本發(fā)明涉及應用程序故障分析，尤其涉及一種應用程序故障定位方法、裝置、電子設備及存儲介質。

背景技術：

1、去中心化應用程序（decentralized?applications，dapps）是基于區(qū)塊鏈技術構建的應用程序。具有去中心化網絡、智能合約、用戶控制數據、安全性高等特點。由于去中心化應用程序能夠提供抗審查性、透明性和數據隱私保護等優(yōu)勢，廣泛應用于金融、社交網絡、游戲等多個領域。以金融領域為例，去中心化應用程序與加密貨幣交易緊密相連。由于涉及大量資金，去中心化應用程序常常成為黑客攻擊的目標。

2、然而，為去中心化應用程序定位故障是一項極具挑戰(zhàn)性的任務。其原因在于，單筆交易可能觸發(fā)多個去中心化應用程序的連鎖反應。從而使得人工調查交易背后的語義原因變得既耗時又復雜。特別是當交易引發(fā)鏈上應用出現(xiàn)故障時，開發(fā)者更是面臨著快速定位問題代碼段的難題。提高去中心化應用程序的故障定位效率對于保障資金安全和維護相關人員的利益至關重要。

3、現(xiàn)有的故障定位技術大多集中于研究傳統(tǒng)軟件領域。可以大致分為基于頻譜的故障定位技術（spectrum-based?fault?localization，sbfl）、基于變異的故障定位技術（mutation-based?fault?localization，mbfl）和基于機器學習的故障定位技術（machinelearning?based?fault?localization，mlfl）三類。

4、然而，在實際應用中，基于頻譜的故障定位方法過于依賴覆蓋率信息，從而忽略了代碼的語義信息，致使其不能被廣泛應用?；谧儺惖墓收隙ㄎ环椒ㄟ^于依賴語義信息，其效果雖好但耗時過長。對于去中心化應用程序而言，故障定位的救援時間刻不容緩，因此也不能將其用于應用程序故障定位?；跈C器學習的故障定位技術雖然能在一定程度上提高故障定位的準確性和效率，但模型泛化能力較差，最終導致故障預測效果不佳。

技術實現(xiàn)思路

1、本發(fā)明提供了一種應用程序故障定位方法、裝置、電子設備及存儲介質，用于解決或部分解決現(xiàn)有故障定位方法不能被廣泛應用于去中心化應用程序故障定位、故障定位效果不佳的技術問題。

2、本發(fā)明提供了一種應用程序故障定位方法，應用于去中心化應用程序，所述方法包括：

3、將區(qū)塊鏈上引起故障交易建模為動態(tài)控制流圖；

4、采用引入圖注意力機制的圖神經網絡對所述動態(tài)控制流圖進行特征提取，獲得多個故障節(jié)點表示；

5、對所述多個故障節(jié)點表示進行嫌疑度排名，并根據嫌疑度排名結果，確定所述引起故障交易的潛在故障元素。

6、可選地，所述將區(qū)塊鏈上引起故障交易建模為動態(tài)控制流圖，包括：

7、采集區(qū)塊鏈上引起故障交易，所述引起故障交易對應故障觸發(fā)時函數的字節(jié)碼；

8、基于所述字節(jié)碼，將所述引起故障交易建模為動態(tài)控制流圖。

9、可選地，所述動態(tài)控制流圖中的節(jié)點類型包括外部賬戶節(jié)點、智能合約節(jié)點、字節(jié)碼塊節(jié)點以及日志節(jié)點；所述動態(tài)控制流圖中的連邊表示類型包括控制流跳轉、合約調用、函數調用、代幣轉移、代幣授權以及輸出日志。

10、可選地，所述采用引入圖注意力機制的圖神經網絡對所述動態(tài)控制流圖進行特征提取，獲得多個故障節(jié)點表示，包括：

11、結合所述動態(tài)控制流圖的連邊表示，通過引入圖注意力機制的圖神經網絡，對所述動態(tài)控制流圖的每個節(jié)點進行嵌入學習，同時為每個節(jié)點分配不同的注意力權重，生成所述節(jié)點對應的初始節(jié)點表示，所述初始節(jié)點表示包括所述節(jié)點的類型、屬性及在所述動態(tài)控制流圖中的位置和連接關系；

