khuyến khích tác nhân thực hiện các hành động tối ưu.

III. Phương Pháp Học Tăng Cường Để Khai Thác Lỗ Hổng

Phương pháp học tăng cường sử dụng các thuật toán như Policy Gradient và Proximal Policy Optimization để tối ưu hóa quy trình khai thác lỗ hổng bảo mật. Những thuật toán này cho phép tác nhân học từ kinh nghiệm và cải thiện khả năng phát hiện lỗ hổng theo thời gian.

3.1. Thuật Toán Policy Gradient

Thuật toán Policy Gradient giúp tối ưu hóa chính sách của tác nhân bằng cách cập nhật các tham số dựa trên phần thưởng nhận được từ môi trường. Điều này cho phép tác nhân học cách khai thác lỗ hổng một cách hiệu quả hơn.

3.2. Proximal Policy Optimization PPO

PPO là một thuật toán học tăng cường tiên tiến, giúp cải thiện hiệu suất của tác nhân trong việc khai thác lỗ hổng bảo mật. Thuật toán này giúp duy trì sự ổn định trong quá trình học, giảm thiểu rủi ro từ việc thay đổi chính sách quá nhanh.

IV. Ứng Dụng Thực Tiễn Của Phương Pháp Học Tăng Cường

Phương pháp học tăng cường đã được áp dụng thành công trong việc phát hiện và khai thác lỗ hổng bảo mật trong hợp đồng thông minh. Các công cụ như RLSCexploit cho phép tự động sinh ra các chuỗi khai thác, giúp các nhà phát triển kiểm nghiệm hợp đồng trước khi triển khai.

4.1. Công Cụ RLSCexploit

RLSCexploit là một công cụ tự động hóa giúp phát sinh các chuỗi khai thác có thứ tự, cho phép kiểm nghiệm hợp đồng thông minh một cách hiệu quả. Công cụ này dựa trên mô hình học tăng cường để tối ưu hóa quy trình khai thác.

4.2. Kết Quả Nghiên Cứu

Kết quả từ các thí nghiệm cho thấy mô hình học tăng cường có khả năng phát hiện lỗ hổng bảo mật cao hơn so với các phương pháp truyền thống. Điều này chứng tỏ tính hiệu quả của phương pháp trong việc bảo mật hợp đồng thông minh.

V. Kết Luận Và Hướng Phát Triển Tương Lai

Phương pháp học tăng cường trong khai thác lỗ hổng bảo mật hợp đồng thông minh đã chứng minh được giá trị của nó. Tuy nhiên, vẫn còn nhiều thách thức cần phải giải quyết để nâng cao hiệu quả và độ tin cậy của các công cụ này trong tương lai.

5.1. Hướng Phát Triển Mới

Nghiên cứu có thể mở rộng để áp dụng các thuật toán học sâu hơn, nhằm cải thiện khả năng phát hiện lỗ hổng bảo mật. Việc kết hợp nhiều phương pháp học máy có thể mang lại những kết quả khả quan hơn.

5.2. Tương Lai Của Bảo Mật Hợp Đồng Thông Minh

Với sự phát triển không ngừng của công nghệ blockchain, việc bảo mật hợp đồng thông minh sẽ ngày càng trở nên quan trọng. Các phương pháp học máy, đặc biệt là học tăng cường, sẽ đóng vai trò then chốt trong việc bảo vệ các ứng dụng phi tập trung.

Nội dung chính

Bối cảnh và vấn đề nghiên cứu

• Lý do chọn đề tài, bối cảnh thực tiễn
  Hợp đồng thông minh (smart contract) được triển khai trên nền tảng blockchain và được sử dụng rộng rãi trong các ứng dụng tài chính, thương mại điện tử, và nhiều lĩnh vực khác. Mặc dù mang lại tính tự động, minh bạch và không thể thay đổi, các hợp đồng này vẫn tồn tại các lỗ hổng bảo mật (ví dụ: re‑entrancy, suicidal) có thể dẫn đến mất tài sản và thông tin quan trọng. Các công cụ khai thác lỗ hổng hiện tại thường dựa trên cách tiếp cận ngẫu nhiên hoặc thủ công, gây tốn thời gian và không luôn phát hiện được các lỗ hổng mới. Do đó, cần một phương pháp tự động, có khả năng học và tối ưu hóa quy trình khai thác.

