Page 450 - 《软件学报》2026年第3期

软件学报 ISSN 1000-9825, CODEN RUXUEW E-mail: jos@iscas.ac.cn
2026,37(3):1413−1426 [doi: 10.13328/j.cnki.jos.007564] [CSTR: 32375.14.jos.007564] http://www.jos.org.cn
©中国科学院软件研究所版权所有. Tel: +86-10-62562563

*
融合 TextCNN 和对抗训练的以太坊庞氏骗局检测模型

宁小勇 1 , 高睿杰 2 , 叶楚涵 2 , 刘 园 3 , 王兴伟 1 , 黄 敏 4

1
(东北大学 计算机科学与工程学院, 辽宁 沈阳 110819)
2
(东北大学 软件学院, 辽宁 沈阳 110819)
3
(广州大学 网络空间安全学院, 广东 广州 510006)
4
(东北大学 信息科学与工程学院, 辽宁 沈阳 110819)
通信作者: 刘园, E-mail: yuanliu@gzhu.edu.cn; 王兴伟, E-mail: wangxw@mail.neu.edu.cn
摘 要: 以太坊上智能合约的广泛部署为区块链生态系统注入了活力, 而智能合约的不可逆性和匿名性却给监管
带来了巨大挑战. 不法分子趁机在以太坊部署庞氏骗局, 引发了严重的安全风险和经济损失. 因此, 迅速高效地检
测庞氏骗局智能合约至关重要. 目前的庞氏骗局检测方法存在的主要挑战包括智能合约操作码行为特征被忽略,
特征提取不全面, 检测方法在受到对抗干扰时性能不稳定、准确率低等问题. 为克服这些不足, 提出一种融合 TextCNN
和对抗训练的以太坊庞氏骗局检测方法. 该方法通过静态分析智能合约操作码来提取智能合约的行为特征, 同时
结合 Word2Vec 模型保留智能合约的语义信息, 确保了操作码特征的完整性. 与此同时, 还采用改进后的动态步长
投影梯度下降算法训练 TextCNN 模型, 增强检测模型的鲁棒性, 提高检测准确率. 在 XBlock 数据集上展开实验,
实验结果表明, 所提方法在确保精确率和鲁棒性的同时, 召回率达到 98.36%, F1 分数达到 98.31%. 该方法重点关
注智能合约操作码而不依赖交易特征, 能在智能合约部署时迅速、高效地检测出庞氏骗局智能合约.
关键词: 智能合约; 庞氏骗局; 行为序列; 对抗训练; TextCNN
中图法分类号: TP393

中文引用格式: 宁小勇, 高睿杰, 叶楚涵, 刘园, 王兴伟, 黄敏. 融合TextCNN和对抗训练的以太坊庞氏骗局检测模型. 软件学报,
2026, 37(3): 1413–1426. http://www.jos.org.cn/1000-9825/7564.htm
英文引用格式: Ning XY, Gao RJ, Ye CH, Liu Y, Wang XW, Huang M. Ethereum Ponzi Scheme Detection Model Combining
TextCNN and Adversarial Training. Ruan Jian Xue Bao/Journal of Software, 2026, 37(3): 1413–1426 (in Chinese). http://www.jos.org.
cn/1000-9825/7564.htm
Ethereum Ponzi Scheme Detection Model Combining TextCNN and Adversarial Training

1
1
2
2
3
NING Xiao-Yong , GAO Rui-Jie , YE Chu-Han , LIU Yuan , WANG Xing-Wei , HUANG Min 4
1
(School of Computer Science and Engineering, Northeastern University, Shenyang 110819, China)
2
(Software College, Northeastern University, Shenyang 110819, China)
3
(Cyberspace Institute of Advanced Technology, Guangzhou University, Guangzhou 510006, China)
4
(College of Information Science and Engineering, Northeastern University, Shenyang 110819, China)
Abstract: The widespread deployment of smart contracts on Ethereum has injected vitality into the blockchain ecosystem, while the
irreversibility and anonymity of smart contracts have posed great challenges to supervision. Criminals take the opportunity to deploy Ponzi
schemes on Ethereum, causing serious security risks and economic losses. Therefore, it is essential to detect Ponzi scheme smart contracts
quickly and efficiently. The main challenges of the current Ponzi scheme detection method include the neglect of the behavior
characteristics of smart contract opcodes, incomplete feature extraction, unstable performance, and low accuracy of the detection method
when the method is subjected to anti-interference. To overcome these shortcomings, this study proposes an Ethereum Ponzi scheme

* 基金项目: 国家自然科学基金 (92267206, 62032013, 62432003); 广东省重点领域研发计划 (2020B0101090005)
收稿时间: 2024-02-01; 修改时间: 2024-12-12; 采用时间: 2025-10-11; jos 在线出版时间: 2025-12-17
CNKI 网络首发时间: 2025-12-26