智能合约技术作为区块链2.0的里程碑,受到学术界与企业界的广泛关注。智能合约运行在不具有可信计算环境的底层基础设施上,并且具有区别于传统程序的特性,在自身的安全性上存在许多影响很大的漏洞,针对它进行安全审计的研究也成为区块链安全领域的热门与亟需解决的关键科学问题。针对智能合约的漏洞检测与自动化修复,首先介绍智能合约漏洞的主要漏洞类型与分类;然后,调研回顾近五年智能合约漏洞检测的三类最重要的方法,并介绍每类方法具有代表性和创新性的研究技术;其次,详细介绍智能合约升级方案与具有前沿性的自动化修复技术;最后,分析与展望了面向在线、实时、多平台、自动化与智能化需求的智能合约漏洞检测与自动化修复技术的挑战与未来可展开的工作,并提出技术解决方案的框架。
针对衣物识别对服饰购物图像搜索的影响,分析了网络服饰购物图像的特点,将姿势估计和显著性检测结合,提出了一种基于姿势估计与显著性目标检测的衣物提取算法。该算法对图像进行姿势估计,实现姿势的适应性,将姿势估计融入显著性目标检测的区域检测部分,将二者优势互补,得到结合姿势估计的显著性检测图,衣物区域得以自动定位,通过迭代的图割方法提取出衣物。实验结果表明,所提算法可以较为准确地提取出复杂背景中的衣物,说明了衣物提取中引入姿势估计和显著性检测的有效性;同时适用于大部分服饰购物图像,具有较好的通用性。