• Mục tiêu và câu hỏi/nhiệm vụ nghiên cứu

  1. Phát triển một phương pháp học tăng cường (Reinforcement Learning – RL) để tự động sinh chuỗi giao dịch khai thác lỗ hổng trên hợp đồng thông minh.
  2. Xây dựng môi trường mô phỏng hợp đồng thông minh, bao gồm trạng thái, hành động, và phần thưởng phù hợp với mục tiêu khai thác.
  3. Đánh giá hiệu suất của công cụ đề xuất (RLSCexploit) so với các công cụ hiện có (ContraMaster, Exgen).
  4. Xác định các yếu tố ảnh hưởng đến độ hiệu quả của mô hình RL (cấu trúc trạng thái, không gian hành động, hàm phần thưởng).

• Đối tượng, phạm vi (không gian, thời gian) nghiên cứu

  • Đối tượng: Các hợp đồng thông minh viết bằng Solidity (phiên bản 0.4 và 0.8) và các lỗ hổng bảo mật được công khai (re‑entrancy, suicidal).
  • Phạm vi không gian: Mô hình khai thác được thực hiện trên môi trường mô phỏng các thành phần của hợp đồng (biến, hàm, opcode, lịch sử giao dịch).
  • Phạm vi thời gian: Thu thập dữ liệu và thực nghiệm trong năm 2023, dựa trên tài liệu, công cụ và hợp đồng thực tế đã được công bố trước thời điểm này.

Cơ sở lý thuyết và phương pháp

• Khung lý thuyết, khái niệm, văn bản pháp luật hoặc mô hình

  • Hợp đồng thông minh: Giao thức giao dịch dựa trên công nghệ blockchain, tự động thực hiện các điều khoản mà không cần bên thứ ba. Cấu trúc hợp đồng gồm pragma, biến, hàm, sự kiện, và các thành phần lưu trữ (storage, memory, calldata).
  • AST (Abstract Syntax Tree): Cây cú pháp trừu tượng của Solidity, hỗ trợ phân tích cấu trúc mã và phát hiện lỗ hổng.
  • ABI (Application Binary Interface): Định nghĩa cách gọi hàm và truyền dữ liệu giữa hợp đồng và các thực thể bên ngoài.
  • Lỗ hổng bảo mật: Re‑entrancy (tấn công lặp lại hàm khi gọi hàm bên ngoài) và suicidal (tự hủy hàm không được bảo vệ).
  • Học tăng cường (Reinforcement Learning): Mô hình quyết định Markov (MDP) gồm trạng thái (S), hành động (A), hàm chuyển trạng thái (P), hàm phần thưởng (R), và hệ số chiết khấu (\gamma). Các thuật toán được đề cập gồm Policy Gradient, Proximal Policy Optimization (PPO), Deep Q‑Network (DQN), Actor‑Critic (A2C, A3C).

• Phương pháp nghiên cứu thực tế đã dùng

  • Phân tích‑tổng hợp: Thu thập và phân loại các hợp đồng thông minh, trích xuất đặc trưng (tên hàm, opcode, tham số, tần suất gọi, trạng thái revert, coverage).
  • Xây dựng môi trường mô phỏng: Mô hình hóa môi trường hợp đồng với các thành phần trạng thái (331 trạng thái hàm + 9 trạng thái hợp đồng) và không gian hành động (nạp tiền, rút tiền, self‑destruct, setter).
  • Thiết kế hàm phần thưởng: Phần thưởng phản ánh việc thực hiện hành động có khả năng khai thác lỗ hổng và penalize hành động không có lợi.
  • Huấn luyện mô hình RL: Sử dụng các thuật toán Policy Gradient, PPO, A2C, A3C, và DQN để học chính sách tối ưu.
  • Đánh giá thực nghiệm: Đánh giá các tiêu chí bao gồm giá trị trung bình phần thưởng, chiều dài trung bình của chuỗi giao dịch, và tốc độ huấn luyện (training speed).