12、計算每個所述初始節(jié)點表示的損失函數值，并通過最小化損失函數，獲得多個故障節(jié)點表示。

13、可選地，所述計算每個所述初始節(jié)點表示的損失函數值，包括：

14、計算每個所述初始節(jié)點表示的故障預測值；

15、針對每個節(jié)點，基于二元交叉熵損失函數，計算所述故障預測值與故障實際值之間的二元交叉熵損失值，作為所述初始節(jié)點表示的損失函數值；

16、其中，所述故障實際值基于先驗知識或歷史數據確定，用于表示所述節(jié)點是否為故障元素。

17、可選地，所述通過最小化損失函數，獲得多個故障節(jié)點表示，包括：

18、通過反向傳播算法調整節(jié)點表示，以最小化損失函數；

19、在調整過程中，基于引入的圖注意力機制，使得模型逐漸將注意力集中于故障貢獻最大的節(jié)點表示，并在調整結束后，獲得多個故障節(jié)點表示。

20、可選地，所述對所述多個故障節(jié)點表示進行嫌疑度排名，并根據嫌疑度排名結果，確定所述引起故障交易的潛在故障元素，包括：

21、根據最小化后的損失函數值，生成所述故障節(jié)點表示的嫌疑度評分，所述嫌疑度評分用于反映所述故障節(jié)點表示所在節(jié)點作為故障點的可能性；

22、采用嫌疑度評分由大至小的順序，對所有所述故障節(jié)點表示進行嫌疑度排名，獲得嫌疑度排名列表；

23、從所述嫌疑度排名列表中篩選嫌疑度評分大于等于預設評分閾值的目標故障節(jié)點表示，作為所述引起故障交易的潛在故障元素；

24、其中，在所有所述目標故障節(jié)點表示中，嫌疑度評分最大的目標故障節(jié)點表示，即為所述引起故障交易的最大潛在故障元素。

25、本發(fā)明還提供了一種應用程序故障定位裝置，應用于去中心化應用程序，所述裝置包括：

26、動態(tài)控制流圖建模單元，用于將區(qū)塊鏈上引起故障交易建模為動態(tài)控制流圖；

27、特征提取單元，用于采用引入圖注意力機制的圖神經網絡對所述動態(tài)控制流圖進行特征提取，獲得多個故障節(jié)點表示；

28、嫌疑度排名單元，用于對所述多個故障節(jié)點表示進行嫌疑度排名，并根據嫌疑度排名結果，確定所述引起故障交易的潛在故障元素。

29、本發(fā)明還提供了一種電子設備，所述設備包括處理器以及存儲器：

30、所述存儲器用于存儲程序代碼，并將所述程序代碼傳輸給所述處理器；

31、所述處理器用于根據所述程序代碼中的指令執(zhí)行如上任一項所述的應用程序故障定位方法。

32、本發(fā)明還提供了一種計算機可讀存儲介質，所述計算機可讀存儲介質用于存儲程序代碼，所述程序代碼用于執(zhí)行如上任一項所述的應用程序故障定位方法。

33、從以上技術方案可以看出，本發(fā)明具有以下優(yōu)點：

34、提供了一種應用于去中心化應用程序的故障定位方法。首先將區(qū)塊鏈上引起故障交易建模為動態(tài)控制流圖；接著采用引入圖注意力機制的圖神經網絡對動態(tài)控制流圖進行特征提取，獲得多個故障節(jié)點表示；最后對多個故障節(jié)點表示進行嫌疑度排名，并根據嫌疑度排名結果，確定引起故障交易的潛在故障元素。從而結合動態(tài)控制流圖與引入圖注意力機制的圖神經網絡進行故障定位，不僅可以實現(xiàn)對智能合約故障元素的高效檢測和嫌疑度排名，提高定位準確率，降低故障排除成本，還可以提供一種新的思路來處理去中心化應用程序場景下的區(qū)塊鏈系統(tǒng)中的復雜交互關系。