引介 Fiesta - 开源智能合约源代码数据集

我们很高兴地宣布发布 Smart Contract Fiesta↗，这是一个开源的高质量数据集，包含超过1.75亿行的以太坊智能合约源代码。这个庞大的数据集涵盖了截至2023年3月约150,000个独特的合约源，来自3000万个智能合约，是区块链社区研究人员和开发人员的重要资源。

在这里访问数据集：Smart Contract Fiesta on Hugging Face↗

问题

智能合约是用如Solidity等独特的、特定领域的语言编写的。这些合约通常也实现财务产品，并且对任务至关重要。与此同时，缺乏高质量的、全面的数据集用于智能合约源代码。这为寻求提高智能合约安全性的安全（和AI）研究人员及工程师带来了问题。

确实存在像 Smart Contract Sanctuary↗ 这样的数据集。然而，它并不一定是全面的。根据我们所知，我们的数据集应该是截至区块16860349（2023年3月19日）最完整的以太坊主网验证合约的数据集。

数据集概览

Smart Contract Fiesta包含超过1.75亿行的以太坊智能合约源代码。通过大约150,000个独特的合约源，遍布300万个经过验证的智能合约，这个数据集是区块链研究人员和开发人员的宝贵资源。

以下是关键统计数据的细分：

• 总合约数量：30,586,657
• 具有可用代码的合约：3,897,319 (>10%)
• 具有代码和独特字节码的合约：149,386
• 代码总行数（LoC）：177,552,050

我们还分析了数据集内代码、注释和空行的分布情况：

• 代码行数（LoC）：90,562,628
• 注释行数（LoC）：62,503,873
• 空行数（LoC）：24,485,549

该数据集的目标

我们发布数据集时考虑了三个主要目标：

1. 促进针对智能合约的新研究和工具开发
2. 帮助巩固解析智能合约代码的现有工具
3. 促进Web3社区的原则

让我们简要讨论一下这些目标。

促进新研究和工具开发

通过提供智能合约代码的全面库，我们希望消除数据相关的瓶颈并促进创新工具的创建。想象一下，训练大型语言模型（LLMs）从自然语言描述——或者法律语言——中编写智能合约，或者识别和消除错误。像这样的基础数据集促进了许多研究。我们希望这将使智能合约的开发更加安全且更易于访问。

巩固现有工具

Smart Contract Fiesta可以通过提供多样化的智能合约代码来改进现有工具。在Zellic，我们已经体验到了其好处。在构建一个内部的Solidity解析器和静态分析器（我们计划开源！）时，我们使用Smart Contract Fiesta作为测试套件。这揭示了许多出乎意料、不寻常或未记录的Solidity特性，如果没有这个压力测试，这些边缘案例可能会被忽视。这些是可以并且应该改进规范和文档的地方。

当然，我们将确保在博客中讨论这些有趣的奇特现象，请继续关注！

促进Web3原则

作为去中心化和透明性的倡导者，我们相信让数据可访问且易于使用。通过将如此大量的数据整合成一个易于下载的数据集，我们希望降低门槛，啟發社区构建更多令人难以置信的项目。我们的Web3社区从根本上是由构建者、创新者和开发者所创立的。我们相信，帮助开发者是我们最基本的回馈。

有趣的见解

仅仅基于广泛的数据集级统计数据，我们可以得出两个有趣的结论。

首先，超过10%的以太坊智能合约是经过验证的，这个比例非常高。其次，大多数经过验证的合约共享相同的字节码。我们发现只有约150,000个独特的代码哈希，而经过验证的合约有380万个。

接下来，我们检查了智能合约源代码中单词的频率分布：

一个有趣的观察是字符串0x360894a13ba1a3210667c828492db98dca3e2076cc3735a920a3ca505d382bbc的频繁出现（超过64,000次）。结果发现这是EIP-1967 implementation↗的一部分，这也是它出现频率如此之高的原因！还有几个其他地址和奇怪的字符串也出现得非常频繁。我们鼓励你在Hugging Face↗上探索完整的直方图。

我们是如何做到的

在Zellic，我们开发并维护着Geth的内部分叉，这是主流的以太坊全节点实现。这个分叉的一个特性是它持续记录各种有用信息，比如所有参与过交易的地址列表。通过数据提供者如Dune Analytics↗可以访问到这样的信息。然而，由于获取和查询的快速性，我们更喜欢将其保留在内部。此外，这个过程是免费的（不包括运行节点的成本）。

我们使用这个Geth分叉进行了完整的同步，逐步建立了所有已部署智能合约的列表。如果这听起来对你有用，我们还将所有合约地址的列表作为此数据集的一部分进行了发布。我们鼓励你探索——你永远不知道你可能会发现什么↗!

最后，利用该列表，我们通过运行时代码哈希去重合约。我们将这组独特的合约与在线智能合约仓库交叉引用，从而组建了这个数据集。

开始使用Smart Contract Fiesta

我们邀请你通过访问Hugging Face↗来探索Smart Contract Fiesta的潜力。利用这个资源帮助推动区块链社区向前发展，为更安全和创新的未来贡献力量。

喜欢这篇博客文章吗？在Twitter上分享这篇文章↗

• 原文链接： zellic.io/blog/announcin...
• 登链社区 AI 助手，为大家转译优秀英文文章，如有翻译不通的地方，还请包涵～