• Nguồn dữ liệu

  • Các hợp đồng thông minh đã công bố trên các mạng lưới Ethereum, tài liệu mô tả lỗ hổng (re‑entrancy, suicidal).
  • Các công cụ nghiên cứu và khai thác hiện có: Echidna, ContractFuzzer, Manticore, Exgen, ContraMaster.
  • Tài liệu học máy và RL (các bài báo về Policy Gradient, PPO, DQN, A2C, A3C).

Nội dung chính theo từng chương

Chương 1 – Giới thiệu tổng quan và đề tài

• Trình bày bối cảnh nghiên cứu, mục tiêu, câu hỏi nghiên cứu, và cấu trúc của khóa luận.

Chương 2 – Cơ sở lý thuyết và kiến thức nền tảng

• Giới thiệu khái niệm hợp đồng thông minh, cấu trúc AST, ABI, và các loại lỗ hổng bảo mật.
• Trình bày các mô hình học tăng cường, MDP, và các thuật toán RL (Policy Gradient, PPO, DQN, A2C, A3C).

Chương 3 – Mô hình học tăng cường

• Mô tả quá trình xây dựng không gian trạng thái (331 hàm + 9 hợp đồng) và không gian hành động (4 nhóm).
• Trình bày các đặc trưng hàm (name, opcode, argument, call, revert, return, assert, coverage) và đặc trưng hợp đồng (SHA3, CALL, CREATE, SELFDESTRUCT, JUMP, JUMPI, SLOAD, SSTORE, coverage).
• Mô tả hàm phần thưởng và quy trình huấn luyện (các thuật toán RL được áp dụng).

Chương 4 – Thực nghiệm và đánh giá

• Thiết lập thí nghiệm: Môi trường mô phỏng, tập hợp hợp đồng, cấu hình các thuật toán RL, số vòng huấn luyện (episode) được đề cập (500, 1000, 5000).
• Kết quả thí nghiệm và đánh giá
  • Bảng 4.4: So sánh công cụ ContraMaster và RLSCexploit.
  • Bảng 5.1: Thống kê kết quả thử nghiệm của mô hình RLSCexploit (giá trị trung bình phần thưởng, chiều dài chuỗi giao dịch, tốc độ huấn luyện).
  • Bảng 4.6: Đánh giá các công cụ khai thác lỗ hổng.
• Phân tích: RLSCexploit cho thấy hiệu suất cao hơn các công cụ truyền thống về phần thưởng tích luỹ và độ dài chuỗi khai thác.

Chương 5 – Kết luận và hướng phát triển

• Tổng hợp kết quả đạt được, nêu ra các đề xuất cải tiến, và đề xuất các hướng nghiên cứu trong tương lai.

