近年来区块链技术在金融、医疗等行业越来越受到关注,区块链和加密货币正获得前所未有的普及和欢迎。智能合约是区块链技术的重要组成部分,智能合约的安全随着区块链的发展成为了热门的研究领域。与此同时,以太坊作为一个开源的有智能合约功能的公共区块链平台也得到了飞速发展,以太坊的设计方式使得开发人员能够更高效地编写智能合约和分散应用程序。以太坊平台为区块链技术在各行各业的快速发展提供了可能性和机会。然而,以太坊智能合约的安全性并没有受到太多的关注。从2011年至今,由于智能合约漏洞造成的经济损失高达上百亿美元。引发智能合约漏洞的种类繁多,比较常见的智能合约漏洞有交易顺序依赖、时间戳依赖、重入漏洞以及异常处理不当四种漏洞,本文通过建模分析了每种漏洞产生的原因,造成的影响,并引入深度学习技术检测智能合约漏洞。面对智能合约中各种类型的漏洞,传统的漏洞检测方法应用静态和动态分析来查找智能合约中的漏洞,其审计过程自动化程度低,误报率高,有时候还需要人工二次审核。在本文中,我们专注于降低技术人员的人工成本、提高智能合约漏洞检测效率,提出了基于深度学习的智能合约漏洞检测框架。该框架共分为预处理模块、模型训练模块以及漏洞检测模块。智能合约首先被输入到数据预处理模块转成成为适合作为神经网络输入的向量,然后把向量输入到模型训练模块训练出带有最优参数组合的神经网络模型,最后把训练好的模型放入到漏洞检测模块进行智能合约的漏洞检测,输出漏洞类别。本文通过使用深度学习技术,提高了智能合约漏洞检测的准确率和时间效率,大大减轻了区块链技术人员的负担。