# 中期報告

## 目前已完成的研究工作、取得的主要进展

項目的主要流程：

1. 数据处理：用XBlock龐氏数据集表格里面的opcode和label两列数据，把每个合约的opcode搞成一个字符串序列； 將數據集分為訓練集、驗證集、測試集三種，比例為8：1：1。 (完成)

import pandas as pd
from util.functions import train_test_val_split, split_opcode_label

data = pd.read_csv('data/raw_data/PonziDataset_20221114.csv')

with open('data/opcode_data/PonziDataset_20221114_opcode.txt', 'w') as f:
    for i in range(len(data['opcode'])):
        f.write(data['opcode'].values[i])
        f.write('\n')

with open('data/label_data/PonziDataset_20221114_label.txt', 'w') as f:
    for i in range(len(data['label'])):
        f.write(str(data['label'].values[i]))
        f.write('\n')

train, test, validation = train_test_val_split(raw_data=data)

# 劃分opcode和label的訓練集
split_opcode_label(train, 'data/train_data/opcode_train.txt', 'data/train_data/label_train.txt')

# 劃分opcode和label的測試集
split_opcode_label(test, 'data/test_data/opcode_test.txt', 'data/test_data/label_test.txt')

# 劃分opcode和label的驗證集
split_opcode_label(validation, 'data/validation_data/opcode_validation.txt', 'data/validation_data/label_validation.txt')

2. 将字符串序列转变成向量：用gensim的word2vec实现。 (完成)

# 将字符串序列转变成向量
from util.functions import build_vector
from util.functions import Opcode

# 建立訓練集的向量
train_opcode = Opcode('data/train_data/opcode_train.txt')
train_vector = build_vector(train_opcode)
train_vector.save('vector/train_vector.w2v')

# 建立測試集的向量
validation_opcode = Opcode('data/validation_data/opcode_validation.txt')
validation_vector = build_vector(validation_opcode)
validation_vector.save('vector/validation_vector.w2v')

# 建立驗證集的向量
test_opcode = Opcode('data/test_data/opcode_test.txt')
test_vector = build_vector(test_opcode)
test_vector.save('vector/test_vector.w2v')

3. 将向量输入bert/codebert模型，进行训练； (未完成)

第3步具體參考的資料： https://zhuanlan.zhihu.com/p/610171544
https://huggingface.co/docs/transformers/model_doc/bert

4. 按照label算准确率、F1、Precision、Recall。 (未完成)

第4步具體參考的資料： https://blog.csdn.net/hfutdog/article/details/88085878

## 后期拟完成的研究工作及进度安排

後面要使用預訓練模型Bert和CodeBert訓練處理好的數據集，以及撰寫畢業論文正文。
進度安排：在3月15日前完成所有的實驗，跑完Bert和CodeBert模型，得出實驗結果。
在3月27日前完成畢業論文的撰寫，並在3月31日提交論文初稿，在4月15日前提交論文。

## 存在的具体问题及拟采取的措施等

目前存在的主要問題是，還不太能會使用HuggingFace的Bert模型，還在摸索階段。