Thiết kế và triển khai

• Kiến trúc hệ thống RLSCexploit

  • Môi trường (Environment): Mô phỏng trạng thái hợp đồng (biến, lịch sử giao dịch, opcode) và cung cấp hàm chuyển trạng thái theo hành động của agent.
  • Agent (Policy Network): Mạng nơ‑ron nhận đầu vào là vector trạng thái (sử dụng word2vec và các tần suất opcode) và đưa ra phân phối xác suất cho các hành động trong 4 nhóm.
  • Hàm phần thưởng (Reward Function): Được thiết kế để khuyến khích việc chọn hành động dẫn đến khai thác thành công (ví dụ: tăng phần thưởng khi đạt được trạng thái revert hoặc self‑destruct).
  • Không gian hành động:
    • Nhóm nạp tiền (functions chứa msg.value, msg.sender).
    • Nhóm rút tiền (functions chuyển Ether ra ví).
    • Nhóm self‑destruct (functions gọi selfdestruct).
    • Nhóm setter (functions thay đổi giá trị biến toàn cục).
  • Quy trình huấn luyện: Sử dụng các thuật toán RL như PPO, A2C, A3C, DQN; thực hiện vòng lặp thu thập dữ liệu (experience replay) và cập nhật mạng.

• Công nghệ

  • Mô hình học tăng cường được triển khai dựa trên các thư viện RL tiêu chuẩn (không được nêu cụ thể trong văn bản).
  • Phân tích AST và opcode dựa trên công cụ phân tích Solidity (phiên bản 0.4 và 0.8).

Kết quả và đóng góp

• Kết quả chính

  • RLSCexploit đạt giá trị trung bình phần thưởng cao hơn ContraMaster (theo Bảng 4.4).
  • Chuỗi giao dịch khai thác do RLSCexploit sinh ra có chiều dài trung bình lớn hơn, cho thấy khả năng phát hiện sâu hơn các lỗ hổng.
  • Tốc độ huấn luyện trung bình của RLSCexploit nhanh hơn so với các phương pháp truyền thống, như được thể hiện trong Bảng 5.1.

• Giải pháp/kiến nghị

  • Áp dụng học tăng cường để tối ưu hóa việc sinh chuỗi giao dịch khai thác, thay vì lựa chọn ngẫu nhiên các hàm.
  • Thiết kế hàm phần thưởng cần phản ánh chính xác mục tiêu khai thác và tránh các hành động “lợi dụng” hệ thống phần thưởng.

• Đóng góp so với nghiên cứu trước

  • Đề xuất môi trường mô phỏng hợp đồng thông minh chi tiết, bao gồm cả AST, opcode và trạng thái hợp đồng.
  • Sử dụng các thuật toán RL tiên tiến (PPO, A2C, A3C) trong bối cảnh khai thác lỗ hổng smart contract, một lĩnh vực chưa được khai thác rộng rãi.
  • Cung cấp công cụ RLSCexploit, một giải pháp tự động sinh chuỗi khai thác có thứ tự, giúp các nhà phát triển và nhà nghiên cứu bảo mật kiểm thử hợp đồng trước khi triển khai.

Hạn chế và hướng nghiên cứu tiếp

• Hạn chế

  • Chỉ tập trung vào hai loại lỗ hổng (re‑entrancy, suicidal), chưa bao quát các lỗ hổng khác như integer overflow, access control.
  • Môi trường mô phỏng phụ thuộc vào mô hình AST và opcode; độ chính xác của môi trường ảnh hưởng trực tiếp đến hiệu quả của RL.
  • Không thực hiện đánh giá trên các mạng blockchain khác (ví dụ: Binance Smart Chain, Polygon).

• Hướng nghiên cứu tiếp

  • Mở rộng phạm vi lỗ hổng sang các dạng tấn công khác và tích hợp các công cụ fuzzing để tạo dữ liệu đa dạng hơn.
  • Nghiên cứu việc kết hợp học tăng cường với kỹ thuật symbolic execution để tăng cường khả năng khám phá không gian hành động.
  • Đánh giá công cụ trên môi trường blockchain thực tế và triển khai các biện pháp phòng ngừa tự động dựa trên đầu ra của RLSCexploit.

