Análise de Técnicas de Machine Learning para Detecção de Vulnerabilidades em Contratos Inteligentes

• Tiago Rios da Rocha UFRGS / IFRS
• Tobias de Abreu Kuse UFRGS
• Mariana Recamonde Mendoza UFRGS

DOI: https://doi.org/10.5753/eramiars.2025.16666

Resumo

Este trabalho apresenta uma análise comparativa de algoritmos de aprendizado de máquina aplicados à detecção de vulnerabilidades em contratos inteligentes. Entre os modelos testados, o LightGBM obteve o melhor desempenho na identificação da classe vulnerável.

Referências

Atzei, N., Bartoletti, M., and Cimoli, T. (2017). A survey of attacks on ethereum smart contracts (sok). Intern. Conf. on Principles of Security and Trust.

Durieux, T., Ferreira, J. F., Abreu, R., and Cruz, P. (2020). Empirical review of automated analysis tools on 47,587 ethereum smart contracts. In Intern. Conf. on Software Engineering.

HajiHosseinKhani, S., Lashkari, A. H., and Mizani Oskui, A. Unveiling vulnerable smart contracts: Toward profiling vulnerable smart contracts using genetic algorithm and generating benchmark dataset. Blockchain: Research and Applications.