Giá trị tham khảo

• Đối tượng người đọc
  • Sinh viên và nghiên cứu sinh ngành An ninh thông tin, Blockchain, Khoa học máy tính, và Học máy.
  • Nhà phát triển hợp đồng thông minh cần công cụ kiểm thử tự động.
  • Các nhà nghiên cứu quan tâm đến việc áp dụng học tăng cường trong bảo mật phần mềm.
• Phần đáng tham khảo
  • Các chương mô tả cấu trúc AST và ABI cung cấp nền tảng lý thuyết về phân tích mã Solidity.
  • Phần “Phương pháp nghiên cứu” chứa chi tiết về thiết kế môi trường và hàm phần thưởng, hữu ích cho việc tái hiện hoặc mở rộng mô hình.
  • Bảng so sánh (ContraMaster vs. RLSCexploit) và bảng thống kê kết quả cung cấp dữ liệu thực nghiệm để so sánh các công cụ khai thác.

Câu hỏi thường gặp

1. RLSCexploit sử dụng thuật toán RL nào?

   • Đề tài áp dụng các thuật toán Policy Gradient, Proximal Policy Optimization (PPO), Deep Q‑Network (DQN), cũng như các mô hình Actor‑Critic (A2C, A3C) để học chính sách khai thác.

2. Không gian trạng thái của môi trường được xây dựng như thế nào?

   • Tổng cộng 340 trạng thái: 331 trạng thái hàm (dựa trên tên, opcode, arguments, call frequency, trạng thái revert/return/assert, coverage) và 9 trạng thái hợp đồng (SHA3, CALL, CREATE, SELFDESTRUCT, JUMP, JUMPI, SLOAD, SSTORE, coverage).

3. Các nhóm hành động trong môi trường gồm những gì?

   • Nhóm nạp tiền (functions chứa msg.value), nhóm rút tiền (functions chuyển ether ra ví), nhóm self‑destruct (functions gọi selfdestruct), và nhóm setter (functions thay đổi biến toàn cục).

4. Kết quả thực nghiệm cho thấy RLSCexploit vượt trội ở khía cạnh nào?

   • Theo Bảng 4.4 và Bảng 5.1, RLSCexploit đạt giá trị trung bình phần thưởng, chiều dài chuỗi giao dịch khai thác, và tốc độ huấn luyện cao hơn so với ContraMaster.

5. Hạn chế chính của nghiên cứu là gì?

   • Chỉ tập trung vào hai loại lỗ hổng (re‑entrancy, suicidal) và dựa vào môi trường mô phỏng nội bộ; chưa đánh giá trên các blockchain thực tế hoặc các lỗ hổng khác.

Kết luận

Khóa luận đề xuất một phương pháp học tăng cường để tự động sinh chuỗi giao dịch khai thác lỗ hổng trên hợp đồng thông minh, qua đó xây dựng công cụ RLSCexploit. Các kết quả thực nghiệm cho thấy công cụ này đạt hiệu suất cao hơn các công cụ truyền thống về phần thưởng tích luỹ, độ dài chuỗi khai thác, và tốc độ huấn luyện. Ngoài ra, nghiên cứu còn đóng góp kiến trúc môi trường mô phỏng chi tiết và việc áp dụng các thuật toán RL hiện đại vào lĩnh vực bảo mật blockchain, đồng thời chỉ ra các hạn chế và hướng nghiên cứu tiếp trong việc mở rộng phạm vi lỗ hổng và kiểm thử trên môi trường thực.

Trích đoạn nội dung tài liệu

Chương 1: Giới thiệu tổng quan về đề tài của Khóa luận và những nghiên cứu liên quan. e Chương 2: Trình bày cơ sở lý thuyết và kiến thức nền tảng liên quan đến e Chương 3: Trình bày mô hình học tăng cường. e Chương 4: Trình bày thực nghiệm và đánh giá. e Chương 5: Kết luận và hướng phát triển của đề tài.

CƠ SỞ LÝ THUYET Chương này trình bày cơ sở lý thuyết của nghiên cứu: Dinh nghĩa về cấu trúc hợp đồng, cấu trúc của giao dịch hợp đồng, các loại lỗ hổng bảo mật có thể xảy ra của hợp đồng thông minh, mô hình khai thác lỗ hổng hợp đồng thong minh, phương pháp nghiên cứu đánh giá. Hợp đồng thông minh 2. Dinh nghĩa Hợp đồng thông minh là một giao thức giao dịch dựa trên công nghệ Blockchain. Mục đích của hợp đồng là thực hiện các điều khoản của hợp đồng mà không cần thông qua bên thứ ba, được sử dụng để tự động hóa việc thực hiện một thỏa thuận.

Cấu trúc Trong đề tài này, nhóm tập trung nghiên cứu hợp đồng thông minh với ngôn ngữ solidity ở các phiên bản 0. Một hợp đồng thông minh (Smart Contract) được viết bằng ngôn ngữ solidity có định dạng mở rộng ".sol" và bao gồm các thành phần như: e Khai báo phiên bản Solidity (pragma): Chỉ định phiên bản Solidity mà hợp đồng được phát triển để đảm bảo sự tương thích của ngôn ngữ. e Biến (Variables) và kiểu dữ liệu (Types): Dinh nghĩa các biến và kiểu dữ liệu được sử dụng trong hợp đồng. Các kiểu dữ liệu thường được sử dụng: uint, bool, address, bytes, string.

8 e Dữ liệu lưu trữ (Data Storage): Trong Solidity, các giá trị dữ liệu tham chiếu có thể được lưu trữ dưới dạng lưu trữ (Storage), bộ nhớ (Memory) hoặc các lời gọi (Calldata) tùy thuộc vào vai trò của dit liệu được lưu trữ. e Hàm khởi tạo hợp đồng (Constructor): Khởi tạo các biến và trạng thái ban đầu của hợp đồng. e Công cụ sửa đổi truy cập (Access Modifiers): Kiểm tra và áp dụng các ràng buộc trước khi thực hiện hàm. e Ham (Functions): Thực hiện các thay đổi và tính toán trong hợp đồng và trả về kết quả nếu có.

e Sự kiện (Events): Dinh nghĩa các sự kiện mà hợp đồng có thể phát sinh và ghi lại. AST (Abstract Syntax Tree - Câu Cú Pháp Trừu Tượng) Trong bối cảnh hợp đồng thông minh trên nền tảng Ethereum, AST (Abstract Syntax Tree - Cây Cú Pháp Trừu Tượng) là một cấu trúc dữ liệu biểu diễn cấu trúc của một chương trình Solidity. Nó được tạo ra bởi trình biên dịch Solidity và có thể được sử dụng để phân tích và thao tác mã của chương trình. Hiểu về AST là quan trọng đối với nhà phát triển để đảm bảo an ninh và hiệu suất của hợp đồng thông minh, vì nó cho phép phát hiện các lỗ hong tiềm năng và tối ưu mã.

Ngoài những lợi ích thực tế đã đề cập, việc bổ sung các cơ sở lý thuyết cũng nâng cao sự quan trọng của việc hiểu Cây Cú Pháp Trừu Tượng (AST) trong lĩnh vực hợp đồng thông minh trên nền tảng Ethereum. AST đóng vai trò là một công cụ cơ bản cho nhà phát triển để khám phá sâu vào sự phức tạp của một chương trình Solidity, giúp họ điều hướng cú pháp và cấu trúc của chương trình một cách hiệu quả. 9 Bằng cách sử dụng AST, nhà phát triển có quyền truy cập vào một biểu diễn phân cấp của mã chương trình, giúp phân tích và thao tác một cách chỉ tiết. Biểu diễn cấu trúc này giúp xác định các 16 hong tiềm năng trong hợp đồng thông minh.

Thông qua việc phân tích dựa trên AST, nhà phát triển có thể khám phá những yếu điểm bảo mật như cuộc tấn công tái nhập, tràn số nguyên hoặc những lỗi phổ biến khác có thể đe dọa tính toàn vẹn của hợp đồng. Phương pháp tiếp cận này giúp nhà phát triển tăng cường bảo mật mã và nâng cao tổng thể tình trạng an ninh của hợp đồng thông minh. Hơn nữa, AST cho phép nhà phát triển tối ưu hóa hiệu suất của hợp đồng thông minh. Bằng cách đi qua cấu trúc dạng cây của AST, nhà phát triển có thể xác định các phần mã có thổ không hiệu quả hoặc tốn nhiều tài nguyên tính toán.

Kiến thức này cho phép họ thực hiện tối ưu hóa mục tiêu, cải thiện tốc độ thực thi của hợp đồng và giảm chỉ phí gas liên quan. Do đó, việc hiểu về AST không chỉ đóng góp vào mặt bảo mật mà còn tạo điều kiện để tạo ra các hợp dng thông minh hiệu quả và tiết kiệm chi phí. AST được biểu diễn ở dang nodes, các nodes con sẽ biểu thị đặc tính của hợp dng, hàm, cấu trúc câu lệnh. Ỏ phiên bản solidity 0.4 và phiên bản solidity 0.

Ở phiên bản solidity 0.4, cầu trúc AST của trình biên dịch tạo ra gây khó khăn trong quá trình phan tích, bởi vì các cầu trúc này được quy định theo một cấu trúc tương tự nhau về cách đặt tên, hơi khó để có thể phân biệt đâu là statement, đâu là instruction. Còn ở phiên bản solidity 0.8, cấu trúc này sẽ có sự phân chia rõ ràng ở các lớp khác nhau về cách đặt tên. NAME CONTRACTHIND ATTRIBUTE «, SRC ID ** Hình 2.1: Cấu trúc của cay cú pháp trừu tượng ở phiên ban solidity 0.4 CONTRACT DEPENDENCIES * NODETYPE „ NAM! CONTRACTHIND «' ATTRIBUTE «,. INSTRUCTION tres STATEMENT teee BODY seers Hình 2.2: Cau tric của cây cú pháp trừu tượng ở phiên ban solidity 0.

ABI (Application Binary Interface) Trong ngữ cảnh của hợp đồng thong minh trên nền tang Ethereum, ABI (Application Binary Interface)[3] đóng vai trò quan trọng trong việc tạo điều kiện giao tiếp giữa các thành phần phần mềm khác nhau. ABI xác định cấu trúc và định dạng của các cuộc gọi hàm và truyền dữ liệu giữa các hợp đồng thông 11 minh và các thực thể bên ngoài, chẳng hạn như giao diện người dùng hoặc các hợp đồng thông minh khác. Bằng cách xác định quy ước gọi, kiểu dữ liệu và bố cục bộ nhớ, ABI đảm bảo sự tương tác và tương thích giữa các phần khác nhau của một chương trình máy tính. N6 cho phép hợp đồng thông minh tương tác một cách liền mạch với các hợp đồng khác, ứng dụng phi tập trung (dApps) hoặc hệ thống bên ngoài.

ABI cung cấp một giao diện tiêu chuẩn cho phép nhà phát triển tích hợp hợp đồng của họ với các hệ thống hiện có hoặc xây dựng các hệ thống phức tạp bao gồm nhiều hợp đồng thông minh liên kết với nhau. Ngoài ra, ABI cũng là tài liệu giao diện cho một hợp đồng, cho phép nhà phát triển hiểu và tương tác với các hợp đồng đã triển khai. Nó cung cấp mô tả về các chức năng có sẵn, các đầu vào và đầu ra của chúng, cũng như cách gọi chúng. Cấu trúc giao dịch e Dia chỉ nguồn (Sender address): Dia chỉ của người hoặc tổ chức gửi giao dịch hợp đồng thông minh.

e Địa chỉ dich (Recipient address): Địa chỉ của hợp đồng thông minh nhận giao dịch. e Giá trị (Value): Số lượng tiền, được định dang theo đơn vị blockchain (vi du: Ether trên Ethereum), được chuyển đến hợp đồng thông minh. e Mã bytecode (Bytecode): Dây là phần quan trọng nhất của giao dịch hợp đồng thông minh. No chứa mã nguồn của hợp đồng thông minh được biên dịch thành mã may (bytecode) để thực thi trên blockchain.

Bytecode nay sẽ được lưu trữ trên blockchain và được thực thi khi có giao dịch liên quan đến hợp đồng. e Dữ liệu (Data): Dữ liệu được truyền cùng với giao dịch hợp đồng thông 12 minh. Trong trường hợp giao dịch hợp đồng thông minh, dữ liệu thường chứa thông tin về hàm cần được gọi và các tham số của hàm đó. e Phí giao dịch (Transaction fee): Mỗi giao dịch trên blockchain đều yêu cầu người gửi trả một khoản phí giao dịch cho các thợ mỏ (miners) để xác nhận và ghi giao dịch vào blockchain.

Phi giao dich này được tính toán dựa trên kích thước giao dịch và mức độ tắc nghẽn của mạng. e Chữ ký số (Digital signature): Giao dịch hợp đồng thông minh cần được ký bởi khóa riêng tư (private key) của người gửi để xác minh tính toàn vẹn và xác thực của giao dịch. e Thời gian giao dịch (Timestamp): Thời gian khi giao dịch được tạo và gửi đi. Uu va nhược điểm của Hợp đồng thông minh Ưu điểm e Tự động hóa: Hợp đồng thông minh loại bỏ sự phụ thuộc vào bên thứ ba và giúp tự động hóa các quy trình giao dịch.

Khi các điều kiện được đáp ứng, hợp đồng sẽ tự động thực thi các hành động đã được lập trình. e Tin cậy và minh bạch: Thông tin và các giao dịch liên quan được mã hóa và chia sẻ công khai trên blockchain. Diéu này dam bảo tính minh bạch và giúp người dùng có thể kiểm tra và xem lại tất cả các giao dịch một cách công khai. Các bên tham gia có thể tin tưởng vào tính toàn vẹn của dữ liệu và không cần phải dựa vào một bên trung gian để giám sát hay xác minh các giao dịch.

Hợp đồng thong minh giúp giảm thiểu sự phụ thuộc vào con người và nguy cơ mắc lỗi trong quá trình giao dịch. Bằng cách sử dụng mã lệnh được lập trình trước, các điều kiện giao dịch sẽ tự động được thực hiện khi các điều kiện đáp ứng. Điều này đảm bảo tính chính xác và thực thi tức thì của hợp đồng. 13 ¢ Tiết kiệm chi phí: Sử dung hợp đồng thông minh có thể giảm thiểu hoặc loại bỏ nhu cầu về trung gian hoặc dịch vụ pháp lý, từ đó giảm chi phí giao dich.

Nhược điểm e Khó thay đổi: Hợp đồng thông minh loại bỏ sự phụ thuộc vào bên thứ ba và giúp tự động hóa các quy trình giao dịch. Khi các điều kiện được đáp ứng, hợp đồng sẽ tự động thực thi các hành động đã được lập trình. e Rủi ro cao Một khi được triển khai, hợp đồng thong minh không thể bị thay đổi mà không có sự đồng ý của tất cả các bên liên quan. Điều này đảm bảo tính toàn vẹn của hợp đồng và ngăn chặn sự can thiệp từ các bên không đáng tin cậy.

e Phụ thuộc công nghệ Nếu có sự thay đổi trong các chuẩn và giao thức của Blockchain, điều này có thể làm thay đổi cách thức hoạt động của Smart Contract. Néu một Smart Contract đã được triển khai dựa trên một phiên bản cũ của chuẩn hoặc giao thức và sau đó có sự thay đổi, Smart Contract có thể không tương thích hoặc không hoạt động đúng như mong đợi.